以下是一些比较好用的免费 AI 生成海报工具： 1. Canva（可画）：https://www.canva.cn/ 是一个非常受欢迎的在线设计工具，提供大量模板和设计元素，用户通过简单拖放操作创建海报，其 AI 功能可帮助选择合适颜色搭配和字体样式。 2. 稿定设计：https://www.gaoding.com/ 稿定智能设计工具采用先进人工智能技术，自动分析和生成设计方案，稍作调整即可完成完美设计。 3. VistaCreate：https://create.vista.com/ 简单易用的设计平台，提供大量设计模板和元素，用户可使用 AI 工具创建个性化海报，智能建议功能帮助用户快速找到合适设计元素。 4. Microsoft Designer：https://designer.microsoft.com/ 通过简单拖放界面，用户可快速创建演示文稿、社交媒体帖子等视觉内容，还集成丰富模板库和自动图像编辑功能。 此外，美图 WHEe 也推出了中文 AI 海报生成工具，支持文字可编辑图层，用户可拖动文字位置、更改字体并控制排版，内置模板，操作简单，适合小白与专业用户，目前仍在内测中，支持体验申请。 网址：https://oc.meitu.com/whee/5924/index.html 丨 官网：http://whee.com

配置 MCP 的方法如下： 在支持浏览器交互的情况下，复制箭头指向的命令，将其填在 Curosr feather 的 MCP Serve 里面。服务名称可随便填，类型选 command。但由于国内网络原因，可能会显示工具找不到，此时最好先在终端执行该命令安装好后再填入。 在 Windsurf 中进行 MCP 配置，可找到 MCP 工具社区网站（如 https://github.com/modelcontextprotocol/servers），复制某个 MCP 工具（如 uvx）的安装方式命令，通过小锤子配置，粘贴命令。还有些网站（如 https://smithery.ai/，https://www.pulsemcp.com/）可直接安装依赖包，在终端执行即可。 部署 Smithery 服务器需要在仓库中包含两个必需文件：Dockerfile 和 smithery.yaml。Dockerfile 用于定义如何构建服务器，smithery.yaml 用于指定如何启动服务器。当触发部署时，Smithery 会尝试自动生成包含这些文件的 pullrequest，但在某些情况下，自动配置可能会失败，需要手动设置。手动配置时，在仓库根目录创建 Dockerfile 和 smithery.yaml 文件，Dockerfile 定义 MCP 服务器的构建方式，smithery.yaml 定义 MCP 服务器的启动方式。 开发 MCP 服务时，复制下方指令发送给 AI，根据说明文件进行操作。当看到“Done”标记时，告诉 AI“继续”。完成后，用特定口令召唤配置，在 Windsurf 中点击 configure 粘贴代码，在 Cursor 中参考相应配置。

Stable Diffusion 模型包括以下几种： 1. Stable Video Diffusion 模型： 避坑指南：直接使用百度网盘准备好的资源可规避大部分坑；若报显存溢出问题，可调低帧数或增加 novram 启动参数；云部署实战部分，基础依赖模型权重有两个 models–laion–CLIPViTH14laion2Bs32Bb79K 和 ViTL14.pt，需放到指定路径下。 总结：Sora 发布后，之前的视频生成模型略显逊色，Stable Video Diffusion 作为开源项目可自由创作无需充值，有独特优势。其生成的视频画质清晰、过渡自然，虽目前只能生成最多 4 秒视频，但在不断迭代。 2. 潜在扩散模型（Latent Diffusion Models）： CLIP：将用户输入的 Prompt 文本转化成 text embedding。 核心组件：VAE EncoderDecoder、UNET（进行迭代降噪，在文本引导下进行多轮预测）。 存放路径：ComfyUI 存放路径为 models/checkpoints/。 基础预训练模型：SD1.5、SDXL。 训练方法：DreamBooth（by Google）。 格式：.pt、.safetensor。 融合模型：checkpoint+checkpoint、Lora+Lora、checkpoint+Lora。 模型自带已适配的 VAE。 微调模型：概念学习、Checkpoint。 3. 不同版本模型对比： Stable Diffusion 2.0 系列模型。 Stable Diffusion 2.1 系列模型。 Stable Diffusion 1.6 系列模型。 SD Turbo 模型。 4. 性能优化方面： 使用 TF32 精度加速 SD 模型训练与推理。 使用 FP16 半精度加速。 对注意力模块进行切片。 对 VAE 进行切片。 大图像切块。 CPU<>GPU 切换。 变换 Memory Format。 使用 xFormers 加速 SD 模型训练与推理。 使用 tomesd 加速 SD 模型推理。 使用 torch.compile 加速 SD 推理速度。 此外，还有关于 Stable Diffusion 训练数据集制作、微调训练、基于其训练 LoRA 模型、训练结果测试评估等方面的内容。

以下是一些好用的 AI 辅助写作插件： 邮件写作： Grammarly：提供语法检查、拼写纠正、风格建议和语气调整等功能，易于使用，支持多种平台，适用于多种语言，网站：https://www.grammarly.com/ 。 Hemingway Editor：简化句子结构，提高可读性，标记复杂句和冗长句，界面简洁，重点突出，适用于改善写作风格和简洁性，网站：http://www.hemingwayapp.com/ 。 ProWritingAid：全面的语法和风格检查，提供详细的写作报告和建议，功能强大，支持多种平台和集成，特别适合专业写作者，网站：https://prowritingaid.com/ 。 Writesonic：基于 AI 生成各种类型的文本，包括电子邮件、博客文章、广告文案等，生成速度快，适合需要快速创作和灵感的用户，网站：https://writesonic.com/ 。 Lavender：专注于邮件写作优化，提供个性化建议和模板，帮助用户提高邮件打开率和回复率。 论文写作： 文献管理和搜索： Zotero：结合 AI 技术，自动提取文献信息，帮助管理和整理参考文献。 Semantic Scholar：AI 驱动的学术搜索引擎，提供文献推荐和引用分析。 内容生成和辅助写作： Grammarly：提供文本校对、语法修正和写作风格建议，提高语言质量。 Quillbot：基于 AI 的重写和摘要工具，精简和优化论文内容。 研究和数据分析： Google Colab：提供基于云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，便于进行数据分析和可视化。 Knitro：用于数学建模和优化，进行复杂的数据分析和模型构建。 论文结构和格式： LaTeX：结合自动化和模板，高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，提供丰富模板库和协作功能，简化论文编写过程。 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 使用这些工具时，要结合自己的写作风格和需求，选择最合适的辅助工具。请注意，部分内容由 AI 大模型生成，请仔细甄别。

Stable Diffusion 是一种扩散模型的变体，最初称为潜在扩散模型（Latent Diffusion Models）。 它的核心技术来源于 AI 视频剪辑技术创业公司 Runway 的 Patrick Esser 以及慕尼黑大学机器视觉学习组的 Robin Romabach，其技术基础主要来自于他们之前在计算机视觉大会 CVPR22 上合作发表的潜扩散模型研究。 Stable Diffusion 是一种基于潜在扩散模型的文本到图像生成模型，能够根据任意文本输入生成高质量、高分辨率、高逼真的图像。其原理包括：使用新颖的文本编码器（OpenCLIP）将文本输入转换为向量表示以捕捉语义信息并与图像空间对齐；使用扩散模型将随机噪声图像逐渐变换为目标图像，该模型能从训练数据中学习概率分布并采样新数据；在扩散过程中利用文本向量和噪声图像作为条件输入给出每步变换的概率分布，以根据文本指导噪声图像向目标图像收敛并保持图像清晰度和连贯性；使用超分辨率放大器将生成的低分辨率图像放大到更高分辨率，该放大器也是扩散模型，能从低分辨率图像中恢复细节信息并增强图像质量。 简单来说，Stable Diffusion 就是一个 AI 自动生成图片的软件，通过输入文字就能生成对应的图片。它具有能处理任意领域和主题的文本输入并生成多样化和富有创意的图像、生成高达 2048x2048 或更高分辨率且保持良好视觉效果和真实感等优点。

在 AI 应用方面，存在多种合作情况。例如，毅恒为拥有 12 万名员工的客户做了 AI 评分应用，合作流程包括设定评分标准/KPI 参数、提供初始数据调优测试等，且支持语音和视频讲解，员工可查看分数和分析结果报告。若您有兴趣，可加微信号 yiheng0203 或扫描二维码。 Manus 与通义千问达成战略合作，基于通义千问开源模型在国产平台上实现 Manus 功能，中方版本已启动开发，技术团队深度协作。 智谱 AI 的“灵搭”平台具有多项优势，已与阿里云、腾讯云、火山引擎、华为政企等企业达成深度合作，主要服务电力能源行业，成功落地多个应用场景。中财数碳作为基于内容增强型知识插槽技术的大模型应用服务商，在双碳、财金等领域已落地多个应用场景。

ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，具有以下特点： 优势： 1. 对显存要求相对较低，启动速度快，出图速度快。 2. 具有更高的生成自由度。 3. 可以和 webui 共享环境和模型。 4. 可以搭建自己的工作流程，可以导出流程并分享给别人，报错的时候也能清晰的发现错误出在哪一步。 5. 生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势： 1. 操作门槛高，需要有清晰的逻辑。 2. 生态没有 webui 多（常用的都有），也有一些针对 Comfyui 开发的有趣插件。 应用场景包括： 1. 作为一个强大的可视化后端工具，可以实现 SD 之外的功能，如调用 api 及本文所讲的内容等。 2. 可根据定制需求开发节点或模块。 3. 用于抠图素材的制作，如绿幕素材的抠图，还可以自动生成定制需求的抠图素材。 官方链接：https://github.com/comfyanonymous/ComfyUI

ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，具有以下特点和功能： 简介：可以将 stable diffusion 的流程拆分成节点，实现更精准的工作流定制和完善的可复现性。 优势： 对显存要求相对较低，启动和出图速度快。 生成自由度更高。 可以和 webui 共享环境和模型。 可以搭建自己的工作流程，能导出流程并分享给别人，报错时能清晰发现错误所在步骤。 生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势： 操作门槛高，需要有清晰的逻辑。 生态没有 webui 多（但常用的都有），也有一些针对 Comfyui 开发的有趣插件。 官方链接：从 github 上下载作者部署好环境和依赖的整合包，按照官方文档安装即可：https://github.com/comfyanonymous/ComfyUI 学习使用的原因： 更接近 SD 的底层工作原理。 实现自动化工作流，消灭重复性工作。 作为强大的可视化后端工具，可实现 SD 之外的功能，如调用 api 等。 可根据定制需求开发节点或模块。 例如有人因工作室需要抠图素材，传统途径存在问题，而基于 ComfyUI 可以快速自动生成定制需求的抠图素材。 此外，8 月 13 日的 ComfyUI 共学中，包含了对其功能及相关课程内容的介绍，还有关于建筑设计师兼职做 ComfyUI 生态建设、相关模型与工作流的应用案例、内容分享的调整与筹备安排等方面的讨论。

以下是一些可以帮助您快速入门 AI agent 相关知识的视频资源： 1. 元子的“Agent 板块”相关内容： 链接： 用法：从下往上看，一个一个点进去，都有视频。 注意事项：共学都有视频，都是手把手从注册开始的教学，不会就多看几遍，基本保障一个工具能调通、一个 Agent 能搭好。如果觉得内容较多，可以先从听过的工具开始，避免太累。 2. 大圣分享的《Coze 全流程搭建》： 视频时间点及内容： AI agent 共学小组：扣子入门分享 AI agent——解决人工智能编写难题的新利器 关于 AI agent 的介绍及扣子的使用 介绍如何创建 GPT 4 免费使用的小 bot 并了解 cos 界面 如何利用 AI 实现智能客服 关于知识库的使用及文档要求 如何使用知识库和工作流让机器人调用知识库生成回答 如何利用工作流、大模型、代码节点和变量节点构建知识库 3. 元子的“从常见工具开始——都体验一遍”相关内容： 工具入门篇（AI Agent）：Agent 工具小白的 Coze 之旅 文章链接： 视频链接：Coze 之旅 1.0： 适用人群：完全没有编程基础，但对 AI 已有一点概念的小白 简要说明：为纯粹小白补的分享 AI AGENT 搭建平台，为什么是它、怎么 30 分钟就能开始用它 您可以根据自己的情况选择适合的视频进行学习。

根据现有资料，关于 2030 年国内 AI 发展可能替代打工人工作的数量，不同的研究和观点有所不同。 咨询公司麦肯锡发布最新预测：截止到 2030 年时，50%工作将被 AI 取代。吴恩达认为 2023 年 AI 将会替代 4 亿 8 亿工作岗位，同时 AI 会增加 5.55 8.90 亿新岗位。总体而言，越具体、重复性高的工作越容易被取代，而灵活、非常规、创造性的岗位更难被取代。 需要注意的是，对于 AI 对就业的影响，还需要综合更多因素进行辩证看待。