以下是使用 API 结合 cherry studio 建立本地知识库后训练使 AI 更聪明的方法： 1. 在线知识库： 点击创建知识库，创建一个画小二课程的 FAQ 知识库。 知识库的飞书在线文档中，每个问题和答案以分割。 选择飞书文档，选择自定义的自定义，输入。 编辑修改和删除内容，添加 Bot 并在调试区测试效果。 2. 本地文档： 注意拆分内容，提高训练数据准确度。 对于画小二课程，将 80 节课程分为 11 个章节，不能一股脑全部放进去训练。 首先将 11 章的大章节名称内容放进来，章节内详细内容按照固定方式进行人工标注和处理。 然后选择创建知识库自定义清洗数据。 3. 发布应用： 点击发布，确保在 Bot 商店中能够搜到。 此外，在训练 AI 时，还需要注意以下几点： 提示词：告诉 AI 它的角色和要专注的技能。 知识库：相当于给 AI 发放工作手册，例如可以放入特定的剧情等内容。 希望以上内容对您有所帮助。

要结合 API 建立本地知识库，以下是较为容易的操作步骤： 1. 进入知识库页面，单击创建知识库。 2. 在弹出的页面配置知识库名称、描述，并单击确认。需注意一个团队内的知识库名称不可重复，必须是唯一的。 3. 在单元页面，单击新增单元。 4. 在弹出的页面，选择表格格式。 5. 选择 API 上传方式： 获取在线 API 的 JSON 数据，将 JSON 数据上传至知识库。 在表格格式页签下，选择 API，然后单击下一步。 单击新增 API。 输入网址 URL 并选择数据的更新频率，然后单击下一步。 输入单元名称或使用自动添加的名称，然后单击下一步。 配置数据表信息后，单击下一步。 确认表结构：系统已默认获取了表头的列名，您可以自定义修改列名，或删除某一列名。 指定语义匹配字段：选择哪个字段作为搜索匹配的语义字段。在响应用户查询时，会将用户查询内容与该字段内容的内容进行比较，根据相似度进行匹配。 查看表结构和数据，确认无误后单击下一步。 完成上传后，单击确定。 您也可以选择自定义上传方式： 在表格格式页面下，选择自定义，然后单击下一步。 输入单元名称。 在表结构区域添加字段，单击增加字段添加多个字段。 设置列名，并选择指定列字段作为搜索匹配的语义字段。 单击确定。 单击创建分段，然后在弹出的页面输入字段值，然后单击保存。

以下是一些可以生成思维导图的 AI 工具： 1. GitMind：免费的跨平台 AI 思维导图软件，支持多种模式，如提问、回答、自动生成等。 2. ProcessOn：国内思维导图与 AIGC 结合的工具，可利用 AI 生成思维导图。 3. AmyMind：轻量级在线 AI 思维导图工具，无需注册登录，支持自动生成节点。 4. Xmind Copilot：Xmind 推出的基于 GPT 的 AI 思维导图助手，可一键拓展思路，生成文章大纲。 5. TreeMind：“AI 人工智能”思维导图工具，输入需求即可由 AI 自动完成思维导图生成。 6. EdrawMind：提供一系列 AI 工具，包括 AI 驱动的头脑风暴功能，帮助提升生产力。 此外，还有 ChatMind 也是利用 AI 自动生成思维导图的在线工具，只需要输入问题、文章、数据就可以，并且对于问题，还能自己获取答案，可导出图片与 Markdown 文档两种格式。在使用某些工具时，如配置插件节点生成思维导图，需要确定处理方式、输入和输出等相关设置。

要将 AI 作为自己的教练 Agent 实现，需要考虑以下几个方面： 1. 构建数字人灵魂： AI Agent：需要编写像人一样的 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具有挑战性。 驱动躯壳的实现：定义灵魂部分的接口，躯壳部分通过 API 调用，如 HTTP、WebSocket 等，但要处理好包含情绪的语音表达以及躯壳的口型、表情、动作和语音的同步及匹配。 实时性：由于算法部分组成庞大，几乎不能单机部署，需解决网络耗时和模型推理耗时导致的响应慢问题。 多元跨模态：不仅要有语音交互，还可根据实际需求加入其他感官，如通过添加摄像头数据获取视觉信息。 拟人化场景：处理好插话、转移话题等非线性对话情景。 2. 借助开源社区力量： 推荐使用像 dify、fastgpt 等成熟的高质量 AI 编排框架，可快速编排出自己的 AI Agent。 例如在开源项目中使用 dify 框架，能利用其编排和可视化交互修改流程，构造不同的 AI Agent，实现复杂功能，如知识库搭建、工具使用等，无需编码和重新部署。 Dify 的 API 暴露了 audiototext 和 texttoaudio 接口，可用于数字人的语音识别和生成控制。 对于高度定制的模型，可在 Dify 中接入 XInference 等模型管理平台并部署自己的模型，同时数字人 GUI 工程保留多个模块以保持扩展。 然而，在实际操作中也存在一些问题，如沉淀领域知识喂给 AI 并不断调教并非能保持愉悦，可能会从兴奋转为嫌弃，且国产大模型存在一些桎梏，调优反复，多数人尝试后又回到舒适模式。但仍可通过不断探索和尝试来实现将 AI 作为教练 Agent 的目标。

AI 绘画对艺术界具有复杂且双面的影响： 积极方面： 改变传统艺术面貌，从生成艺术作品到辅助艺术创作。 为艺术家提供新工具和可能性，如探索新的创意表达方式、提高制作效率、降低制作成本。 推动传统艺术的数字化和普及化。 促进艺术与观众之间的互动，提供更加个性化和互动的艺术体验。 引发的讨论和争议： 人们对 AI 驱动的机器人创作的艺术品和人类创作的艺术品接受程度大致相同，但不太愿意将机器人视为艺术家，表明其在表达情感和创造性意图方面存在局限性。 艺术家对 AI 生成艺术态度复杂，有对创新潜力的期待，也有对版权、原创性和伦理问题的担忧。 带来对文化创意领域从业者职业安全的焦虑，以及对其“侵权”嫌疑的反对之声，反映了新技术发展带来的行业生态变化和对现有法律和伦理框架的挑战。 AI 绘画的关键词指南： 公式：主题+环境（背景、周围）+气氛（烈日下、雾蒙蒙、恐怖的、风暴席卷的）+灯光（顶光、雾气光、漫反射的、强对比的）+色彩（低饱和度、颜色鲜艳的、花里胡哨的、强反射的主色调、某种颜色是 accent color）+构图（黄金分割、三分法的、电影镜头、广角、鸟瞰图）+风格参考（超清细节的、照片级别的、写实的、抽象的、2D/3D、4k8k、数字雕刻、概念艺术、水墨、水彩、海报、某个软件、某个游戏、艺术家、艺术平台） 比如：找自己喜欢的艺术家风格放到风格参考的关键词里；找自己喜欢的灯光风格放到灯光的关键词里；找自己喜欢的颜色和调色板风格放到色彩的关键词里。 艺术与科技的融合： 呈现前所未有的奇妙景象，AI 绘画将艺术与先进技术完美结合，引领艺术界走向未来。 利用机器学习和深度学习等技术模拟人类创作过程，生成令人惊叹的作品，为艺术家提供全新创作工具和观众带来新体验。 打破传统手工绘画技巧的局限，通过编程、算法和数据分析等开拓全新创作领域，为缺乏绘画技巧的人提供参与艺术创作的机会，使艺术更民主化和包容。

我所使用的大模型相关信息未明确告知。但为您介绍一下大模型的相关知识： 大模型指的是用于表达 token 之间关系的参数多，主要是指模型中的权重（weight）与偏置（bias），例如 GPT3 拥有 1750 亿参数，其中权重数量达到了这一量级，而词汇表 token 数只有 5 万左右。以 Transform 为代表的大模型采用自注意力（Selfattention）机制来学习不同 token 之间的依赖关系，生成高质量 embedding。 通俗来讲，大模型就是输入大量语料，来让计算机获得类似人类的“思考”能力，使之能够理解自然语言，能够进行“文本生成”“推理问答”“对话”“文档摘要”等工作。 大模型的训练和使用过程可以类比为“上学参加工作”： 1. 找学校：训练 LLM 需要大量的计算，因此 GPU 更合适，只有购买得起大量 GPU 的才有资本训练自己的大模型。 2. 确定教材：大模型顾名思义就是大，需要的数据量特别多，几千亿序列（Token）的输入基本是标配。 3. 找老师：即用什么样的算法讲述“书本”中的内容，让大模型能够更好理解 Token 之间的关系。 4. 就业指导：学完书本中的知识后，为了让大模型能够更好胜任某一行业，需要进行微调（fine tuning）指导。 5. 搬砖：就业指导完成后，下面就要正式干活了，比如进行一次翻译、问答等，在大模型里称之为推导（infer）。 在 LLM 中，Token 被视为模型处理和生成的文本单位。它们可以代表单个字符、单词、子单词，甚至更大的语言单位，具体取决于所使用的分词方法（Tokenization）。Token 是原始文本数据与 LLM 可以使用的数字表示之间的桥梁。在将输入进行分词时，会对其进行数字化，形成一个词汇表。比如：The cat sat on the mat，会被分割成“The”“cat”“sat”等的同时，会生成相应的词汇表。

以下是一些可以帮助您分析数据写结论的 AI 应用和相关流程： ChatGPT 助力数据分析： 逻辑流程：用户描述想分析的内容，后台连接数据库，让 AI 输出 SQL 语句（需校验为 SELECT 类型），执行后将结果数据传给 GPT（附带上下文），让其学习并分析，最后输出分析结论和建议，与结果数据一起返回前端页面渲染图表、展示结论。目前已实现两张表关联查询。 个性化分析：用户上传文件，前端解析后传给 GPT 分析数据，后续步骤与上述一致。 用 AI 撰写专业区域经济报告： 信息收集：利用 AI 搜索与权威网站结合获取关键数据，AI 可辅助提取结构化表格数据或编写抓取程序。 内容拆分：针对报告需求将内容拆分，避免 AI 单次处理任务过长。 数据处理：借助传统工具如 Excel，结合 AI 指导高效操作数据筛选与图表生成。 分析与撰写：通过整理数据，利用 AI 辅助分析后撰写报告初稿，可指定风格并校验数据与结论准确性。但需注意 AI 仅作辅助，最终内容需人工主导校验，避免误导性结论。 其他相关： Mistral 发布全新聊天应用，基于 Pixtral Large 124B 多模态模型，支持网络搜索、写作画布与 Flux Pro 图像生成功能，亮点包括网络搜索工具获取最新信息、写作画布功能适合文档创作与协作、高质量图像生成工具 Flux Pro 支持免费使用。可通过在线体验。 Istra 发布 Pixtral Large 124B 聊天应用，特点为免费使用的大型多模态模型，支持网络搜索、写作画布、Flux Pro 画图，网络搜索和画图功能实用且强大，适合多场景需求。可通过了解。

Deep Research 是基于 AI 模型的产品，使用 GPT4o、o3 等推理模型，结合 UI 交互、搜索引擎等。它能让 AI 自动完成多步骤研究，快速分析海量信息并生成专业报告。具备自动化信息汇总、文献引用与多领域适用性，适合科研、工程、金融等行业。目前向 Pro 用户开放，未来将扩展至 Plus 和 Team 用户，并提供更强大的功能。 Deep Research 与 DeepSeek 有所区别，Deep Research 是基于 GPT4o 和 o3 的产品，具备 UI 交互、搜索等功能，更擅长生成专业报告；而 DeepSeek 只是品牌名称，需要加上具体模型名，如 DeepSeek V3（类似 GPT4o）或 DeepSeek R1（类似 OpenAI o1），DeepSeek Chat 虽然集成搜索，但效果仍有差距。 此外，OpenAI 推出了“深度研究”智能体，ChatGPT 可独立完成研究任务，该智能体基于优化版 OpenAI o3，结合网络浏览与 Python 分析能力，适用于科学、政策、工程等高强度知识工作，也能帮助购物者做复杂决策，Pro 用户已可使用，后续将逐步向 Plus、Team 和企业用户开放。同时，还存在 Deep Research 前置模型提示词泄露的情况。 相关链接：

RAG（RetrievalAugmented Generation，检索增强生成）是一种结合检索和生成能力的自然语言处理架构。 通用语言模型通过微调可完成常见任务，而更复杂和知识密集型任务可基于语言模型构建系统，访问外部知识源来实现。Meta AI 的研究人员引入了 RAG 方法来完成这类任务，它把信息检索组件和文本生成模型结合在一起，可微调且内部知识修改高效，无需重新训练整个模型。 RAG 会接受输入并检索相关支撑文档，给出来源，这些文档作为上下文和原始提示词组合送给文本生成器得到最终输出，能适应事实随时间变化的情况，让语言模型获取最新信息并生成可靠输出。 LLM（大语言模型）存在一些缺点，如无法记住所有知识尤其是长尾知识、知识容易过时且不好更新、输出难以解释和验证、容易泄露隐私训练数据、规模大导致训练和运行成本高。而 RAG 具有诸多优点，如数据库对数据的存储和更新稳定且无学习风险、数据更新敏捷且可解释、降低大模型输出出错可能、便于管控用户隐私数据、降低大模型训练成本等。 在 RAG 系统开发中存在 12 大痛点及相应的解决方案。

ComfyUI 与 WebUI 的区别如下： ComfyUI 简介： 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，可想象成集成了 stable diffusion 功能的 substance designer，将流程拆分成节点，实现更精准工作流定制和完善的可复现性。 优势： 对显存要求相对较低，启动和出图速度快。 生成自由度更高。 可以和 WebUI 共享环境和模型。 能搭建自己的工作流程，可导出流程并分享，报错时能清晰发现错误所在。 生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势： 操作门槛高，需要清晰逻辑。 生态不如 WebUI 丰富，但也有针对其开发的有趣插件。 官方链接：https://github.com/comfyanonymous/ComfyUI 采样器与调度器： 在 ComfyUI 中，采样器与调度器分开，不同于 WebUI 中将两者合并。ComfyUI 通过采样器+调度器组合的方式与 WebUI 中的一致，选择 karras 调度器一般效果较好。 插件： 插件安装管理器：https://github.com/ltdrdata/ComfyUIManager SDXL 风格样式：https://github.com/twri/sdxl_prompt_styler ComfyUI 界面汉化：https://github.com/AIGODLIKE/AIGODLIKECOMFYUITRANSLATION 中文提示词输入：https://github.com/AlekPet/ComfyUI_Custom_Nodes_AlekPet 蟒蛇八卦工具箱：https://github.com/pythongosssss/ComfyUICustomScripts 提示词权重调节器：https://github.com/BlenderNeko/ComfyUI_AD 在 WebUI 中安装插件能直观看到并使用，因其有良好用户界面；而 ComfyUI 安装插件后可能看不到，需通过节点连接感受其功能，安装方法是将解压好的文件夹放入“E:\\ComfyUI_windows_portable\\ComfyUI\\custom_nodes”目录，然后重新启动。