以下是为您设计的桌面宠物机器人软硬件和后台方案： 硬件方面： 选择合适的主控芯片，如 esp32、stm32、AVR 等。 配置各类传感器，如触摸传感器、声音传感器、光线传感器等，以实现与用户的交互。 设计电机驱动模块，用于控制机器人的动作。 配备显示屏，用于显示表情和信息。 软件方面： 基于 FreeRTOS 开发系统，负责产品 MCU 各外设驱动撰写、架构维护。 开发与手机软件的通信、OTA 等通讯功能。 后台方面： 建立数据存储和处理系统，用于存储用户与机器人的交互数据，并进行分析和处理。 开发远程控制和更新功能，方便用户通过网络对机器人进行管理和升级。 人员配置： 嵌入式工程师： 职责： 1. 基于 FreeRTOS，负责产品 MCU 各外设驱动撰写、架构维护，配合手机软件工程师进行通信、OTA 等通讯功能开发、维护。 2. 负责硬件模块的调试。 3. 参与量产中产线测试程序、校准程序等代码开发。 要求： 1. 有主流嵌入式芯片（例如 esp32、stm32、AVR 等）开发经验。 2. 具有嵌入式软件架构经验。熟悉 FreeRTOS 等嵌入式系统。 3. 会使用示波器、烙铁、风枪等硬件调试工具，有基础的模拟电路知识。 4. 有一年以上嵌入式开发经验，其中有复杂嵌入式项目开发经验者优先。 5. 对嵌入式和硬件有浓厚兴趣，出于兴趣开发过硬件项目者优先。 产品经理： 职责： 1. 在深刻理解产品的基础上，定义和设计情感化桌面机器人的软硬件交互方式。 2. 规划项目周期，与工程师和设计师紧密配合，推进产品的功能迭代和上线。 3. 测试、优化产品的软硬件交互体验。 要求： 1. 情感细腻，热爱生活。 2. 本科及以上学历，人机交互、计算机、设计相关专业优先。 3. 对软/硬件产品的用户体验有深刻的洞察，追求极致体验，对糟糕的产品容忍度低。 4. 对设计学科与前沿科技有深刻的认知，可以与设计师和工程师无缝沟通。 5. 有项目实操经历，执行力强，擅长按计划推动项目落地。

以下是一些写短视频提示词的好用方法和示例： Pikadditions 功能： 1. 上传基础视频：点击页面下方的【Pikaddition】按钮，拖拽或点击上传本地视频。若自己没有视频，可在“templates”板块使用官方示例视频做测试。 2. 添加主角图片：点击【Upload Image】上传角色图片文件。 3. 编写视频提示词：若需要参考角色在视频里的相关互动，需在输入框用英文描述期望效果（支持 Emoji 辅助），然后点击生成按钮。 提示词公式参考： 事件驱动句式：As... 空间锁定技巧：使用场景物体作坐标轴，如 on the.../behind the.../from the... 动态呼应原则：角色动作与视频元素联动，如 swaying with.../reacting to.../matching... 美女转绘： 使用麦?的写实模型和墨幽人造人模型，不推荐使用质量词。提示词先使用反推，Deepbooru，借助提示词插件删除无用提示词，保留和画面主体相关的提示词，如人物主体描述、皮肤质感增强、整体细节增强的 Loar。 正向提示词示例：1girl,solo,black_hair,midriff,autolinklora:林鹤皮肤质感调整器差异炼丹功能性 lora 模型_林鹤 v1:0.6autolink 负向提示词示例：NSFW,logo,text,blurry,low quality,bad anatomy SD 新手入门： 根据想画的内容写提示词，多个提示词之间使用英文半角符号。一般概念性、大范围、风格化的关键词写在前面，叙述画面内容的其次，最后是描述细节的。提示词顺序很重要，越靠后权重越低。关键词要具有特异性，措辞越具体越好，可使用括号人工修改提示词的权重。

以下是关于写短视频提示词的相关内容： Pikadditions 功能： 1. 上传基础视频：点击页面下方的【Pikaddition】按钮，拖拽或点击上传本地视频。若自己没有视频，可在“templates”板块使用官方示例视频做测试。 2. 添加主角图片：点击【Upload Image】上传角色图片文件。 3. 编写视频提示词：若需要参考角色在视频里有相关互动，需在输入框用英文描述期望效果（支持 Emoji 辅助），然后点击生成按钮。 提示词编写技巧： Pika 会提供一段默认 prompt，若无特殊想法，可直接使用。 建议在自己的提示词尾部加入官方提供的默认提示词，效果会更好。 核心功能是用户上传实拍视频和角色图片，AI 将角色动态融入视频中。因此，提示词需要具体描述角色在视频中的动作、互动和场景匹配。 提示词公式参考： 事件驱动句式：As... 空间锁定技巧：使用场景物体作坐标轴：on the.../behind the.../from the... 动态呼应原则：角色动作与视频元素联动：swaying with.../reacting to.../matching... SD 新手入门： 根据自己想画的内容写出提示词，多个提示词之间使用英文半角符号。一般而言，概念性的、大范围的、风格化的关键词写在前面，叙述画面内容的关键词其次，最后是描述细节的关键词。大致顺序如：。不过在模型中，每个词语本身自带的权重可能有所不同，如果模型训练集中较多地出现某种关键词，在提示词中只输入一个词就能极大地影响画面，反之如果模型训练集中较少地出现某种关键词，输入很多个相关词汇都对画面的影响效果有限。提示词的顺序很重要，越靠后的权重越低。关键词最好具有特异性，措辞越不抽象越好，尽可能避免留下解释空间的措辞。可以使用括号人工修改提示词的权重。 清影工具： 1. 提示词优化原则： 强调关键信息：在提示的不同部分重复或强化关键词有助于提高输出的一致性。 聚焦出现内容：尽量让提示集中在场景中应该出现的内容上。 规避负面效果：在提示词中写明不需要的效果。 2. 编写提示词的步骤： 首先，明确场景中的人物和冲突，这是推动整个场景发展的关键因素。 其次，对场景进行详细的描述，包括地点、人物形象、任务动作等细节。使用生动的动词来营造动态和戏剧化的氛围。 第三，加强镜头语言，常用的镜头运动包括推、拉、摇、移、升、降等。每种镜头运动都有其特定的作用和效果。提示词要具体明确且符合物理规律，使用简单且清晰的语言。

以下是新手学习 AI 的方法和建议： 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： 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，如图像、音乐、视频等，可根据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。 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，了解其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。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始，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。 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。

以下是一个关于实现简单的 function calling agents 的指导，以便小白能够理解： 实现原理： 提示词工程主要由提示词注入和工具结果回传两部分代码组成。提示词注入用于将工具信息及使用工具的提示词添加到系统提示中，它包含 TOOL_EAXMPLE、tools_instructions 和 REUTRN_FORMAT 三个部分。TOOL_EAXMPLE 用于提示 LLM 如何理解和使用工具，编写时应注意用无关紧要的工具作示例避免混淆。tools_instructions 是将通用工具字典转换成 LLM 可读的工具列表，实际使用时可动态调整。REUTRN_FORMAT 定义了调用 API 的格式。工具结果回传阶段利用正则表达式抓取输出中的“tool”和“parameters”参数，对于 interpreter 工具使用另一种正则表达式提取 LLM 输出的代码，通过识别 LLM 返回的调用工具的字典提取对应值传入工具函数，将工具返回结果以 observation 角色返回给 LLM，对于不接受相关角色的 LLM 接口可改为回传给 user 角色。 实现方式的比较与建议： 1. JSON Output：通过 Prompt 方式让模型输出 JSON 格式内容，但 Prompt 麻烦，输出不稳定，串业务成本高。 2. JSON Mode：官方 JSON Output，与 Tools 适用场景不同，JSON mode 为输出 JSON 存在，Tools 为 Call API 存在。 3. 从可控角度推荐 Function Calling 和 Tools 实现： 放弃 JSON mode，模型输出 JSON 仍可能出错，模型厂家对 Function Calling 有微调优化。 降低 System prompt 依赖，能在 Tools 里写的尽量写在里面。 API Response 增强 Prompt，准确率高。 尽量让模型做选择而非填空，减少 token 输出，提高速度和准确率。 利用 Tools 做 Route，构建 Multi Agent，术业有专攻。 此外，在初级菜鸟学习 Langchain 做简单 RAG 方面： 1. 没有用 Langchain 做 table 和 text 的 RAG： Table 表格：包括读入表格 markdown 格式嵌入 template 和直接使用 function call 两种方法。 Text 文字：包括文字相似度检索过程，涉及读入文字、清洗、切分、向量化、计算相似度等步骤。 2. 用 Langchain 做 table 和 text 的 RAG：包括运用 Agent 和 Chain 等方式。 3. 使用 Agent 把文本多种文档组合起来。 相关代码和示例可参考相应的链接。

以下是一些适合企业的 AI Agent 相关信息： 影刀 RPA + AI Power： 功能亮点：集成丰富的 AI 组件及技能组件，如搜索引擎组件可让 AI 接入互联网获取实时信息，RPA 组件可直接调用影刀 RPA 客户端应用实现自动化操作，突破大模型的限制。 无缝多样的使用方式：提供网页分享、对话助理、API 集成等嵌入方式，方便企业在不同业务场景下灵活选择接入方式，打通分散的系统，实现便捷交互。 贴身的企业级服务支持：提供教学培训、技术答疑、场景共创等贴身服务，帮助企业把产品用起来，实现 AI 落地。 其他 Agent 构建平台： Coze：新一代一站式 AI Bot 开发平台，集成丰富插件工具拓展 Bot 能力边界。 Microsoft 的 Copilot Studio：具备外挂数据、定义流程、调用 API 和操作等功能，并能将 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，适用于客服、营销、销售等场景，提供多种成熟模板。 钉钉 AI 超级助理：依托钉钉优势，在处理高频工作场景如销售、客服、行程安排等方面表现出色。 在智变时代，Microsoft 也推出了 Copilot 产品的升级，如 Copilot Team 与 Studio，让 Agent 融入企业内部，自动化日常工作。软件应用范式已转移，AI Agent 成为新 SaaS。您可以根据自身需求选择适合的平台。

构建企业智能客服的方案主要包括以下几种： 1. 帮助企业快速建立产品智能客服体系，通过用户意图识别、知识库检索答案、AI 大模型总结输出答案、多轮对话沟通、对话分析打标、自动更新知识库 FAQ 以及客服效果分析，提供全面的 AI 客服解决方案，提高 AI 客服回答的准确率，降低企业商用 AI 客服的门槛。 2. 采用开源或者国内智谱、文心、百川等企业提供的 13B 级模型，本地部署在自己的内部系统中，并结合大模型企业提供的技术服务，基于大模型搭建 LangChain、RAG 框架，在智能客服上实现 RPA 自动流程。 3. 可以转化为 LLM 技术支持方，专注发力 LLM 的工程化应用方向，为企业提供更好的 LLM 本地部署和工程化，走 IBM 的企业服务道路。 4. 转变赛道，例如像智齿客服一样，借助国内出海的兴起以及中东、东南亚需求的旺盛，提供在这个方向的智能客服国内服务。 5. 转向 LMops 方向，虽然当前挺有用，比如做复杂 prompt 的多模型效果测试，做 langchain 的可视化设计，但也存在一些隐患点需要思考。 以下是一些具体的应用案例： 1. 如 Grammarly、秘塔写作猫等 AI 智能写作助手，利用自然语言处理技术辅助用户进行高质量写作。 2. 淘宝拍照搜商品，通过图像识别为用户推荐相似商品。 3. 小爱同学、Siri 等 AI 语音助手定制开发，采用语音识别、自然语言理解技术，为不同需求定制专属语音助手。 4. Keep 智能训练计划，利用数据分析、机器学习技术，根据用户数据制定个性化健身方案。 5. 大众点评智能推荐，基于数据挖掘、自然语言处理技术，基于用户口味偏好推荐美食。 6. 阿里小蜜等电商客服，通过自然语言处理、机器学习技术，为企业提供智能客服解决方案。

以下是为没有编程基础的职场打工人制定的在 3 个月内学习运用好 AI 的详细计划： 第一个月： 了解 AI 编程的基本概念和应用场景，通过相关文章和案例建立初步认知。 借助 AI 工具完成一些简单的任务，例如使用一些现有的 AI 插件来辅助工作，如 IAiUse Language Translator Settings、i18n Nexus 等。 第二个月： 学习 Python 基础，包括基本语法规则（如变量命名、缩进等）、数据类型（如字符串、整数、浮点数、列表、元组、字典等）、控制流（如条件语句、循环语句）。 掌握函数的定义和调用，理解参数和返回值的概念，以及作用域和命名空间。 第三个月： 深入学习 Python 的模块和包，学会导入标准库中的模块和第三方库，以及使用包来扩展程序功能。 了解面向对象编程的基本概念，包括类和对象、属性和方法、继承和多态。 学习异常处理，理解异常的工作原理，掌握使用 try 和 except 语句处理错误。 掌握文件操作，包括文件读写、文件与路径操作。 在学习过程中，要多实践、多练习，结合实际工作中的需求进行应用，不断提升自己运用 AI 的能力。

以下是关于 DeepSeek 提示词的一些写法和示例： 生成相机运动轨迹的提示词：可以将以往关于场景、构图、尺寸、位置、形态、半身全身、环境等的提示词，以“相机运动轨迹”的方式来描写，例如“相机向上飞升至上空轨道视角，拍摄站在泳池旁的女子”。 生成单词的提示词：输入单词主题、图片风格、单词数量等，如“非洲动物、真实风格、2”。选择 deepseekr1 模型，输入单词主题和数量，可输出指定数量的单词，并以数组方式呈现，包括单词、中文、美式音标、英文句子及其中文翻译。 在小说创作方面，写提示词时要给 AI 足够的背景信息，例如运用问题空间理论等。结构化提示词有帮助，同时要注意有用的是思考和表达，而非单纯的提示词技巧。

以下是新手学习 AI 的方法和建议： 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： 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，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，其上手容易且很有用。 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。 在知识库提供了很多大家实践后的作品、文章分享。 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，了解其工作原理和交互方式。 6. 对于中学生学习 AI 的补充建议： 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。 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。 学习 AI 基础知识，包括基本概念、发展历程、主要技术及在教育、医疗、金融等领域的应用案例。 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。 关注 AI 发展的前沿动态，关注权威媒体和学者，思考 AI 技术对未来社会的影响。 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。