Navigate to WaytoAGI Wiki →
Home/All Questions
怎么用ai 快速生成思维导图
以下是几种使用 AI 快速生成思维导图的方法: 1. 多智能体 AI 搜索引擎方案: 第一步,快速搜索补充参考信息:根据用户任务,使用搜索工具 API WebSearchPro 补充更多信息,参考文档:https://bigmodel.cn/dev/api/searchtool/websearchpro 。 第二步,用模型规划和分解子任务:使用大模型如 GLM40520 把用户问题拆分成若干子搜索任务,并转换为 JSON 格式,参考 API 文档:https://bigmodel.cn/dev/api/normalmodel/glm4 ,JSON 格式处理参考:https://bigmodel.cn/dev/howuse/jsonformat 。 第三步,用搜索智能体完成子任务:AI 搜索智能体具备联网搜索和自主分析多轮搜索任务的能力,智能体 API 的调用方式参考文档:https://bigmodel.cn/dev/api/qingyanassistant/assistantapi ,智能体 id:659e54b1b8006379b4b2abd6 ,简介:连接全网内容,精准搜索,快速分析并总结的智能助手。 第四步,总结子任务生成思维导图:智能体能调用各种插件,包括思维导图,智能体 API 的调用方式参考文档:https://bigmodel.cn/dev/api/qingyanassistant/assistantapi ,智能体 id:664e0cade018d633146de0d2 ,简介:告别整理烦恼,任何复杂概念秒变脑图。 2. 读书会活动 AI 赋能案例: 日常活动文案输出(读书社ing,AI 复核型玩法“高阶”,依托传音智库+飞书妙记+在线思维导图 Markmap): 方法一:一键知识图谱 用 kimichat 让 ai 拆解这本书的三级章节并按照 markdown 产出内容,Prompt:帮我拆解《爱的五种语言》,生成全书内容的思维导图,要求每个章节后面有三级展开,下一级是主要知识点,下下一级是知识点的论述。先输出对应的 markdown ,访问地址:https://kimi.moonshot.cn/ 。 复制 ai 内容粘贴到在线思维导图 Markmap 中,一键生成思维导图,还可以自定义微调内容,并免费导出图片,访问地址:https://www.min2k.com/tools/markmap/ 。 方法二:推导知识图谱(可以参考下面 prompt 自己构建)。 3. 使用特定的 AI 绘图工具: Creately:是一个在线绘图和协作平台,利用 AI 功能简化图表创建过程,适合绘制流程图、组织图、思维导图等。智能绘图功能,可以自动连接和排列图形,有丰富的模板库和预定义形状,实时协作功能适合团队使用,官网:https://creately.com/ 。 Whimsical:是一个专注于用户体验和快速绘图的工具,适合创建线框图、流程图、思维导图等。直观的用户界面易于上手,支持拖放操作,快速绘制和修改图表,提供多种协作功能适合团队工作,官网:https://whimsical.com/ 。 Miro:是一个在线白板平台,结合 AI 功能,适用于团队协作和各种示意图绘制,如思维导图、用户流程图等。无缝协作,支持远程团队实时编辑,有丰富的图表模板和工具,支持与其他项目管理工具(如 Jira、Trello)集成,官网:https://miro.com/ 。 使用 AI 绘制示意图的步骤: 选择工具:根据具体需求选择合适的 AI 绘图工具。 创建账户:注册并登录该平台。 选择模板:利用平台提供的模板库,选择适合需求的模板。 添加内容:根据需求添加并编辑图形和文字,利用 AI 自动布局功能优化图表布局。 协作和分享:如果需要团队协作,可以邀请团队成员一起编辑。完成后导出并分享图表。
2025-03-07
通过文案生成视频
以下是关于通过文案生成视频的相关信息: 基于其他博主开源的视频生成工作流进行功能优化,可实现视频全自动创建。先看效果,可参考。 功能方面,通过表单输入主题观点,提交后自动创建文案短视频,创建完成后推送视频链接到飞书消息。 涉及工具包括: 1. Coze 平台(工作流、DeepSeek R1、文生图、画板、文生音频、图+音频合成视频、多视频合成) 2. 飞书(消息) 3. 飞书多维表格(字段捷径、自动化流程) 大体路径为: 1. 通过 coze 创建智能体,创建工作流,使用 DeepSeek R1 根据用户观点创建文案,再创建视频。 2. 发布 coze 智能体到飞书多维表格。 3. 在多维表格中使用字段捷径,引用该智能体。 4. 在多维表格中创建自动化流程,推送消息给指定飞书用户。 文字生成视频的 AI 产品有: 1. Pika:出色的文本生成视频 AI 工具,擅长动画制作,支持视频编辑。 2. SVD:熟悉 Stable Diffusion 可安装此最新插件,在图片基础上生成视频,由 Stability AI 开源的 video model。 3. Runway:老牌 AI 视频生成工具,提供实时涂抹修改视频功能,收费。 4. Kaiber:视频转视频 AI,能将原视频转换成各种风格的视频。 5. Sora:由 OpenAI 开发,可生成长达 1 分钟以上的视频。 更多文生视频的网站可查看: 腾讯运营可用以下方式:通过 ChatGPT 生成文案,将文案复制到支持 AI 文字转视频的工具内实现短视频自动生成。市面上一些手机剪辑软件也支持文字转视频,如腾讯智影的数字人播报功能、手机版剪映的图文成片功能。这类 AI 视频制作工具操作简单,让大众生产视频更轻松。
2025-03-07
coze有什么用,对于短视频公司
Coze 对于短视频公司具有以下重要作用: 1. 舆情监控: 填补短视频领域舆情监控空白,满足汽车行业特定需求。 实现舆情监控全流程自动化,大幅提升信息流转与办公效率。 针对抖音生态实现定制化监控,提升汽车行业舆情管理效能。 能够进行全场景任何关键词搜索,最快速度定位舆情。 定制关键词批量采集,采集数据自动入表、实时更新,AI 预处理效率提升。 生成多维度直观可视的报告,提升决策速度。 进行舆情贴记录跟进和舆情分析汇报。 2. 创新应用: 利用大模型与 coze 平台,创新解决短视频舆情监控难题。 有众多成功案例,如打造私人播客助手、开发 AI chatbot(短视频爆款案例)、制作 MidJourney 提示词专家、创建 AI 绘画助手、搓一个乞丐版的秘塔搜索、搞一个简单的安全 AI 助手、手搓一个 24 小时陪练教师、帮开源 AI 社区搞一个社群运营机器人等。 Coze 是由字节跳动推出的 AI 聊天机器人和应用程序编辑开发平台,专为开发下一代 AI 聊天机器人而设计。其主要特点包括: 1. 多语言模型支持,使用了大型语言模型,如 GPT48K 和 GPT4128K,并提供云雀语言模型等,支持不同场景下的对话和交互。 2. 插件系统,集成了超过 60 款插件,涵盖资讯阅读、旅游出行、效率办公、图片理解等功能,同时支持用户创建自定义插件,以扩展 Bot 的能力。 3. 知识库功能,允许用户上传和管理数据,支持 Bot 与用户数据交互,可以上传多种格式的文档,或基于 URL 获取在线内容和 API JSON 数据。 4. 数据库和记忆能力,提供数据库功能,允许 Bot 访问会话内存和上下文,持久记住用户对话中的重要参数或内容。 5. 工作流设计,用户可以通过拖拉拽的方式快速搭建工作流,处理逻辑复杂的任务流,提供大量灵活可组合的节点。 6. 多代理模式,在一个机器人中可以运行多个任务,允许添加多个代理,每个代理都是一个能够独立执行特定任务的智能实体。 7. 免费使用,用户无需支付费用即可利用其强大的功能。 8. 易于发布和分享,用户可以将搭建的 Bot 发布到各类社交平台和通讯软件上,让更多的用户与之互动。 总之,Coze 平台的设计降低了大模型使用的门槛,提供了丰富的工具和资源,以支持快速开发和部署 AI 聊天机器人,满足短视频公司的不同需求。
2025-03-07
所以我可以理解为CNN是一种图像分类识别的AI算法技术吗
卷积神经网络(CNN)是一种用于图像分类识别的 AI 算法技术。 ImageNet 成为深度神经网络革命的首选数据集,其中由 Hinton 领导的 AlexNet 就是基于卷积神经网络(CNN)。自 2012 年以来,在深度学习理论和数据集的支持下,深度神经网络算法大爆发,包括卷积神经网络(CNN)等。 连接主义的全面逆袭从 2012 年开始,欣顿教授和他的学生建立的 AlexNet 就是使用反向传播算法训练的卷积神经网络(CNN),其在图像识别方面击败了当时最先进的逻辑程序。 虽然 CNN 模型取得了显著成果并解决了许多问题,但也存在一些缺陷,如不能从整幅图像和部分图像识别出姿势、纹理和变化,池化操作导致模型不具备等变、丢失很多信息,需要更多训练数据来补偿损失,更适合像素扰动极大的图像分类,对某些不同视角的图像识别能力相对较差。因此,在 2011 年,Hinton 和他的同事们提出了胶囊网络(CapsNet)作为 CNN 模型的替代。
2025-03-07
优化简历的ai
以下是一些可以优化简历的 AI 工具: 1. ResumeMatcher:这是一个 AI 驱动的开源简历优化工具。它能提供智能关键词匹配和深入分析见解,提升简历通过 ATS 筛选的几率。采用 FastEmbed 计算简历与职位匹配度,结合 textacy 提取核心术语,精准优化简历内容。相关链接: 2. Kickresume 的 AI 简历写作器:使用 OpenAI 的 GPT4 语言模型自动生成简历,能为简历摘要、工作经验和教育等专业部分编写内容,并保持一致语调。 3. Rezi:是一个受到超过 200 万用户信任的领先 AI 简历构建平台,使用先进的 AI 技术自动化创建可雇佣简历的每个方面,包括写作、编辑、格式化和优化。 4. Huntr 的 AI 简历构建器:提供免费的简历模板,以及 AI 生成的总结/技能/成就生成器和 AI 驱动的简历工作匹配。 5. 超级简历优化助手:分析简历内容并提供优化建议,帮助用户优化简历提高求职成功率。 此外,还有更多 AI 简历产品,您可以查看这里:https://www.waytoagi.com/category/79 。您可以根据自己的需要选择最适合您的工具。
2025-03-07
本地部署deep seek后如何搭建个人知识库,详细说明一下每个步骤
以下是本地部署 Deep Seek 后搭建个人知识库的详细步骤: 1. 在 RAGFlow 中配置 Deep Seek 模型 返回 RAGFlow ,打开右上角设置,进入模型提供商界面。 配置本地部署的 Deep Seek 模型,选择 Ollama ,并根据运行的模型配置相关信息。 设置基础 URL 。 点击确定。 2. 导入嵌入模型 导入一个用于文本向量化的嵌入模型。 3. 设置系统模型设置 4. 创建知识库 返回知识库,进入数据集,导入文件或设置文件夹当作知识库。 5. 文件解析 对导入的文件进行解析,解析速度取决于本机 GPU 性能(显卡性能),越好的显卡解析越快。 6. 检索测试 解析完成后,进行检索测试。 7. 进入聊天界面 测试没问题后,可进入聊天界面,助理设置可自行进行。 此外,如果想要对知识库进行更灵活的掌控,可以使用 AnythingLLM 软件,步骤如下: 1. 安装 AnythingLLM ,安装地址:https://useanything.com/download 。 2. 安装完成后进入配置页面,主要分为三步: 选择大模型。 选择文本嵌入模型。 选择向量数据库。 3. 构建本地知识库 在 AnythingLLM 中创建独有的 Workspace 与其他项目数据隔离。 上传文档并在工作空间中进行文本嵌入。 选择对话模式,包括 Chat 模式(大模型根据训练数据和上传的文档数据综合给出答案)和 Query 模式(大模型仅依靠文档中的数据给出答案)。 4. 测试对话 完成上述配置后,即可与大模型进行对话。 在进行本地知识库搭建实操之前,还需要对 RAG 有大概的了解: RAG 是一种检索增强生成技术,应用过程包括文档加载、文本分割、存储(包括将文档块嵌入转换成向量形式并存储到向量数据库)、检索、输出(把问题以及检索出来的嵌入片一起提交给 LLM 生成答案)。文本加载器用于将用户提供的文本加载到内存中以便后续处理。
2025-03-07
AI Agent MANUS个人助手是否可以本地私有化部署
目前没有明确的信息表明 AI Agent MANUS 个人助手可以本地私有化部署。 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。它区别于传统聊天机器人,具备自主规划、执行复杂任务并直接交付完整成果的能力。其技术架构主要基于多智能体架构,运行在独立的虚拟机中,核心功能由多个独立模型共同完成,包括规划、执行和验证三个子模块,还包括虚拟机、计算资源、生成物、内置多个 agents 等关键组件,并采用了“少结构,多智能体”的设计哲学。 但对于其是否能本地私有化部署,现有资料未给出确切说明。在构建高质量的 AI 数字人方面,由于整个数字人的算法部分组成庞大,几乎不能实现单机部署,特别是大模型部分,算法一般会部署到额外的集群或者调用提供出来的 API。而在本地部署资讯问答机器人方面,有相关案例,但未提及与 AI Agent MANUS 个人助手的直接关联。
2025-03-07
一个什么都不懂的小白,想学习ai,我应该如何学呢,我需要一个学习ai的路线
对于一个想学习 AI 的小白,以下是为您提供的学习路线: 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,您将找到一系列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),您可以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您的作品。 在知识库提供了很多大家实践后的作品、文章分享,欢迎您实践后的分享。 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。 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。 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。
2025-03-07
法律 大模型 都有哪些
以下是一些法律大模型: ChatLaw:由北大开源的一系列法律领域的大模型,包括 ChatLaw13B(基于姜子牙 ZiyaLLaMA13Bv1 训练而来)、ChatLaw33B(基于 Anima33B 训练而来,逻辑推理能力大幅提升)、ChatLawText2Vec。使用 93 万条判决案例做成的数据集基于 BERT 训练了一个相似度匹配模型,可将用户提问信息和对应的法条相匹配。地址:训练而来,中文各项表现很好,但逻辑复杂的法律问答效果不佳,需要用更大参数的模型来解决。
2025-03-07
AI Agent MANUS个人助手
AI Agent MANUS 个人助手是一种真正自主的 AI 代理。它区别于传统的 AI 助手,能够自主完成复杂任务,不仅生成想法,还能直接执行并交付结果。其核心亮点包括: 1. 自主执行:可直接执行任务,而非仅提供建议。 2. 类人工作模式:能解压文件、浏览网页、阅读文档、提取关键信息等。 3. 云端异步运行:在后台执行任务,完成后自动通知用户。 4. 持续学习和记忆:从用户反馈中学习,提高未来任务的准确性。 5. “心智与手”理念:象征着实际执行能力。 在构建高质量的 AI 数字人时,涉及到为数字人构建灵魂,使其具备各种智能,充当个人助手等。其中在构建数字人灵魂方面,有以下几个工程关键点: 1. AI Agent:要让数字人像人一样思考,需要编写一个像人一样的 Agent,工程实现所需的记忆模块、工作流模块、各种工具调用模块的构建存在挑战。 2. 驱动躯壳的实现:灵魂部分通过定义接口由躯壳部分通过 API 调用,调用方式视躯壳部分的实现而定。但包含情绪的语音表达以及保证躯壳的口型、表情、动作和语音的同步及匹配存在困难,目前主流方案只能做到预设一些表情动作,再做一些逻辑判断来播放预设,语音驱动口型相对成熟但闭源。 3. 实时性:由于数字人的算法部分组成庞大,几乎不能实现单机部署,特别是大模型部分,算法一般会部署到额外的集群或者调用提供出来的 API,会涉及到网络耗时和模型推理耗时,低延时是亟需解决的问题。 4. 多元跨模态:仅仅语音交互的数字人远远不够,可根据实际需求添加其他感官,如通过添加摄像头数据获取视觉信息,再通过系列 CV 算法做图像解析等。 5. 拟人化场景:正常与人交流时并非线性对话,会有插话、转移话题等情况,这些情景的工程处理需要优化。 在人工智能的发展历程中,Agent(智能代理)一直是令人着迷的概念之一。2024 年,Agent 技术实现了从概念到实践的关键突破。例如,当对手机下达指令“帮我给同事的朋友圈点赞”,AI 就能识别屏幕并完成操作。这种进化展示了 AI 不仅能“听懂”,还能“思考”和“行动”,会分析任务、规划步骤、选择工具,甚至在遇到问题时及时调整策略。2024 年,Anthropic 的 Computer Use、智谱 AI 的 AutoGLM 以及 Google 的 Gemini 2.0 等都展示了 AI Agent 的突破性进展。这种接近成型的工程化的 Agent 核心在于四个关键能力的进展,但在过往,类似的 Agent 能力存在成功率不高、泛化能力不够强等问题,训练模型识别所有 App 的 UI 很难,模型进行自主操作也是难点。
2025-03-07