在 PDF 和图片识别方面，对于图片，ChatGPT 依靠视觉模型解析，复杂图片建议使用最新模型（如 GPT4.5）。对于 PDF，ChatGPT 仅能识别文本，无法读取图表、图片，复杂布局可能导致误读。一些初步实验表明，一些开源的 PDF 解析方法可能无法达到高质量要求，而当辅以可以有效提取文档中的结构化信息并将其整合为提示词（Prompt）的 PDF 解析器时，大语言模型能够作出更准确的响应。

OCR 识别是指对图片进行光学字符识别，以获取图片中的文本信息。以下是关于 OCR 识别的一些相关内容： 在拍立得工作流中，OCR 识别可对图片进行处理，获取文本信息，并对识别结果进行调整和优化。 GPT 在进行 OCR 识别时可能存在问题，如开启代码执行功能时会尝试用代码完成 OCR 导致无法正确识别图片文字。解决方案包括：如果是自定义 GPT，关闭 Code Interpreter；无法关闭时，提问时明确说明“不要执行代码，请用自身多模态能力识别文字”；直接使用 ChatGPT 而非 GPT。 在移动端试卷拍照去除书写笔迹方面，OCR 识别可作为其中的一个环节。具体步骤包括图像预处理（去噪、增强）、图像分割、文字检测、文字识别、后处理等，还可以进行机器学习模型训练和算法优化，并将其集成到移动端应用程序中。

要让图片动起来，可以参考以下几种方法： 1. 使用即梦进行图生视频：只需上传图片至视频生成模块，提示词简单描绘画面中的动态内容即可生成时长为 3 秒钟的画面。运镜类型可根据剧本中的镜头描绘设置，主要设置以随机运镜为主。生成速度可根据视频节奏选择，如选择慢速。 2. 使用 Camera Motion： 上传图片：点击“Add Image”上传图片。 输入提示词：在“Prompt”中输入提示词。 设置运镜方向：选择您想要的运镜方向，并输入相应的运镜值。 设置运动幅度：运动幅度和画面主体运动幅度有关，与运镜大小无关，可以设置成您想要的任意值。 其它设置：选择好种子（seed），是否高清（HD Quality），是否去除水印（Remove Watermark）。 生成视频：点击“create”，生成视频。 3. 对于复杂的图片，如多人多活动的图： 图片分模块：把长图分成多个模块。 抠出背景图：用智能抠图工具把要动的内容去除掉，用 AI 生成图片部分。 绿幕处理前景图：将要拿来动起来的部分抠出，放在绿幕背景里或者画的背景颜色，导出图片。 前景图动态生成视频：用 AI 视频生成工具（如即梦、海螺、混元等）写入提示词让图片动起来，不停尝试抽卡。 生成视频去掉背景：用剪映把抽卡合格的视频放在去掉内容的背景图片上，通过视频的背景用色度抠图调整去掉背景。多个视频放在背景图片上，一起动即可。

对于处理长文本文件，以下是一些相关的 AI 工具和方法： 1. Whisper API：默认情况下仅支持小于 25MB 的文件。若文件更长，需将其分成小于 25MB 的块或使用压缩后格式。可使用 PyDub 开源 Python 软件包来拆分声频文件，但 OpenAI 对其可用性或安全性不作保证。您还可以使用提示来提高 Whisper API 生成的转录质量，例如处理特定单词或缩略语的识别错误、保留分段文件的上下文、避免标点符号的省略等。 2. 通义千问的 Qwen2.51M 大模型：推出 7B、14B 两个尺寸，在处理长文本任务中稳定超越 GPT4omini，同时开源推理框架，在处理百万级别长文本输入时可实现近 7 倍的提速。在上下文长度为 100 万 Tokens 的大海捞针任务中表现较好。对于更复杂的长上下文理解任务，可参考相关测试集。其优势包括长文本处理能力强、推理速度提升、上下文长度扩展等。开源平台有 Huggingface（https://huggingface.co/spaces/Qwen/Qwen2.51MDemo）和 Modelscope（https://www.modelscope.cn/studios/Qwen/Qwen2.51MDemo）。

以下是关于如何学习 AI 的建议： 一、了解 AI 基本概念 1. 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。 2. 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。 二、开始 AI 学习之旅 1. 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。 2. 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。 三、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。同时，建议掌握提示词的技巧，它上手容易且很有用。 四、实践和尝试 1. 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。 2. 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。 五、体验 AI 产品 1. 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。 2. 通过与这些 AI 产品的对话，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。 六、中学生学习 AI 的特别建议 1. 从编程语言入手学习，如 Python、JavaScript 等，学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台，如 ChatGPT、Midjourney 等，探索面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识，包括基本概念、发展历程、主要技术如机器学习、深度学习等，以及在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目，如参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动，尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态，关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展，思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得自己的成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

利用 WaytoAGI 系统学习 AI 智能体可以参考以下内容： 1. 先精美地解释六大策略，参加小七姐在社区带来的共学课程及直播分享和回放，像喂饭教程般帮助理解 prompt。每个板块下有共学快闪，社区老师会带着大家动手操作并讲解思路，还提到官方最佳 prompt 有 6 个实践办法，看熟任意一个即可。 2. 了解到智能体由大语言模型衍生而来，提示词很关键。学习智能体进阶案例拆解，推荐景淮老师的相关成果。同时知晓扣子、千帆百炼属于智能体范畴，扣子更偏 ToC 应用，所以有专门讲解扣子相关内容。 3. 学习 AI agent 可能较痛苦，建议先吃透 prompt 再看相关内容。官方文档内容很全面，包含市面上 cos 的教程等。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。cos 平台可用于工作生产，有很多功能，感兴趣可体验其官网，能进行对话感受功能。 4. 理解工具方面，AI Agent 有效使用工具的前提是全面了解工具的应用场景和调用方法。利用 LLM 强大的 zeroshot learning 和 fewshot learning 能力，AI Agent 可以通过描述工具功能和参数的 zeroshot demonstartion 或提供特定工具使用场景和相应方法演示的少量提示来获取工具知识。 5. 使用工具方面，AI Agent 学习使用工具的方法主要包括从 demonstartion 中学习和从 reward 中学习（清华有一篇从训练数据中学习的文章）。这包括模仿人类专家的行为，以及了解其行为的后果，并根据从环境和人类获得的反馈做出调整。 6. 了解具身智能，在追求人工通用智能（AGI）的征途中，具身 Agent 正成为核心的研究范式，它强调将智能系统与物理世界的紧密结合。与传统的深度学习模型相比，LLMbased Agent 不再局限于处理纯文本信息或调用特定工具执行任务，而是能够主动地感知和理解其所在的物理环境，进而与其互动。

以下是关于星流 AI 人物一致性的相关内容： 在实现角色一致性方面，有以下几种方法和示例： 1. 可以通过特定的 prompt 格式来实现，公式为：发型+年龄性别+衣物颜色+环境+其他（动作、镜头等）。例如： 特写一个棕色卷发，身穿棕褐色上衣的小男孩，正对镜头，面部被烛光照亮，表情惊讶，环境昏暗明暗对比强烈。 特写一个棕色卷发，身穿棕褐色上衣的小男孩，侧对镜头，微微仰头走在一片暗绿色的森林中，面部被手中提着的油灯照亮，环境昏暗明暗对比强烈。 一个棕色卷发，身穿棕褐色上衣的小男孩侧对镜头，看着面前桌上的蜡烛，环境昏暗明暗对比强烈。 中景拍摄一个棕色卷发，身穿棕褐色上衣的小男孩，正对镜头，在一个梦幻感的暖色调房间里，全身贯注地拼装面前的积木玩具。 2. Midjourney 推出了角色一致性功能，同步支持 MJ V6 和 Niji V6。跟之前的风格一致性sref 命名基本一致，为cref。cref 背后参数cw 的值可以从 0 设到 100，cw 100 会参考原图的脸部、头发和衣服，但相应的会非常不吃 Prompt；cw 0 时，就只会参考脸部，大概约等于一个换脸。 3. PixVerse 有“角色（Character）”新功能，能实现 AI 生成视频中的角色保持一致。用户只需单击“Character”功能，上传符合要求的图像，点击创建自定义角色，训练一个新角色，然后可使用自定义角色生成视频，可在 AI 生成视频中轻松切换场景，同时保持同一角色身份。该功能目前只支持真实人脸，暂不支持动物或其他风格照片。操作说明：在主页面点击选择“Character”，点击“Create Character”，在此界面通过点击或拖动的方式上传图片，命名您创建的 Character，最后点击“Create Cha”。提示：最好使用包含真实人脸的单人图片效果最佳，脸部大小需要超过 200×200px，面部无遮挡。Character 添加完毕后，等待 20 秒左右，在看到“Success”提示后，点击“Create”进。若未等到“Success”提示便进入创作界面，会找不到创建的 Character，此时需等待 10 30 秒，待 Character 创建完成即可。 相关网址： 1. 2. 3. Midjourney 网页版：https://alpha.midjourney.com/ 4. PixVerse：https://app.pixverse.ai/ （目前可以免费使用）

Coze 是一个提供丰富插件的平台，其中部分插件可能对您查询 boss 直聘信息有所帮助。Coze 提供的插件涵盖众多领域，包括搜索引擎、文本分析、图像识别等。其国内版本（https://www.coze.cn/store/plugin ）中的一些插件具有实用功能，例如猎聘插件，可以帮助用户根据工作经验、教育经历、地理位置、薪水、职位名称、工作性质等条件搜索猎聘上提供的招聘信息。但需要注意的是，Coze 中可能没有直接针对 boss 直聘信息的查询插件。

Midjourney 的角色一致性功能： 此功能是官方推出的重要功能，可使生成的人物与参考图像相匹配。 使用方法：在提示词后输入 `cref URL` 并附上人物图像的 URL。需注意一定要在提示词后面，否则会报错。 可使用 `cw` 来修改参考强度，从 0 到 100。强度 100（`cw 100`）是默认值，会使用面部、头发和衣服；强度 0（`cw 0`）时，只会关注面部（适合改变服装/发型等）。 该功能同步支持 MJ V6 和 Niji V6。 对于保证角色一致性，可利用 MJ 重绘功能，在重绘提示词里输入 `cref cw` 。 若有黑边问题，可将黑边部分框住，重绘输入关键词 `background` 去除黑边保证背景一致。 体验 MJ 网页版效果较好，网址：https://alpha.midjourney.com/

模型上下文协议（MCP）是一种全新的开放协议，专门用于标准化地为大语言模型（LLMs）提供应用场景和数据背景。 它就像为 AI 模型量身定制的“USBC 接口”，能让不同的 AI 模型与外部工具和数据源轻松连接。 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。 与传统 API 相比，通常 AI 系统连接外部工具时，需要单独整合多个不同的 API，每个 API 都有独立的代码、文档、认证方式、错误处理和后续维护，极大地增加了开发复杂度。传统 API 就像每扇门都有一把不同的钥匙，而 MCP 则提供了更简单、标准化的连接方式。 在某些情况下，传统 API 更适合，比如应用场景需要精准且严格受控的交互方式，如需要细粒度控制、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。 Anthropic 公司最早开发了 MCP，现在它已成为一个开放协议，越来越多的企业和开发者开始采用。 要开始使用 MCP，可按照以下步骤： 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。 例如，Claude 可以通过简单的 MCP 集成直接连接到 GitHub、创建新存储库并创建 PR。