在制造业中，AI 在供应链管理方面有以下应用： 1. 根据历史数据和市场变化，自动生成采购计划、库存预测、物流优化等内容，提高供应链管理效率。 2. 模拟不同的市场条件和供应链动态，优化库存管理和物流配送。 在 B 端，供应链管理可能是大模型服务的辐射范围之一，但在面对复杂的巨头/独角兽公司业务时，不太可能仅用 GPT 解决。目前可能还未达到解决相关能力问题的时候，可通过将私有领域知识训练在私有模型或训练小模型、构建请求链等方式来解决。 总的来说，AI 技术正在为供应链管理带来诸多优化和改进。

以下是关于 AI 安全的相关内容： 马斯克认为 x.ai 的总体目标是建立一个好的 AGI，并努力理解宇宙。他认为构建最安全的 AI 的方法是制造最大程度好奇和寻求真理的 AI，追求真理并承认错误，尽量减小所认为的真理与实际真理之间的误差。他花了很多年思考 AI 安全性并担心其安全问题，一直呼吁对 AI 进行监管或监督，认为行业合作很重要，且任何情况下都应有规则。 宝玉日报在 3 月 4 日提到了 AI 开发的安全提醒，指出 AI 让网站和 App 开发变得简单，但安全问题不能忽视，如 API Key、核心数据、提示词等隐私信息不能暴露在客户端，否则易被获取，近期有应用直接在网页脚本中暴露 OpenAI 的 API Key 这种情况极其危险。 2024 人工智能报告中提到，英国创建了世界上第一个人工智能安全研究所，美国迅速跟进。世界首个人工智能安全研究所 AISA 有三个核心功能：在部署前对高级模型进行评估；建立国家能力并开展研究；协调国际合作伙伴。AISA 还发布了 Inspect 用于 LLM 安全评估的框架。英国宣布与美国等效机构签署谅解备忘录，双方同意共同开发测试，并计划在美国旧金山设立办事处。英国通过其高级研究与发明机构花费 5900 万英镑开发“守门员”系统，负责了解和减少关键领域中其他人工智能代理的风险，还计划设立“AI 安全研究实验室”。美国能源部一直在利用内部测试床评估人工智能对关键基础设施和能源安全带来的风险，随着攻击面扩大，开发人员加大了对“越狱”的研究。

以下是利用 AI 在剪映平台创作情感类语录的全流程： 1. 录制声音： 录制时注意语气和情感，控制时长在 5 秒以上。 可以自由录制任意内容，或按照例句进行录制。 可以选择直接录制自己的声音，或者上传觉得不错的声音片段。 2. 克隆音色： 完成录制后，在相应界面为克隆的音色命名。 3. 声音处理： 可以对克隆的声音进行美化、降噪等处理。 如果对自己的声音音色不满意，但对朗读语气满意，可以结合剪映里自带的音色，保留自己的语气。 4. 歌词创作： 文案完成后，若预设的 AI 语音效果不佳，可让 AI 进行歌词改写。 可以给 AI 附加定义歌词风格和时间长度等方向。 对 AI 生成的歌词进行修改定稿。 5. 其他方面： 有分享利用软件进行声音克隆的尝试，包括同款录音话筒的使用、克隆收费情况等。 交流了播音腔与深夜陪伴声音的特点及软件里的音色情况。 分享了对声音发挥的理解，以及使首尾帧丝滑连贯的操作技巧。

对于 AI 小白，以下是开始学习 AI 的建议和资源推荐： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，您将找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛（比如图像、音乐、视频等），您可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 此外，关于 AI 知识库使用及 AIPO 活动的介绍：讨论了 AI 知识库的使用情况、AIPO 活动的发起背景、内容安排及相关资源等。AIPO 线下活动及 AI 相关探讨：讨论了 AIPO 线下活动的规则和玩法，以及 AI 在科技发展中的重要地位和相关研究方向。way to AGI 社区活动与知识库介绍：讨论了 way to AGI 社区活动的安排、材料准备以及知识库的使用和相关内容更新等情况。 学习路径方面：有李弘毅老师的生成式 AI 导论等高质量学习内容，可系统化学习或通过社区共创活动反推学习，鼓励整理学习笔记并分享交流。初学者入门推荐：推荐看 open AI 的官方 Cookbook，小琪姐做了中文精读翻译，也可查看 cloud 的相关内容。历史脉络类资料：整理了 open AI 的发展时间线和万字长文回顾等。

MCP（模型上下文协议）是一项创新标准，由 Anthropic 于 2024 年 11 月推出并开源。它是为 AI 模型统一连接数据与工具的标准接口，旨在让大语言模型能够无缝连接至第三方的数据源。 MCP 的好处包括： 简化开发：一次整合，多次复用，不再重复开发。 灵活性强：轻松切换 AI 模型或工具，无需复杂的重新配置。 实时互动：长连接保证数据实时更新。 安全可靠：内置标准化安全和权限控制。 扩展性强：AI 系统扩展时，只需连接新的 MCP 服务器。 MCP 与传统 API 的关键区别在于： 单一协议：MCP 像一个统一接口，只要一次整合，就能连接多个服务。 动态发现：AI 模型能自动识别并使用可用的工具，不用提前写死每个接口。 双向通信：MCP 支持类似 WebSockets 的实时双向通信，模型不仅能查询数据，还能主动触发操作。 传统 API 更适合的场景包括： 需要细粒度控制、功能严格限制。 更偏好紧耦合以提升性能。 希望最大化交互的可预测性。 快速集成 MCP 的步骤： 1. 定义能力：明确 MCP 服务器提供的功能。 2. 实现 MCP 层：按照协议标准进行开发。 3. 选择通信方式：本地连接（标准输入输出）或远程连接（如 WebSockets）。 4. 创建资源/工具：开发或连接数据源和服务。 5. 建立客户端连接：与 MCP 服务器建立安全稳定的连接。 通过 MCP，我们可以让 AI 使用各种强大工具，比如查询实时天气、联网搜索最新信息、调用私人数据库等。

以下是为您推荐的一些 AI 文章： 1. 《新手如何学习 AI？》 了解 AI 基本概念：建议阅读「」部分，熟悉术语和基础概念，包括主要分支（如机器学习、深度学习、自然语言处理等）及它们的联系。 浏览入门文章，了解 AI 的历史、当前应用和未来发展趋势。 开始 AI 学习之旅：在「」中，有一系列为初学者设计的课程，特别推荐李宏毅老师的课程。还可以通过在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习并获取证书。 选择感兴趣的模块深入学习：AI 领域广泛，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习，掌握提示词技巧。 实践和尝试：理论学习后通过实践巩固知识，尝试使用各种产品创作作品，知识库中有大家实践后的作品和文章分享。 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式。 2. 《01通往 AGI 之路知识库使用指南》 包括关于 AI 知识库使用及 AIPO 活动的介绍，AIPO 线下活动及 AI 相关探讨，way to AGI 社区活动与知识库介绍，关于 AI 知识库及学习路径的介绍，时代杂志评选的领军人物，AI 相关名词解释，知识库的信息来源，社区共创项目，学习路径，经典必读文章，初学者入门推荐，历史脉络类资料等内容。 3. 《【AI 学习笔记】小白如何理解技术原理与建立框架（通俗易懂内容推荐）》 推荐了两个对建立框架有重大帮助的视频： 【包教包会】一条视频速通 AI 大模型原理_哔哩哔哩_bilibili]（女神）主讲，和某知识 up 主 Genji 一起制作的免费公益课，新手友好，50 分钟速通 AI 大模型原理。 ，某知识 up 主老石谈芯专访安克创新 CEO 阳萌的视频，一共两期，内容值得观看。

以下是关于 few shot（少样本提示）的相关案例和信息： 示例是提高 Claude 性能并引导其生成期望输出的强大工具之一。通过在提示中提供精心制作的示例，能显著提高响应的准确性、一致性和质量，这种技术适用于高度详细、需要结构化输出或遵守特定格式的任务，也被称为少拍提示（若只提供一个示例则称为一拍提示）。 在情绪价值营销中，担心大模型听不懂、理解不了时，列举 few shot 通常是有效做法。比如挑选书中“情绪感知”和“情绪创造”章节的相关内容，加上网上优秀的 few shot 来构建提示词。 虽然大型语言模型有零样本能力，但在复杂任务上表现不佳，少样本提示可作为启用上下文学习的技术，在提示中提供演示引导模型实现更好性能。当模型规模足够大时，小样本提示特性开始出现。通过相关论文中的例子可演示少样本提示，对于更困难任务可增加演示。研究结果表明，标签空间、输入文本分布、使用格式等都对性能有影响，从真实标签分布中选择随机标签也有帮助。

以下是在 Linux 下安装 AnythingLLM 的相关指导： 1. 安装地址：https://useanything.com/download 。 2. 安装完成后会进入配置页面，主要分为三步： 第一步：选择大模型。 第二步：选择文本嵌入模型。 第三步：选择向量数据库。 3. AnythingLLM 中有 Workspace 的概念，可以创建自己独有的 Workspace 与其他项目数据进行隔离。 首先创建一个工作空间。 上传文档并且在工作空间中进行文本嵌入。 选择对话模式，提供了 Chat 模式（大模型会根据自己的训练数据和上传的文档数据综合给出答案）和 Query 模式（大模型仅仅会依靠文档中的数据给出答案）。 4. 完成上述配置后，即可与大模型进行对话。 此外，在 GitHubDaily 开源项目列表 2023 年复盘的 AIGC 部分中，也有关于 AnythingLLM 的介绍： 是一个可打造成企业内部知识库的私人专属 GPT！可以将任何文档、资源或内容转换为大语言模型（LLM）知识库，使得在对话过程中可引用到里面的内容。 本文的思路来源于视频号博主黄益贺，作者按照他的视频进行了实操，并附加了一些关于 RAG 的额外知识。

以下是一些提示词模板相关的资源和信息： 相关网站： Majinai： 词图： Black Lily： Danbooru 标签超市： 魔咒百科词典： AI 词汇加速器： NovelAI 魔导书： 鳖哲法典： Danbooru tag： AIBooru： Civitai： 在 PromptLayer 网站创建提示词模板的过程： 首先登录 PromptLayer 的网站（https://promptlayer.com/createaccount）并创建一个账号，新创建的账号默认是 Free 方案，有 1000 次免费请求，足够测试使用。 第二步，开始创建提示词：账号创建完毕后，跳转到”Registry“菜单中，开始提示词模板创建流程。 点击“Create Templates”按钮后，会出现提示词模板编写界面。 页面主要功能： Title：为提示词设定的名称。 System 提示词：是系统级提示词，用于指导和规范模型的行为，是主要编辑区域。 User 提示词：属于用户先行动作设定提示词，常用于表述用户的交互动作。 Assistant 提示词：一般是模型输出的内容，也可通过人工编写模拟模型的回复。User&Assistant 提示词一般在专家模式使用，合理使用可模拟多轮对话效果，帮助调试提示词。 Parameters：可选择和设置使用何种模型进行调试，提供了一些模型的基本参数，可用来进一步调教模型的回复。

AI 本地化部署主要包括以下内容： 目前市面上的 AI 有线上和线下本地部署两种方式。线上部署出图速度快，不吃本地显卡配置，无需下载大模型，但出图分辨率受限；线下部署可自己添加插件，出图质量高，但使用时电脑易宕机，配置不高可能爆显存导致出图失败。 线上和线下平台可结合使用，充分发挥各自优势。线上用于找参考、测试模型，线下作为主要出图工具。具体操作如在在线绘图网站的绘图广场上发现想要的画风，点击创作会自动匹配创作使用的模型、lora 和 tag，截取游戏人物底图将线上算力集中在人物身上，多批次、多数量尝试不同画风得出符合游戏的模型+lora 组合，最后在 C 站下载对应模型到本地加载部署即可生图。 此外，Mistral AI 推出的 Mistral Saba 模型可本地部署，适用于单 GPU，能保障数据隐私。