图像生成是 AIGC 的一个重要领域，离不开深度学习算法，如生成对抗网络（GANs）、变分自编码器（VAEs）以及 Stable Diffusion 等，以创建与现实世界图像视觉相似的新图像。 图像生成可用于多种场景，如数据增强以提高机器学习模型的性能，也可用于创造艺术、生成产品图像（如艺术作品、虚拟现实场景或图像修复等）。 一些具有代表性的海外项目包括： Stable Diffusion：文本生成图像模型，主要由 VAE、UNet 网络和 CLIP 文本编码器组成。首先使用 CLIP 模型将文本转换为表征形式，然后引导扩散模型 UNet 在低维表征上进行扩散，之后将扩散之后的低维表征送入 VAE 中的解码器，从而实现图像生成。 DALLE 3（Open AI）：OpenAI 基于 ChatGPT 构建的一种新型神经网络，可以从文字说明直接生成图像。 StyleGAN 2（NVIDIA）：一种生成对抗网络，可以生成非常逼真的人脸图像。 DCGAN（Deep Convolutional GAN）：一种使用卷积神经网络的生成对抗网络，可生成各种类型的图像。 在图像生成的用法方面，图像生成端点允许您在给定文本提示的情况下创建原始图像。生成的图像的大小可以为 256x256、512x512 或 1024x1024 像素。较小的尺寸生成速度更快。您可以使用 n 参数一次请求 1 10 张图像。描述越详细，就越有可能获得您或您的最终用户想要的结果。您可以探索 DALL·E 预览应用程序中的示例以获得更多提示灵感。 图像编辑端点允许您通过上传蒙版来编辑和扩展图像。遮罩的透明区域指示应编辑图像的位置，提示应描述完整的新图像，而不仅仅是擦除区域。 AI 绘图 Imagen 3 具有以下功能点和优势： 功能点： 图像生成：根据用户输入的 Prompt 生成图像。 Prompt 智能拆解：能够自动拆解用户输入的 Prompt，并提供下拉框选项。 自动联想：提供自动联想功能，帮助用户选择更合适的词汇。 优势： 无需排队：用户可以直接使用，无需排队。 免费使用：目前 Imagen 3 是免费提供给用户使用的。 交互人性化：提供了人性化的交互设计，如自动联想和下拉框选项。 语义理解：具有较好的语义理解能力，能够根据 Prompt 生成符合描述的图像。 灵活性：用户可以根据自动联想的功能，灵活调整 Prompt 以生成不同的图像。

在降本增效的情况下，建筑设计院是自己开发 AI 还是应用现有的 AI，需要综合多方面因素来考虑。 现有的 AI 工具已经在很多领域带来了显著的优势，例如： 1. 提高效率：能够快速产生创意效果和设计方案。 2. 丰富设计效果：极大地丰富了设计自由度，实现各种创意。 3. 拓展工作流程：促使设计工作流程重新组合再造，拓展设计师的思维边界。 同时，也有一些专门针对建筑设计的现有 AI 工具，比如： 1. HDAidMaster：云端工具，在建筑、室内和景观设计领域表现出色，搭载自主训练的建筑大模型，软件 UI 和设计成果颜值在线。 2. Maket.ai：面向住宅行业，在户型和室内软装设计方面有 AI 技术探索，能根据输入需求自动生成户型图。 3. ARCHITEChTURES：AI 驱动的三维建筑设计软件，在住宅设计早期阶段可引入标准和规范约束设计结果。 4. Fast AI 人工智能审图平台：形成全自动智能审图流程，能实现建筑全寿命周期内信息的集成与管理。 然而，自己开发 AI 也有其潜在的好处，比如可以更精准地满足设计院的特定需求和业务特点。但开发 AI 需要投入大量的资源和时间，包括技术人才、资金、研发周期等。 综上所述，建筑设计院应根据自身的技术实力、资源状况、业务需求的独特性等因素来权衡选择。如果资源有限且现有工具能满足大部分需求，应用现有的 AI 可能是更好的选择；如果对特定功能有极高的要求且有足够的能力和资源支持，自己开发 AI 也未尝不可。

即梦提示词的描述结构框架主要包括以下方面： 1. 提示词基础架构： 主体/场景 场景描述 环境描述 艺术风格/媒介 调整句式和语序，避免主体物过多/复杂、主体物分散的句式描述。 避免模糊的术语表达，尽可能准确。 使用更加流畅准确的口语化措辞，避免过度文学化的叙述。 丰富、准确和完整的描述才能生成特定艺术风格、满足需求的视频。 2. 提示词与画面联想程度的说明： 以单帧图像为例介绍提示词与画面联想的关系。 基础词示例：玻璃桌上的咖啡杯，杯子外面写着单词 LOVE。 适度联想扩充：花园里（具体的位置描述）的透明（材质描述）玻璃桌上的咖啡杯，杯子外面写着单词 LOVE，周围满是盛开的鲜花（具体的位置描述/环境描述），和煦的阳光洒满整个花园（环境描述），Claude Monet（艺术家风格），印象派风格（艺术流派风格）。 联想关键点： 具体详实的位置描述/环境描述：笼统来讲就是在进行构图，可以帮助构建画面的基本呈现效果。 艺术风格描述：进一步提升效果和氛围，统一画面风格。 此外，结构化提示词框架还包括： 1. 标识符：如 、<> 等符号（、 也是），依次标识标题、变量，控制内容层级，用于标识层次结构。 2. 属性词：如 Role、Profile、Initialization 等等，包含语义，是对模块下内容的总结和提示，用于标识语义结构。 您可以把结构化提示词框架当做提示词的八股文标准，在不了解如何开始进行提示词设计的时候，当做一个通用的标准格式来使用。结构化提示词的概念在行业内应用广泛且成熟度较高，您可以在即刻、知识星球、知乎等很多地方看到优秀的类型案例。例如以下案例： 关于结构化提示词的理论感兴趣想要进一步了解更多信息的朋友，推荐大家阅读李继刚和云中江树的详细理论原文： 结构化语法提示词示例：可以在 AGI 的下列板块看到非常多优秀的结构化 Prompt 示例。

以下是一些帮助您学习 AGI 的建议和途径： 1. 访问，您可以在这里： 和 AI 知识库对话，询问任何关于 AI 的问题。 查找集合的精选 AI 网站，按需求找到适合您的工具。 参考集合的精选提示词，并复制到 AI 对话网站来使用。 查看知识库精选，获取每天知识库的精华内容。 2. 参考通往 AGI 之路知识库的使用指南： 智能纪要部分，博主会精美地解释六大策略，小七姐在社区带来共学课程并有直播分享及回放，像喂饭教程般帮助理解 prompt。 智能章节部分，提到提示词很关键，智能体由大语言模型衍生而来，讲述了智能体进阶案例拆解，推荐景淮老师的相关成果，阐述扣子、千帆百炼属于智能体范畴，扣子更偏 ToC 应用。 Cos 平台功能全面，社区共学成果显著，建议先吃透 prompt 再看相关内容，官方文档内容全面，社区小伙伴参加 cos 比赛常拿大奖，有共学活动，获奖小伙伴会分享经验。 3. 阅读通往 AGI 之路介绍.pdf_： 按照记忆、理解、应用、分析、评价、创造的步骤来学习，从认识历史、基本术语等开始，进一步了解主要思想，深入了解 AI 对话、绘画语音产品并用于解决实际问题，大量阅读各类文章、视频以及报告，通过课程与书籍深入学习，提出自己的观点和论断，尝试创造新想法。 希望以上内容对您学习 AGI 有所帮助。

对于绘画小白来说，以下是一些关于即梦绘画提示词编写的方法和要点： 1. 用自然语言详细描述画面内容，避免使用废话词。比如，如果要画一个人物，要描述其服饰、发型、妆容、配饰、表情、背景等元素。 2. 强调人机交互，对输出图片根据想象进行二次和多次微调，确定情绪、风格等锚点再发散联想。 3. 考虑趣味性与美感，趣味性可以通过反差、反逻辑、超现实方式带来视觉冲击，美感需在美术基础不出错前提下形式与内容结合。 4. 对于特定的主题，如魔法少女，发散联想其服饰、场景、相关元素等，并可采用反逻辑反差方式。 5. 了解光源知识也很重要，光源包含自然光（如太阳光、月光）、人造光（如手电筒、路灯、闪光灯等，掌控性和对比度强）、环境光（来自周围自然环境，是折射光线，在表现主体与环境关系时重要）。不同的光，如暖光与冷光会带来不同情绪，光的方向对画面叙事很重要，不同方向光线能体现氛围、表达情绪。光的质量（硬光、强光、柔光）也会对塑造角色形象产生作用，掌握这些知识对写提示词很重要。 6. 可以参考一些实际的示例，比如皮克斯风格的三宫格漫画：一只小狗，坐在办公桌前，文字“KPI达标了吗？”。一只小狗，拿着一个写满计划的大本子，微微皱着眉头，文字“OKR写好了吗？”。一只小狗坐在电脑前，文字“PPT做好了吗？”。 您可以按照以上方法和要点，结合自己的创意和需求，尝试编写即梦绘画的提示词。

目前常见的图片收集工具包括 Pinterest 、Unsplash 、Flickr 等。Pinterest 是一个以分享和发现创意图片为主的平台；Unsplash 提供了大量高质量的无版权图片资源；Flickr 则是一个老牌的图片分享社区。您可以根据自己的需求选择适合的工具。

以下是一些常用的提示词： AI 绘画方面： 画面构图提示词：Chest Shot脸部特写。 情绪和氛围提示词：moody 暗黑的、happy 鲜艳的/浅色的、dark 黑暗的、epic detail 超细节的、Brutal 残酷的/破碎的、dramatic contrast 强烈对比的、hopeful 充满希望的、anxious 焦虑的、depressed 沮丧、elated 高兴地、upset 难过的、fearful 令人恐惧的、hateful 令人憎恨的、happy 高兴、excited 兴奋、angry 生气、afraid 害怕。 【SD】文生图方面： 正向提示词：, drawing, paintbrush。 反向提示词：NSFw, 。 星流一站式 AI 设计工具方面： 提示词用于描绘想生成的画面，输入语言支持中英文。星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（如一个长头发的金发女孩），基础模型 1.5 使用单个词组（如女孩、金发、长头发）。 写好提示词的要点包括：内容准确，包含人物主体、风格、场景特点、环境光照、画面构图、画质，如一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量；调整负面提示词，可点击提示框下方的齿轮按钮，负面提示词能帮助 AI 理解不想生成的内容，如不好的质量、低像素、模糊、水印；利用“加权重”功能，在功能框增加提示词并进行加权重调节，权重数值越大越优先，还可对已有的提示词权重进行编辑。此外，还有一些辅助功能，如翻译功能可一键将提示词翻译成英文，删除所有提示词可清空提示词框，会员加速能提升图像生图速度和效率。小白用户可以点击提示词上方官方预设词组进行生图。

以下是一些写论文的指令相关内容： 1. 可以向 LLM 寻求写作建议，直接要求它帮忙写论文，例如提供关于个人背景的信息，如“根据以下关于我的信息，写一篇四段的大学申请论文：我来自西班牙巴塞罗那。尽管我的童年经历了一些创伤性事件，比如我 6 岁时父亲去世，但我仍然认为我有一个相当快乐的童年。在我的童年时期，我经常换学校，从公立学校到非常宗教的私立学校。我做过的最‘异国情调’的事情之一是在爱达荷州的双子瀑布与我的大家庭一起度过六年级。我很早就开始工作了。我的第一份工作是 13 岁时的英语老师。在那之后，以及在我的学习过程中，我做过老师、服务员，甚至建筑工人。” 2. 写提示词时，要结合指令、问题、输入数据和示例来构建。为得到结果，必须包含指令或问题，其他元素可选。比如在提问如何撰写大学入学申请论文的基础上，更高级的提示词可包括关于模型应如何回答问题的指令，如“我该如何撰写我的大学入学申请论文？请给我一些建议，包括我应该包含的不同部分、我应该使用什么样的语气，以及我应该避免使用的表达。” 3. 使用分隔符清晰区分输入的不同部分，如三重引号、XML 标签、章节标题等，帮助模型区分不同类型的文本内容。例如，“使用三重引号分隔的文本，总结成一句俳句。”“你将收到两篇关于同一主题的文章（用 XML 标签分隔）。请先分别总结每篇文章的论点，然后指出哪篇文章的论点更有说服力，并解释原因。”“你将收到一篇论文摘要和一个建议的标题。论文标题应该能让读者对论文主题有一个好的理解，同时也应该具有吸引力。如果标题不符合这些标准，请提出 5 个替代标题。”

以下是一些关于生成式 AI 公司的信息： 从访问量数据来看，在生成式 AI 领域，Whimsical AI 表现较为突出，其在 2023 年 4 月和 2024 年 3 月的访问量排名靠前，且处于增长态势。2021 年融资 3000 万美元，2024 年 3 月的月访问量达到 237 万。 生成式 AI 赛道总体趋势平稳增长，月平均增速为 34 万 PV/月，原生产品占比中等。竞争方面，Top1 公司占比 32%，Top3 公司占比 82%，马太效应较弱，网络效应中等，大厂入局占比较低，技术门槛中等。 部分产品访问量有下跌情况，如 Rewind Al 月访问量减少了 21 万，降低了 49%；Personal.ai 月访问量减少了 14 万，降低了 56%；Turdo AI 月访问量减少 3 万。 在创业工具方面，总体趋势快速增长，月平均增速为 88 万 PV/月，原生产品占比高。Top1 公司为 Tally Form，其估值未知，最新月 PV 为 88 万。 2023 年生成式人工智能在消费市场迅速发展，2024 年企业领域的收入机会预计数倍于消费市场。过去几个月，企业对生成式 AI 的资源配置和态度发生显著变化，预算增加，更多应用部署在较小的开源模型上，业务从早期实验转移到生产环境。为企业构建解决方案的人工智能初创公司若能预见痛点、从重服务模式转向构建可扩展产品，将有机会抓住投资浪潮并占据重要市场份额。

以下是关于 DeepSeek R1 模型的相关知识： 1. DeepSeek R1 引入了纯强化学习（RL），不依赖大量人类标注数据，而是通过自我探索和试错来学习。在“冷启动”阶段，仅通过少量人工精选的思维链数据进行初步引导，建立符合人类阅读习惯的推理表达范式，随后主要依靠强化学习，在奖励系统的反馈下（只对结果准确率与回答格式进行奖励），自主探索推理策略，不断提升回答的准确性，实现自我进化。准确率奖励用于评估最终答案是否正确，格式奖励强制结构化输出，让模型把思考过程置于<think></think>标签之间。 2. 与其他模型相比，Alpha Zero 只训练了三天，就以 100 比 0 的战绩完胜 Alpha Go Lee，Alpha Go（老）采用监督学习+强化学习，学习人类棋谱，更接近人类职业棋手风格，继承了人类的局限，Alpha Zero（新）完全摒弃人类数据的纯强化学习，从零开始自我博弈，不受限于人类经验，具有创造性的下棋风格。DeepSeek R1 在训练中更注重学习推理的底层策略，培养通用推理能力，使其能够实现跨领域的知识迁移运用和推理解答。 3. 使用 DeepSeek R1 给老外起中文名的操作指引： 点击邀请，复制邀请链接或下载邀请海报分享给好友。 打开火山引擎的模型页面（https://zjsms.com/iP5QRuGW/），使用习惯的方式登录。 登录后点击左侧列表里的“在线推理”，再点击“快速入门”。 获取 API Key，点击“创建 API Key”，可修改名字后创建，创建完成后点击“查看并选择”，将“已复制”的提示内容找个地方存一下。 复制 R1 的调用示例代码，选择模型为“DeepSeek R1”，修改示例代码中的相关内容，然后点击右侧的复制按钮，将代码找个地方存起来。 上述接入方法是快速入门方式，平台会自动创建在线推理接入点，并提供 50 万 Token 的免费额度，用完才需充值。如需充值，点击页面右上角的“费用”》“充值汇款”，根据账单适当充值。 4. DeepSeek R1 不同于先前的普通模型，它与 OpenAI 现在最先进的模型 o1、o3 同属于基于强化学习 RL 的推理模型。在回答用户问题前，R1 会先进行“自问自答”式的推理思考，提升最终回答的质量，这种“自问自答”是在模拟人类的深度思考，其“聪明”源于独特的“教育方式”，在其他模型还在接受“填鸭式教育”时，它已率先进入“自学成才”新阶段。