以下是关于 Kimi 的学习指南： 一、Kimi 智能助手简介 Kimi 智能助手是由月之暗面科技有限公司（Moonshot AI）开发的一款创新的人工智能对话助手。自 2023 年 10 月初次亮相以来，以其约 20 万汉字的无损上下文能力，迅速获得了用户的认可和市场的积极响应。其应用场景广泛，包括但不限于专业学术论文的翻译与理解、法律问题分析、发票整理、API 开发文档的快速理解等，极大地提升了用户的工作效率和学习效率。 目前，Kimi 智能助手已启动 200 万字无损上下文的内测。随着内测的进行，月之暗面科技有限公司计划逐步向更多用户开放这一具备超长无损上下文能力的 Kimi 智能助手，以期与用户共同探索和创造更多的智能化应用可能。 产品使用地址：https://kimi.moonshot.cn/ 目前 APP 和小程序也已开放，搜索 Kimi 智能助手即可找到使用。产品二维码： 二、Kimi 推荐提示词 （建设中，欢迎成为共创者完善补充） 1. 直接用 kimi 翻译和精读万字英文网页@杨昌 https://m.okjike.com/originalPosts/658cbc9fb428c4d6b65fe2d4?s=ewoidSI6ICI1ZWUwNTNiNDEwMDAwZTAwMTc2ZTcwNjEiCn0= 2. AI 消化几十篇微信浮窗文章，我发现好多公众号文章不需要点开去读@杨昌 https://m.okjike.com/originalPosts/6580cc9260830f16aece0265?s=ewoidSI6ICI1ZWUwNTNiNDEwMDAwZTAwMTc2ZTcwNjEiCn0= 3. 快速学习陌生领域@歸藏 https://m.okjike.com/originalPosts/659054329185c305d17cd60e?s=ewoidSI6ICI1ZWUwNTNiNDEwMDAwZTAwMTc2ZTcwNjEiCn0= 4. 飞书妙计+ Kimi 整理两个小时的会议沟通@Siyi 又饿了 https://m.okjike.com/originalPosts/6582f7f6492ec2e1bbebf722?s=ewoidSI6ICI1ZWUwNTNiNDEwMDAwZTAwMTc2ZTcwNjEiCn0= 5. 无痛读论文@杨昌 三、利用 Kimi 打造爆款公众号文章 1. 搜索资料 在搜索框中输入具体的 Prompt，例如：“查找关于 OpenAI 对马斯克言论回应的博客文章”。 通过 AI 工具如 Perplexity.AI 获取到搜索结果后，点击回答内容下方的拷贝按钮获取相关引用网站链接。同理，微软的 Bing 搜索引擎等也有类似功能。 2. 整理资料 收集完资料后，使用 Kimi 这个 AI 会话助手进行整理。Kimi 具备读取网页内容的能力，并能在此基础上生成一定的内容。当 Kimi 读取完毕时，会显示绿色标点作为提示。但 Kimi 的阅读能力有一定限制，可能无法一次性处理大量资讯或读取某些网站内容，可分批次提供资料确保其有效读取和理解。

以下是一些智能数据分析工具： Text2SQL：将英文转换为 SQL 查询。链接：https://toolske.com/text2sql/?ref=theresanaiforthat ai2sql：高效且无错误的 SQL 构建器。链接：https://www.ai2sql.io/ EverSQL：从 SQL 查询翻译英文文本。链接：https://www.eversql.com/sqltotext/ SupaSQL：从 NLP 生成 SQL 查询。链接：https://supasql.com/ SQLgenius：使用自然语言的 SQL 查询生成器。链接：https://sqlgenius.app/ SQL Chat：与数据库进行自然语言聊天的 SQL 客户端。链接：https://www.sqlchat.ai/ SQL Ease：从自然语言输入生成 SQL 查询。链接：https://sqlease.buildnship.in/ Talktotables：翻译和查询数据库。链接：https://talktotables.com/ 此外，还有以下几个知名的 text2sql 项目： SQLNet：一个使用深度学习方法解决 text2sql 任务的项目。 Seq2SQL：一个将自然语言转换为 SQL 查询的序列到序列模型。 Spider：一个大规模的 text2sql 数据集及其相关的挑战 ChatGPT 在数据分析领域具有广泛的应用前景。其助力数据分析的流程如下： 逻辑流程图中包含两种方式。SQL 分析：用户描述想分析的内容，后台连接 DB，附带表结构信息让 AI 输出 SQL 语句，校验是 SELECT 类型的 SQL（其他操作如 UPDATE/DELETE 绝不能通过），校验通过后执行 SQL 返回结果数据。再将数据传给 ChatGPT（附带上下文），让其学习并分析数据，最后输出分析结论和建议，和结果数据一起返回给前端页面渲染图表、展示分析结论。目前已实现两张表关联查询。个性化分析：用户上传文件，如有需要可以简单描述这是什么数据、字段意义或作用辅助分析。前端解析用户上传的文件，再传给 ChatGPT 分析数据，后续步骤与上述一致。流程描述得比较详细，更多讲述开发时的一些问题、重点和技巧。

目前在多维表格中，要通过一个表格字段让 AI 自动生成对应数据，可能需要借助特定的 AI 工具和相关的集成设置。但暂时没有具体的现成方法和步骤可以提供给您。您可以考虑寻找支持与多维表格集成的 AI 服务，并按照其提供的文档和指南进行配置和操作。

要在视频中检测人脸目光是否注视镜头，通常需要使用计算机视觉技术，特别是人脸检测和面部特征点跟踪。以下是一些可能的方法和工具： 1. 使用OpenCV库：OpenCV是一个开源的计算机视觉和机器学习软件库，它提供了多种人脸检测方法，包括使用Haar特征分类器或深度学习方法。你可以使用OpenCV的`CascadeClassifier`进行人脸检测，并通过检测到的人脸区域进一步分析目光方向 。 2. 面部标记和特征点跟踪：更高级的方法是使用面部标记检测，这通常涉及到定位面部的特定特征点，如眼角、瞳孔等。然后，通过分析这些点的位置和相互之间的关系来推断目光方向。dlib库结合OpenCV可以用于这种类型的分析 。 3. 眨眼检测：作为面部特征点跟踪的一部分，眨眼检测也可以提供有关目光注视方向的线索。例如，如果一个人在视频中眨眼，他们的眼皮运动会暂时遮挡视线，这可以作为目光不在镜头上的一个信号 。 4. 眼睛纵横比（EAR）：这是一种评估眼睛开放程度的指标，可以用来检测眨眼或闭眼的状态。EAR是通过计算眼睛特征点之间的距离比值来计算的。如果EAR值低于某个阈值，可以认为眼睛是闭上的，从而推断目光不在镜头上 。 5. 深度学习方法：使用预训练的深度神经网络模型，如基于CNN的架构，可以更准确地检测和分析面部特征，包括目光方向。这些模型可以从大量的图像数据中学习到复杂的表情和视线模式。 6. 集成解决方案：一些商业软件或服务可能提供集成的解决方案，包括人脸检测、面部特征点跟踪和目光检测等功能。 请注意，实际实现时可能需要考虑多种因素，如视频质量、光照条件、人的头部姿态等，这些都可能影响检测的准确性。

以下是关于旧照片修复的相关内容： 利用 AI 技术进行图像修复，可让模糊的旧照片重现清晰，不仅适用于风景图片，也适用于人像修复。以前手机拍摄的低分辨率图片，如今可用 AI 技术高清修复。例如马斯克原始图像分辨率为 234x180 像素，经高清修复扩图后可达到 1880x1440 像素，多次采样放大后甚至能实现 8K 超清放大。 用 AI 给老照片上色，可将图片发送到图生图中，打开 stableSR 脚本放大两倍。切换到 sd2.1 的模型进行修复，vae 选择 vqgan，提示词可不写以免干扰原图。启用 MutiDiffusion 插件，在显存不够时利用分块渲染功能放大图片。 在新上线的 controlnet 模型中，Recolor 新模型可将黑白图片重新上色，可用于修复年代久远的老照片，唤醒往日温暖回忆。

AGI 即 artificial general intelligence，意为人工通用智能，指的是一种能够完成任何聪明人类所能完成的智力任务的人工智能。目前对于 AGI 的定义和理解存在多种观点，例如 Deepmind 的研究团队提出了 AGI 的六个原则，其中最重要的是“关注能力，而非过程”，即应关注 AGI 能完成什么，而非它如何完成任务，且 AGI 的定义应包括多个级别，每个级别都有明确的度量标准和基准。同时，AGI 与 ANI（artificial narrow intelligence，弱人工智能）相对，ANI 只能做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等，而 AGI 则能做任何人类可以做的事。

以下是关于音频文件转文字工具的相关信息： 更长输入： 默认情况下，Whisper API 仅支持小于 25 MB 的文件。若音频文件更长，则需将其分成每个小于 25 MB 的块或使用压缩后格式。为获得最佳性能，应避免在句子中间断开声音以避免丢失上下文字信息。处理此问题可使用 PyDub 开源 Python 软件包来拆分声频文件，但 OpenAI 对于像 PyDub 这样的第三方软件的可用性或安全性不作任何保证。 快速入门 转录： 转录 API 的输入是要进行转录的音频文件以及所需输出格式的音频文字稿，目前支持多种输入和输出文件格式。默认情况下，响应类型将是包含原始文本的 JSON。要在请求中设置其他参数，可以添加更多带有相关选项的 form 行。例如，若想将输出格式设置为文本，应添加相应行。 免费的会议内容转文字工具： 有免费的会议语音转文字工具，不过大部分有使用的时间限制，超过一定的免费时间后就需要付费。以下是几款推荐的工具： ：飞书的办公套件之一。 ：阿里推出的 AI 会议转录工具。 ：讯飞旗下智慧办公服务平台。 ：转录采访和会议纪要。 更多会议记录工具请访问网站：https://waytoagi.com/sites/category/29 。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

作为一名律师，如果您需要一个能够撰写和草拟合同的AI工具，可以考虑以下几个选项： 1. 合同嗖嗖：这是一个智能合同生成与管理工具，它利用AI技术根据提供的关键词快速生成合同，并拥有海量模板库以供选择。此外，它还提供个性化定制、智能审查、合同比对、关键要素抽取和合同归档管理等功能。 2. 百度AI开放平台的合同智能处理服务：这个服务依托于百度的文心大模型4.0、OCR和自然语言处理技术，提供合同抽取、审查、比对和归档管理等应用服务。它能够提高合同审查的效率和准确性，支持39个合同关键要素的自动抽取，并适用于多样化的合同文本类型。 在选择AI工具时，请确保它们符合国内法律规定，并且能够调用相关的法律规定及案例。同时，考虑到数据安全和隐私保护的重要性，选择一个可靠、安全的平台进行合同的撰写和管理工作也是非常关键的。

以下是关于 ComfyUI 工作流库的相关信息： 爆肝博主 ZHO 于 3 月 17 日更新了工作流集合，包括共 14 大类，36 个（图文+视频），分别是：1⃣Stable Cascade 2⃣3D 3⃣LLM+SD 4⃣Differential Diffusion 5⃣YoloWorldESAM 6⃣Portrait Master 7⃣ArtGallery 8⃣InstantID 9⃣PhotoMaker 1⃣0⃣SVD 1⃣1⃣I2VGenXL 1⃣2⃣More 1⃣3⃣TravelSuite 1⃣4⃣WordCloud 。相关项目链接为：https://x.com/ZHOZHO672070/status/1769334181958447469?s=20 以及 https://github.com/ZHOZHOZHO/ComfyUIWorkflowsZHO 。 与传统的 Prompt 从输入直接到输出的映射方式不同，LangGPT 提示词框架应用了 CoT（Chain of Thought），完成了从输入到思维链再到输出的映射，即<input——>reasoning chain——>output>。其思维是“Let's think step by step。”（让我们一步一步思考）。 RPA 很早就出现在工作流编排领域，其软件目标是使符合某些适用性标准的基于桌面的业务流程和工作流程实现自动化，一般这些操作重复且数量多，并能通过严格规则和结果定义，现在越来越多的 RPA 软件带上了 LLM。 近期出现的 ComfyUI 将开源绘画模型 Stable Diffusion 进行工作流化操作模式，用户需在流程编辑器中配置每个 pipeline，并通过不同节点和连线完成模型操作和图片内容生成，提高了流程的可复用性，降低了时间成本，其 DSL 配置文件支持导出导入。 在 Dify.AI 中，其工作流设计语言与 ComfyUI 有相似之处，都定义了一套标准化的 DSL 语言，且方便使用导入导出功能进行工作流复用。

以下是一些文生 3D 和图生 3D 的软件或网站： 【Zho】：由 LD 直接生成透明背景的对象，然后通过 TripoSR 转成 3D 模型，实现文生 3D。项目地址和工作流：https://github.com/ZHOZHOZHO/ComfyUIFlowtyTripoSRZHO 。更多信息： ，视频演示：https://www.bilibili.com/video/BV1Er421W7TH/ 。 Rodin Gen 1：输入文本后文生图，不满意可重复生成图片，图片满意后点击 GENERATING 生成 3D。很快会获得一个快速生成的粗模，右上可选择是否对称、是锋利边缘还是光滑边缘、是否简单几何模式等。选择后可查看模型是否满意，不满意可 redo，满意后选择 confirm 进行下一步，可选择产出的面数。之后生成材质，可选材质的复杂度以及参考图片的影响。生成后可在左边查看，满意点击 confirm。左侧预览区可以选择多种形式查看。模型完成后，可以选择对应的格式规格下载，压缩包里会有 obj 格式和 PBR 材质，也可以发布到 sketchfab 。