AGI 即通用人工智能（Artificial General Intelligence），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。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平，能解决复杂问题，如 ChatGPT，可根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 此外，像 GPT3 及其半步后继者 GPT3.5（在 2023 年 3 月升级为 GPT4 之前，它驱动了现在著名的 ChatGPT）在某种程度上是朝着 AGI 迈出的巨大一步。而 OpenAI 通用人工智能（AGI）的计划曾因埃隆·马斯克的诉讼而受到影响。

以下是关于小红书爬虫智能体的相关内容： 创建智能体： 1. 输入人设等信息，放上创建的工作流。 2. 配置完成后进行测试。 工作流配置及注意事项： 1. 工作流 2 中【所有视频片段拼接】节点使用的插件 api_token 填的是您的 token，为避免他人调用消耗您的费用，可将 api_token 作为工作流 2 最开始的输入，用户购买后输入 token 再发布。 2. 对于 Coze 智能体，使用单 Agent 对话流模式，编排对话流时注意配置 cookie 等，使用代码节点进行数据处理，注意代码节点输出的配置格式。测试时找到一篇小红书笔记，试运行对话流，确保成功。发布时选择多维表格，注意输出和输入类型等配置。 智能体示例： 小众打卡地智能体，输入旅游目的地城市可推荐 3 个小众打卡地的小红书类文案及精美配图。其核心价值包括发掘特色景点、提供个性化建议、帮助获取高质量旅行参考信息及提供小红书文案。搭建思路重点包括录入小红书相关文案参考知识库、通过文本模型组成搜索词搜索并提取相关 url、滤除需安全认证网站等、提取小众地点输出及进行图片搜索等。

以下是一些知名的 AI 模型广场： 1. Liblibai 模型广场： 首页展示了其他用户炼成的模型，收藏和运行数较多的模型在首页前排。 包含 Checkpoint（生图必需的基础模型）、lora（低阶自适应模型）、VAE（编码器）、CLIP 跳过层、Prompt 提示词、负向提示词 Negative Prompt 等多种模型和元素。 采样方法决定了让 AI 用何种算法生图。 2. 阿里云百炼模型广场： 涵盖文本生成、视觉理解、音频理解、语音合成、语音识别、图像生成和 Embedding 等多种技术的丰富 AI 模型。 语音识别模型可将音视频中的人类声音转换为文本，适用于会议记录、客户服务、媒体制作、市场研究及多样化的实时交互场景，如会议、课堂录音记录、客服电话分析、字幕生成、市场研究与数据分析等。切换到实时语音模型后，可用于会议、直播、客服、游戏、社交聊天、人机交互等场景。

以下是关于动画音效 AI 用于生成视频中特殊音效（如呼吸声、爆炸声、脚步声等）的相关信息： 1. 11Labs AI 音效：可以在一段提示语中放入不同画面的描述音效来生成一整个视频音效，但目前可用性有待提高，一次生成可能有 2 3 条不能用。实际操作中，分开画面来做音效合成更方便调整。例如 20s 视频可分为 5 个不同的音效合成，如城市背景噪音、无声的脚步声、电子嗡嗡声、心跳加速、警笛声等。 2. 游戏中的生成式 AI 革命：音效是 AI 的一个具有吸引力的开放领域。已有学术论文探讨在电影中生成“现场效果音”（如脚步声）的想法，但在游戏中的商业产品尚属稀少。游戏中传统的音效生成和管理繁琐且重复不真实，使用实时的生成性 AI 模型来制作现场效果音可以在飞行中生成适当音效，每次略有不同，并能根据游戏参数响应。 3. 喂饭级教程：在视频制作中，音效库可以通过搜索框输入关键词（如开门声）来选择合适的音效试听并添加到音轨。

在本科生论文写作中，以下是一些常用的 AI 指令和相关工具： 1. 内容生成和辅助写作： 指令示例：“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。” 工具：Grammarly ，通过 AI 技术提供文本校对、语法修正和写作风格建议，帮助提高论文的语言质量；Quillbot ，一个基于 AI 的重写和摘要工具，可以帮助研究人员精简和优化论文内容。 2. 文献管理和搜索： 工具：Zotero ，结合 AI 技术，可以自动提取文献信息，帮助研究人员管理和整理参考文献；Semantic Scholar ，一个由 AI 驱动的学术搜索引擎，能够提供相关的文献推荐和引用分析。 3. 研究和数据分析： 工具：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 ，一个用于数学建模和优化的软件，可以帮助研究人员进行复杂的数据分析和模型构建。 4. 论文结构和格式： 工具：LaTeX ，虽然不是纯粹的 AI 工具，但结合了自动化和模板，可以高效地处理论文格式和数学公式；Overleaf ，一个在线 LaTeX 编辑器，提供丰富的模板库和协作功能，简化论文编写过程。 5. 研究伦理和抄袭检测： 工具：Turnitin ，一个广泛使用的抄袭检测工具，帮助确保论文的原创性；Crossref Similarity Check ，通过与已发表作品的比较，检测潜在的抄袭问题。 需要注意的是，使用这些 AI 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，同时要确保使用方式符合学术道德和规范。

以下是一些为视频配音效的 AI 工具： 1. Vidnoz AI： 支持 23 多种语言的配音，音质高保真。 支持文本转语音和语音克隆功能。 提供语音参数自定义和背景音乐添加工具。 提供面向个人和企业的经济实惠的定价方案。 2. Wavel Studio： 支持 30 多种语言的配音，音质自然流畅。 自动去除背景噪音和杂音。 提供添加字幕和文本叠加层的工具。 界面友好，提供多种自定义选项。 3. Elai.io： 支持 65 多种语言的配音，音色和语调真实。 自动将唇形与语音同步。 生成字幕，提高视频的可访问性。 支持多位配音者，适合复杂对话场景。 4. Rask AI： 支持 130 多种语言的配音，包括稀有和濒危语言。 采用先进语音合成技术，音质高保真。 提供语音参数自定义和音效添加工具。 与多种视频编辑平台和工作流程整合。 5. Notta： 提供快速实惠的多语言配音解决方案。 保留原声说话风格和细微差别。 提供调整语音速度和音调的工具。 支持批量处理，高效完成多视频配音。 6. Dubverse： 支持 60 多种语言的配音，音质接近真人。 提供文本转语音和语音克隆功能。 提供语音参数自定义和情感添加工具。 与多种视频平台和社交媒体渠道整合。 在选择视频配音工具时，请考虑支持的语言数量、语音质量、自定义选项和价格等因素。 此外，音效是 AI 的一个具有吸引力的开放领域。虽然在游戏中的商业产品尚属稀少，但已有学术论文探讨了使用 AI 在电影中生成“现场效果音”（例如，脚步声）的想法。在游戏中，使用实时的生成性 AI 模型来制作现场效果音，例如为玩家角色生成脚步声音，可以在飞行中生成适当的音效，每次都略有不同，而且能够根据游戏参数（如地面表面、角色体重、步态、鞋履等）进行响应。

Manus 是一款由中国团队研发的全球首款通用型 AI 代理工具，于 2025 年 3 月 5 日正式发布。 其原理包括以下方面： 1. 当前的 Manus 相当于 AI 操纵着一个没有图形界面的 Linux 虚拟机和浏览器，能够感知电脑环境，执行各类操作。它能运行各种 Linux 下的指令、库、程序（如 cd、ls 指令、python 等），也能访问各种网页、获取一些 API 接口的数据，但由于没有图形界面，无法运行图形程序。 2. Manus AI 代理工具的具体技术架构主要基于多智能体（Multiple Agent）架构，运行在独立的虚拟机中。通过规划、执行和验证三个子模块的分工协作，实现对复杂任务的高效处理。其核心功能由多个独立模型共同完成，这些模型分别专注于不同的任务或领域，如自然语言处理、数据分析、推理等。 3. 技术架构还包括以下关键组件： 虚拟机：Manus AI 运行在云端虚拟机中，用户可以随时查看任务进度，适合处理耗时任务。 计算资源：Manus AI 利用计算资源生成算法，用于筛选简历等具体任务。 生成物：Manus AI 能够生成各种类型的输出，如文本、表格、报告等。 内置多个 agents：Manus AI 通过内置多个智能体，实现任务的分解和协同工作。 此外，Manus AI 还采用了“少结构，多智能体”的设计哲学，强调在数据质量高、模型强大、架构灵活的情况下，自然涌现 AI 的能力。这种设计使得 Manus AI 在处理复杂任务时更加高效和准确。

对于刚接触 AI 的新手，以下是一些学习建议： 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： 参考「」，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），根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出自己的作品。 在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。 6. 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。 对于中学生学习 AI，还有以下补充建议： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始学习，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 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： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 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： 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。 总之，无论是新手还是中学生，学习 AI 都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，将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。

目前较为强大和新的文本模型包括： BERT：由谷歌推出，是“来自Transformer的双向编码器表示”的缩写。可在免费下载和使用。能用于文本摘要、问答、分类、命名实体识别、文本相似度、攻击性信息/脏话检测、理解用户查询等多种自然语言处理任务。 GPT3：由 OpenAI 创建，生成真实文本的能力令人惊讶。 GPT4：OpenAI 目前最先进的自然语言生成模型，可用于回答问题、撰写文章等。 Gemini Ultra：Google 的多模态人工智能模型，采用神经网络架构，对标 GPT4，可用于回答问题、生成代码、处理文本等。 Claude 3 Opus：Anthropic 的多模态模型，能处理超过 1 百万 token 的输入，具有实时聊天、数据处理、分析预测等功能，实现了接近完美的召回率。 “悟道・天鹰”：北京智源人工智能研究院推出，是首个具备中英文双语知识、支持商用许可协议、国内数据合规需求的开源语言大模型。 文心一言：百度的大语言模型，可用以文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成。 需要注意的是，免费使用这些模型可能存在一定限制，部分模型可能需要特定的条件或授权。同时，模型的性能和适用性也会因具体应用场景和需求而有所不同。

|模型名称|版本|发布时间|发布公司|模型参数|性能特点|适合应用| |||||||| |Baichuan213BChat|Baichuan2192K|10月31日|百川智能|未提及|在逻辑推理、知识百科、生成与创作、上下文对话等基础能力上排名200亿参数量级国内模型第一，在计算和代码能力上有一定优化空间|场景相对广泛且可以私有化部署，重点推荐在小说/广告/公文写作等内容创作场景、智能客服/语音助手以及任务拆解规划等场景，可部署在教育、医疗、金融等垂直行业中应用，同时可部署在低算力终端处理基础智能任务| |文心一言|V4.0|10月17日|百度|未提及|在计算、逻辑推理、生成与创作、传统安全这4大基础能力上排名国内第一，在代码、知识与百科、语言理解与抽取、工具使用能力上排名国内前三，各项能力表现均衡且绝大部分能力有很高的水平|能力栈较为广泛，可应用的场景较多，重点推荐在查询搜索知识应用、任务拆解规划Agent、文案写作以及代码编写及纠错等方面的应用，由于在逻辑推理方面的不俗表现，可以重点关注在科学研究、教育、工业方面的落地能力| |通义千问 2.0|2.0|10月31日|阿里云|千亿级参数|未提及|未提及|