以下是关于问题定义优化助手的相关内容： 市面上有很多 Prompt 框架，框架可理解为从不同角度为思考问题提供解决方案的路径。一个问题的解决通常包括问题背景（所需角色、具备的能力和资源）、问题目标（期望的输出结果和验收标准，如提供商务谈判的完整过程）、提供的资料信息、限制条件（如预算限制等）、角色技能（为目标服务所需调动的技能，如熟悉某个领域的商业案例）和工作流（解决问题时需完成的任务步骤，如信息收集、谈判策略设定等）。细致的内容可能得到更好的结果，但也可能限制可能性，这是一个平衡和折中的结果。 效果呈现方面，体验地址为 。 3 月 5 日作业要求大家看完小七姐的 5 篇入门指南并动手实践，写出自己的一条 prompt 及对话分享出来，提交格式为创作思路和目标｜prompt 展示｜输出结果。例如无上的目标是让大模型对自己的提问内容进行优化，其思路包括询问大模型“更好的提问”方法论、让 kimi 分析并优化等步骤。 在从 AI 助教到智慧学伴的应用探索中，提到了在不同学段和学科的应用场景，以及向 AI 大模型提问的问题设计，还涉及教育提示词优化助手。

以下是搭建微信机器人的步骤： 1. 登录成功后，找另一个人私聊或者在群中@您，就可以看到机器人的正常回复，此时表示已通。 2. 如果想为这个 AI 赋予提示词，可以返回相应步骤进行更改。例如在“目录 4 里的第 17 步”或“第三章，第 7 步”，其中双引号内的 value 部分，便是设置 AI 提示词的地方。 3. 此后，进行任何更改，都需要重新打印登陆二维码。并且一个月内，不要上来就加好友、最好不要私聊聊天。 4. 报错"wxsid"是因为微信未实名，实名即可解决。 5. 如果没有手机登录，可以使用夜神模拟器模拟手机登录。 6. 重新在“文件”的【终端】里，直接输入 nohup python3 app.py&tail f nohup.out 重新扫码登录。 7. 多次重新登录后，就在宝塔“首页右上角点击重启，重启一下服务器”，清理进程。 8. 熟悉 linux 操作的话，也可以通过重启进程的方式来重启服务。 9. 如果想退出机器人，在手机微信上找到桌面版已登录的信息，点击退出桌面版即可。 此外： 1. Link AI 提供的 100 个，合计 3500 万 GPT3.5 Token 的礼品码。可以用来实现画图、搜索、识图等功能，COW 插件里几乎都支持使用 LinkAI 平台。完成机器人搭建，机器人拉群里，领兑换码。 2. 添加微信，拉您进机器人群，先行体验。 如果您仍旧遇到问题，可以先查询社区知识库，或者加“通往 AGI 之路”群，社区小伙伴们会尽力帮助。也可以加 Stuart 个人微信询问。

老照片修复是一项具有一定复杂性的工作，但随着 AI 技术的发展，实现方式也在不断改进和优化。 以往，AI 在解决老照片修复问题时，往往需要搭建极为复杂的工作流。而现在，例如 GPT 4O 只需要一句话，就可以实现部分修复需求。 在具体的修复方法中，如使用 SD 进行老照片上色，可以启用 MutiDiffusion 插件，不开放大倍数，仅使用分块渲染的功能，在显存不够的情况下将图片放大到足够的倍数。对于复杂的老照片，如人物多、场景复杂、像素低的情况，可以先在 ps 里面进行角度调整和照片裁切，然后进行上色。若直接上色效果不佳，可放弃人物服装的颜色指定，只给场景方向，让 AI 自行决定，还可加入第二个 controlnet 来控制颜色。 ComfyUI 老照片修复结合 Flux Controlnet Upscale 工作流，以前复杂的工作流现在只要十几个基础的节点就能实现同样的效果甚至更好。其中涉及参数的调节，一般先确认放大的倍数，然后根据出来的图片来调整 controlNet 的强度。Flux.1dev ControlNet 是为低分辨率图像开发的模型，可直接与 diffusers 库一起使用，采用合成复杂数据退化方案进行训练。Flux Ultimator 能增加小细节和放大色调的丰富性和深度，在 0.1 的强度设置下也能有显著增强效果，能顺利集成到工作流程中。若图片质量细节不够，T5 Clip 选择 fp16 的版本。

以下是与 Manus 模式类似的软件： 1. Same.dev：像素级 UI 还原，自动生成对应代码，云端运行，支持自定义编码，但免费额度使用快，需输入 API，目前网站被标记危险。相关链接： 2. Genspark Super Agent：作为世界上首个 MixtureofAgents 系统，集多种功能于一体，能自动完成复杂任务。在 GAIA 基准测试的三个级别中得分均高于 Manus，具有近乎即时的结果、执行过程中错误和幻觉显著减少、让用户掌控一切并能指导和优化输出等优势。它是世界上第一个 MixtureofAgents 系统，利用最佳模型、工具和数据集来执行不同的任务，比如基础智能体的对话、图片、视频生成以及翻译。

以下是关于 OpenManus 的相关信息： 比赛说明： 赛道一 OpenManus 效果 规则：自由修改代码，复现 Manus 原版某一方面的效果，可参考 12 个精选 Case。可以选择优化某类任务下执行的效果、优化前端页面或复刻宣传效果等，方向不限。 规模：队伍规模在 1 3 人之间。 评判：由组委会评委与大众人气投票热度评分，比例 8:2。 奖项：一、二、三等奖。 赛道二 OpenManus 创意 规则：自由修改代码，通过任何手段或工具，使用 OpenManus 得到有趣效果，完成有趣任务。 规模：队伍规模在 1 3 人之间。 评选规则：由组委会评委与大众人气投票热度评分，比例 2:8。 奖项：一、二等奖。 时间表： 线上启动：2025 年 3 月 21 日，线上启动会。 报名时间：3 月 20 日 3 月 28 日。 比赛阶段：3 月 21 日 4 月 3 日。 提交截止：4 月 3 日 23:59。 人气评审阶段：4 月 4 日 4 月 8 日 23:59，作品线上展示，大众投票。 结果公布&颁奖：4 月 10 日。 趋势研究： Manus 注重实用性和用户体验，目前虽为内测阶段但已计划开源部分模型以构建生态影响力。受其启发，开源社区涌现了如 OpenManus、OWL 等快速复刻的项目。多智能体的协作机制成为业界热点，通过让不同专长的 Agent 各司其职、相互通信，一个 AI 系统可以具备更大的灵活性和扩展性。例如，复杂业务流程中的不同环节可由不同 Agent 完成，再由调度 Agent 统筹协调。这种架构在一定程度上模拟了人类团队协作的问题求解方式，被认为是迈向更通用智能的重要路径。Anthropic 也在其 Agent 研发中引入类似理念，区分“Workflow”（固定流程）和“Agent”（自主决策流程）的概念，指出当任务复杂度和不确定性较高时，应让 LLM 自行规划调用工具，而非预设流水线。总之，多 Agent 系统通过模块化分工+自主协调，提升了大型任务的可管理性和成功率，已成为 2025 年 Agent 系统设计的主流思路之一。 开发进展： 距离 OpenManus 开源第一天已过去 12 天，收获了大量关注和 37k stars。在此期间不断完善和优化，包括修复已知 bug、兼容不同 LLM 调用方式、优化基础 Manus 的各类工具等，现已迭代完成基础稳定版的开发，并举办了 OpenManus Hackathon 比赛，邀请充满好奇心的小伙伴参加，展示创造力和想象力。

以下是一些用 DeepSeek 写课题申报书的相关指令和要点： 1. 思维链引导： 分步标记法：请逐步思考，如问题分析→方案设计→风险评估。 苏格拉底式追问：在得出最终结论前，先列举三个可能存在的认知偏差。 2. 知识库调用： 领域限定指令：基于特定的标准或文献，如 2023 版中国药典，说明相关内容。 文献引用模式：以特定的论文为参考，解释相关突破。 3. 多模态输出： 模糊指令优化：对于宽泛需求添加维度约束，将主观表述量化标准。 迭代优化法：包括首轮生成获取基础内容、特征强化、风格调整和最终校验等步骤。 4. 在课题申报书的内容方面： 关于提示词编写及 AI 应用的探讨：介绍用于不确定世界中理性决策的提示词编写方法，包括收集信息、重新定义问题、运用 Mini Max Regret 方法等步骤。注意示例的价值，自用与他用提示词在稳定性、经济性、可维护性等方面的区别。 AI 应用于软件开发：未来借助 AI 模型的 API 和编写提示词，可快速实现软件开发。 关于写作与模型：用 DeepSeek 写小说要能引起共鸣和考虑人类共性，文字要感动人。注意模型特点与推荐，如 Cloud 3.5 模型多样性差，DeepSeek R1 有缺陷但也不错。 以上内容仅供参考，您可以根据具体的课题需求进一步调整和完善。

以下是关于 Deepseek 课题申报书的相关内容： Deepseek 时代提示词之关键诉求： 怕模型理解偏差的补救指令：“方向 OK，但 X 部分要更...” 需求临时变更的追加符号：“+❗️增加二手市场评价” 多需求冲突时的优先级标记：“❗️防水>颜值>价格” 最终心法：把 LLM 当作会读心术的聪明朋友，不用解释“怎么呼吸”，只说“想要栀子花香”。不用担心它不懂，只要标记雷点和嗨点，越放松的表达，越能激发它的真正实力，就像给画家说“要夏天的海”，而不是规定“蓝色占比 30%+浪花画法”，留白处才是艺术诞生地。 集合 Deepseek 提示词方法论： 进阶控制技巧： 思维链引导：分步标记法，如请逐步思考“1.问题分析→2.方案设计→3.风险评估”；苏格拉底式追问，即在得出最终结论前，请先列举三个可能存在的认知偏差。 知识库调用：领域限定指令，如“基于 2023 版中国药典，说明头孢类药物的配伍禁忌”；文献引用模式，如“以 Nature 2022 年发表的论文为参考，解释 CRISPRCas9 最新突破”。 高级调试策略： 模糊指令优化：包括宽泛需求添加维度约束，如原句“写小说”→修正“创作以 AI 觉醒为背景的悬疑短篇，采用多视角叙事结构”；主观表述量化标准，如原句“写得专业些”→修正“符合 IEEE 论文格式，包含 5 项以上行业数据引用”。 迭代优化法：首轮生成获取基础内容，特征强化请加强第三段的技术细节描述，风格调整改用学术会议报告语气并添加结论部分，最终校验检查时间逻辑一致性并列出可能的事实性错误。 AIIP 共学模版自媒体全域运营： 以“Deepseek+即梦，包装设计步骤来啦。”为例，介绍了以下流程： 打开 Deepseek 提供文字需求，发送指令，需求不明确时，可进行多次对话，直到 Deepseek 输出的提示词与自己的想法贴近为止。 提示词生成完成后，将提示词粘贴在即梦里，等待几分钟就可得到精美图片，如果对图片不满意，可修改提示词直到生成的图满意为止。 将生成好的图片放进 PS 里处理，再进行排版设计。 最后将设计好的图，贴上样机（样机也可以根据自己的需求进行 AI 生成）就完成了。

以下是一些与汽车三维建模相关的 AI 应用： Vibe Draw：可以根据草图进行 3D 建模。 PhysTwin：能够通过视频创建交互式物理数字孪生。 GroomLight：用于重打光的人体头发外观建模的混合逆向渲染。

以下是一些与汽车三维建模相关的 AI 应用： Vibe Draw：可以根据草图进行 3D 建模。 PhysTwin：能够通过视频创建交互式物理数字孪生。 GroomLight：用于重打光的人体头发外观建模的混合逆向渲染。

处理 LLM 模型响应时间过长导致的超时问题，可以考虑以下方法： 1. 参数有效调整：这是一种新颖的微调方法，通过仅训练一部分参数来减轻微调 LLM 的挑战。这些参数可能是现有模型参数的子集，或者是一组全新的参数，例如向模型添加一些额外的层或额外的嵌入到提示中。 2. 优化提示设计：采用合适的提示方法，如零样本提示、一次性提示、Fewshot prompting 等。零样本提示是只给出描述任务的提示；一次性提示是让 LLM 执行任务的单个示例；Fewshot prompting 是让 LLM 执行任务的少量示例。同时，可以使用结构化模式设计提示，包含上下文、问题示例及相应答案等组件，以指示模型应如何响应。 3. 避免频繁调整某些参数：尤其是 Top K 和 Top P，不需要经常对其进行调整。 4. 关注模型响应质量：即使有良好的提示设计，模型输出仍可能不稳定，需要持续关注和优化。 5. 考虑成本和时间：微调大型模型可能耗时且成本高，为大模型提供服务也可能涉及额外麻烦和成本，需要综合评估和优化。