目前有一些可以将像素低的图片高清化的 AI 工具，例如： 1. Topaz Gigapixel AI：能够通过深度学习算法对图片进行放大和增强，提高清晰度和细节。 2. Adobe Photoshop 的增强功能：Photoshop 中的一些智能滤镜和插件也可以在一定程度上改善图片的清晰度。 需要注意的是，不同的工具在处理不同类型的图片时效果可能会有所差异，您可以根据具体需求进行选择和尝试。

目前对于您所提到的问题，还没有直接有效的通用解决方案。但您可以尝试以下几种方法来改善这种情况： 1. 对于 AI 编造莫须有文章的问题，您可以在输入提示中明确强调要求基于真实可靠的信息和数据进行生成，并对生成的内容进行仔细审查和验证。 2. 针对 AI 偷懒不阅读所有提供的 60 个论文文件的情况，您可以尝试将文件进行分类和整理，突出关键信息和重点内容，以便 AI 更容易识别和处理。同时，也可以尝试使用更先进、具有更强处理能力的 AI 工具。 需要注意的是，AI 技术仍在不断发展和完善中，可能无法完全满足您的所有需求，但通过不断的尝试和优化，有望获得更好的效果。

目前的 AI 技术要识别您指定的 60 篇文献来生成综述论文具有一定的挑战。但您可以尝试以下方法：首先，将这 60 篇文献的标题、摘要和关键内容整理成清晰的文本格式，提供给 AI 作为输入。其次，使用具有强大语言理解和生成能力的 AI 工具，例如一些专业的学术写作辅助工具。在向 AI 描述需求时，要明确指出您希望它参考这些特定的文献，并对文献的重要观点、研究方法、结论等进行综合分析和总结。但需要注意的是，AI 生成的内容仍需要您进行仔细的审查和修改，以确保准确性和学术规范性。

生成式人工智能的提示词工程是一门新兴学科，在生成式 AI 模型中具有重要作用。 提示词是用户与模型沟通愿望的文本界面，适用于图像生成模型（如 DALLE3、Midjourney）和语言模型（如 GPT4、Gemini）等。它可以是简单的问题，也可以是复杂的任务，包括指令、问题、输入数据和示例，以引导 AI 的响应。 提示词工程的核心是制作能实现特定目标的最佳提示词，这不仅要指导模型，还需深刻理解模型的能力和局限性及所处上下文。例如，在图像生成模型中是对期望图像的详细描述，在语言模型中可能是复杂查询。 提示词工程不仅是构建提示词，还需结合领域知识、对 AI 模型的理解及系统化方法为不同情境定制提示词，可能包括创建可根据数据集或上下文程序化修改的模板。 此外，提示词工程是迭代和探索的过程，类似于传统软件工程实践，如版本控制和回归测试。该领域发展迅速，有潜力改变机器学习的某些方面。 在商业和社会中，提示词工程师是被炒作的职位，实际可能承担了机器学习工程师的部分职责。提示词工程是一切生成式 AI 的基础，不管用于学习、写作、绘画、编程还是玩音乐等。 在使用提示词时，要记住几个基本关键点： 1. 角色/身份：告诉 AI 它需要扮演的身份，提升其“职业素养”。 2. 目标/任务以及背景：所有对话都有目的性，要交代目标背后的逻辑，包括为什么要实现目标、希望达到的结果等。

以下是关于提示词模板的相关内容： 在 AI 绘画领域，提示词模板通常包括以下方面： 1. 基本信息：包含角色的姓名、性别、年龄和职业等，为角色奠定基础。 2. 外貌特征：描述角色的物理外观，如服饰、发型发色、五官、表情、动作等。 3. 背景和经历：阐述角色的成长环境和重要人生经历，为理解其行为和思维方式提供背景。 4. 性格和价值观：包括性格特征、核心价值观念以及个人习惯，塑造角色的内在世界。 5. 爱好、特长和语言风格：融合角色的兴趣爱好、特殊才能以及独特的表达方式，展现多面性。 6. 人际关系和社交活动：描述角色的社交圈，包括朋友、潜在对手以及交往倾向，揭示其在社会中的定位和互动方式。 7. 未来规划和目标：勾勒角色的梦想和未来计划，赋予前进的动力和方向。 在编写提示词时，通常的描述逻辑如下：人物及主体特征（服饰、发型发色、五官、表情、动作），场景特征（室内室外、大场景、小细节），环境光照（白天黑夜、特定时段、光、天空），画幅视角（距离、人物比例、观察视角、镜头类型），画质（高画质、高分辨率），画风（插画、二次元、写实）。 对于新手而言，有以下功能型辅助网站可帮助书写提示词： 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 此外，还可以通过以下方式获取和使用提示词： 1. 下次作图时，先选择模板，点击倒数第二个按钮快速输入标准提示词。 2. 参考加入标准提示词后的效果。 3. 利用辅助网站，如 http://www.atoolbox.net/，通过选项卡方式快速填写关键词信息；https://ai.dawnmark.cn/，参考每种参数的缩略图直观选择提示词。 4. 去 C 站（https://civitai.com/）抄作业，复制每一张图的详细参数，粘贴到正向提示词栏，注意图像作者使用的大模型和 LORA，也可选取其中较好的描述词，如人物描写、背景描述、小元素或画面质感等。

提示词相关知识如下： 1. 什么是提示词： 用于描绘您想生成的画面。 输入语言方面，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），支持中英文输入。 启用提示词优化后，可帮您扩展提示词，更生动地描述画面内容。 2. 如何写好提示词： 可以点击提示词上方官方预设词组进行生图。 提示词内容要准确，包含人物主体、风格、场景特点、环境光照、画面构图、画质等，比如：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，点击提示框下方的齿轮按钮，弹出负面提示词框，负面提示词可以帮助 AI 理解我们不想生成的内容，比如：不好的质量、低像素、模糊、水印。 利用“加权重”功能，让 AI 明白重点内容，可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，也可对已有的提示词权重进行编辑。 辅助功能包括翻译功能（一键将提示词翻译成英文）、删除所有提示词（清空提示词框）、会员加速（加速图像生图速度，提升效率）。 3. 提示词要素： 提示词可以包含指令（想要模型执行的特定任务或指令）、上下文（包含外部信息或额外的上下文信息，引导语言模型更好地响应）、输入数据（用户输入的内容或问题）、输出指示（指定输出的类型或格式）。但提示词所需的格式取决于想要语言模型完成的任务类型，并非所有要素都是必须的。 4. 提示工程与提示词的区别： 提示工程是人工智能领域中，特别是在自然语言处理和大型语言模型的上下文中一个相对较新的概念，涉及设计和优化输入提示，以引导 AI 模型生成特定类型的输出或执行特定的任务。关键点包括精确性、创造性、迭代、上下文理解。 提示词通常指直接输入到 AI 模型中的问题、请求或指示，是提示工程的一部分。提示工程是一个更广泛的概念，不仅包括创建提示词，还涉及理解模型的行为、优化提示以获得更好的性能、以及创造性地探索模型的潜在应用。提示工程的目标是最大化 AI 模型的效用和性能，提示词是实现这一目标的手段之一。在实际应用中，提示工程可能包括对 AI 模型的深入分析、用户研究、以及对特定任务的定制化提示设计。

AI 生图的核心要素包括以下几个方面： 1. 交互设计与辅助功能：如 Midjourney 具备重绘、放大、风格化等功能，Imagen3 有独特的提示词解构设计，能提供相关提示词建议，但作为 AI 生图工具，控制力、表现力、风格多样性仍是核心。 2. 创作方法与实操演示：包括趣味性与美感的结合，如通过反差、反逻辑、超现实方式带来视觉冲击，在美术基础不出错前提下将形式与内容结合；纹身图创作强调人机交互，对输出图片进行二次和多次微调，确定情绪、风格等锚点再发散联想；提示词编写要用自然语言详细描述画面内容，避免废话词。 3. 技术参数设置：例如图生图中的重绘幅度、图片尺寸、采样算法、采样次数、提示词相关性、随机种子、Clip Skip、ENSD 等参数的设置和调整，都会影响生图效果。

以下是关于搭建 Agent 的相关信息： 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系： 首先进入 Coze，点击「个人空间工作流创建工作流」，打开创建工作流的弹窗。 根据弹窗要求，自定义工作流信息。 点击确认后完成工作流的新建，可以看到整个编辑视图与功能。 左侧「选择节点」模块中，根据子任务需要，实际用上的有： 插件：提供一系列能力工具，拓展 Agent 的能力边界。 大模型：调用 LLM，实现各项文本内容的生成。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 编辑面板中的开始节点、结束节点，分别对应分解子任务流程图中的原文输入和结果输出环节。 按照流程图，在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，即可完成工作流框架的搭建。 搭建工作流驱动的 Agent 的步骤： 规划：制定任务的关键方法，包括总结任务目标与执行形式，将任务分解为可管理的子任务，确立逻辑顺序和依赖关系，设计每个子任务的执行方法。 实施：分步构建和测试 Agent 功能，在 Coze 上搭建工作流框架，设定每个节点的逻辑关系，详细配置子任务节点，并验证每个子任务的可用性。 完善：全面评估并优化 Agent 效果，整体试运行 Agent，识别功能和性能的卡点，通过反复测试和迭代，优化至达到预期水平。 一些 Agent 构建平台： Coze：新一代的一站式 AI Bot 开发平台，集成丰富插件工具，适用于构建各类问答 Bot。 Mircosoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及将 Copilot 部署到各种渠道。 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者打造产品能力。 MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景，提供多种成熟模板。 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，在处理高频工作场景方面表现出色。

Few shot 是一种在与人工智能交互时使用的技术。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，这种技术也被称为少拍提示（若只提供一个示例，则称为一拍提示）。在担心大模型听不懂、理解不了时，列举 few shot 通常是有效的做法。此外，使用 Fewshots 技巧的好处在于，能脱离文字描述需求，直观地告诉模型想要的输出具体样式，这是根据 LLM 大脑读取和输出 Token 的特性，喂给它习惯的食物。

以下是新手学习 AI 的路线： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（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，找到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，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 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，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。