以下是一些生成精美图片的 AI 工具： 1. 文生图工具： DALL·E：由 OpenAI 推出，能根据输入的文本描述生成逼真图片。 StableDiffusion：开源工具，可生成高质量图片，支持多种模型和算法。 MidJourney：因高质量图像生成效果和友好界面在创意设计人群中流行。 在 WaytoAGI 网站（https://www.waytoagi.com/category/104 ），可以查看更多文生图工具。 2. 图生图工具： Artguru AI Art Generator：在线平台，生成逼真图像，为设计师提供灵感。 Retrato：将图片转换为非凡肖像，有 500 多种风格选择，适合制作个性头像。 Stable Diffusion Reimagine：通过稳定扩散算法生成精细、具细节的全新视觉作品。 Barbie Selfie Generator：将上传照片转换为芭比风格，效果好。 此外，GPT4o 画图直接输入关键词即可生成精美图片，不需额外软件；带中文的图豆包生成图片效果也不错。但这些工具仍存在一些局限，如偶尔性能不稳定、生成内容不当等。

以下是关于 AI 写作的相关内容： 一、陈财猫的观点 作者陈财猫从自身经历出发，分享了以下关于用 AI 写出比人更好的文字的思考和实践： 1. AI+内容创作是现阶段最好的赛道：基于对大模型发展现状的观察和对“开车”“写作”两类任务的对比，认为该赛道有完美的产品模型匹配和产品市场匹配，且天花板高。 2. AI 写作的实践成果：业务包含营销和小说、短剧创作，开发了智能营销矩阵平台，参与喜马拉雅短故事和短剧写作课程，捣鼓出小财鼠程序版 agent。 3. 定义好文字：好文字能引起人的生理共鸣与情绪，AI 因预训练数据量大能学会引发共鸣，从而写出好文字。 4. 用 AI 写出好文字的方法： 选好模型，评估模型的文风和语言能力、是否有过度道德说教与正面描述趋势、in context learning 能力和遵循复杂指令的能力。 克服平庸，平衡“控制”与“松绑”。 显式归纳想要的文本特征，通过 prompt 中的描述与词语映射到预训练数据中的特定类型文本，往 prompt 里塞例子。 5. 对 AI 创作的看法：AI 创作的内容有灵魂，只要读者有灵魂，文本就有灵魂；有人讨厌 AI 是因其未改变多数人生活，或自身是受害者。作者期望 AI 能力进一步提升，改变每个人的生活。 二、3 月 10 日 AI 资讯中的相关内容 1. 【AI 写作】 Muse：专门为小说创作训练的 AI 模型工具，可实现在线的小说续写修改，创意头脑风暴以及同时基于画布形式的故事创作。可免费试用。 三、AI 写作变现指南 1. 项目启动： 确定目标客户群体，如大学生、职场人士、自媒体从业者等。 选择合适的 AI 写作工具，以满足不同客户的需求。 2. 准备阶段： 学习并实践 AI 写作技术，通过书籍、在线课程等资源提升写作技能。 构建团队，培养和扩充团队成员，以提高运营效率。 3. 商业模式构建： 确定服务内容，如提供论文、报告、文案等直接写作服务。 制定质量控制标准，确保写作内容满足客户要求。 4. 运营与推广： 在淘宝等电商平台上开设店铺，展示并销售写作服务。 建立写作培训社群，分享写作技巧和 AI 应用经验，提升品牌影响力。 通过社交媒体和线下活动进行品牌和社群建设。 与绘画团队、其他写作工作室等合作，共同开发新项目。 5. 项目优化与发展： 持续关注 AI 技术进展，提升服务质量和效率。 根据市场需求，拓展新的服务和产品。 收集客户反馈，不断优化和改进服务。 这份指导强调了 AI 技术在写作服务中的应用，以及如何通过团队建设、质量控制、客户反馈和市场拓展来提升整个业务的竞争力和盈利能力。同时，也提出了与艺术、自媒体等其他领域的合作可能性，以开发衍生项目，进一步扩大业务范围和市场份额。

以下是关于知识库的相关内容： 创建并使用知识库： 在 Bot 内使用知识库： 1. 登录。 2. 在左侧导航栏的工作区区域，选择进入指定团队。 3. 在 Bots 页面，选择指定 Bot 并进入 Bot 详情页。 4. 在 Bot 编排页面的知识库区域，单击加号图标，添加指定的知识库。 5. （可选）添加知识库后，可以在自动调用下拉界面内，调整知识库的配置项，包括最大召回数量（Bot 在调用知识库匹配用户输入内容时，返回的数据片段数量，数值越大返回的内容越多）、最小匹配度（Bot 在调用知识库匹配用户输入内容时，会将达到匹配度要求的数据片段进行召回。如果数据片段未达到最小匹配度，则不会被召回）、调用方式（自动调用：每轮对话将自动从所有关联的知识库中匹配数据并召回；按需调用：需要在人设与回复逻辑中提示 Bot 调用 RecallKnowledge 方法，以约束 Bot 在指定时机从知识库内匹配数据）。 6. （可选）在预览与调试区域调试 Bot 能力时，扩展运行完毕的内容可以查看知识库命中并召回的分片内容。 在工作流内使用 Knowledge 节点： 1. 登录。 2. 在左侧导航栏的工作区区域，选择进入指定团队。 3. 在页面顶部进入工作流页面，并打开指定的工作流。 4. 在左侧基础节点列表内，选择添加 Knowledge 节点。 Coze 打造 AI 私人提效助理实战知识库： 在上述步骤中创建好知识库后，就可以在智能体中配置知识库了。在 coze 主页，个人空间 > 项目开发中，打开一个需要添加知识库的智能体，可以选择配置“文本”、“表格”、“照片”三种知识库。下面以配置文本知识库作为例子。点击加号，选择在 1.3 中已经提前创建好的知识库，点击添加。下一步就是配置提示词，让智能体自动使用知识库回答问题。在进行大概地描述以后，点击右上角“优化”，可以自动优化提示词，获得更好的结果。最后，在网页最右方的“预览与调试”中，测试智能体是否正常调用知识库。 集合 Deepseek 提示词方法论： DeepSeek R1 提示词系统完全指南： 三、进阶控制技巧： 1. 思维链引导：分步标记法（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（在得出最终结论前，请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 2023 版中国药典，说明头孢类药物的配伍禁忌）、文献引用模式（以 Nature 2022 年发表的论文为参考，解释 CRISPR Cas9 最新突破）。 3. 多模态输出。 四、高级调试策略： 1. 模糊指令优化： 问题类型：宽泛需求，修正方案：添加维度约束，示例对比：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"。 问题类型：主观表述，修正方案：量化标准，示例对比：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"。 2. 迭代优化法： 1. 首轮生成：获取基础内容。 2. 特征强化：请加强第三段的技术细节描述。 3. 风格调整：改用学术会议报告语气，添加结论部分。 4. 最终校验：检查时间逻辑一致性，列出可能的事实性错误。

以下是关于知识库的批量创建和调用的详细信息： 使用知识库： 在 Bot 内使用： 1. 登录。 2. 在左侧导航栏的工作区区域，选择进入指定团队。 3. 在 Bots 页面，选择指定 Bot 并进入 Bot 详情页。 4. 在 Bot 编排页面的知识库区域，单击加号图标，添加指定的知识库。 5. （可选）添加知识库后，可以在自动调用下拉界面内，调整知识库的配置项，包括最大召回数量、最小匹配度和调用方式（自动调用或按需调用）。 6. （可选）在预览与调试区域调试 Bot 能力时，扩展运行完毕的内容可以查看知识库命中并召回的分片内容。 在工作流内使用： 1. 登录。 2. 在左侧导航栏的工作区区域，选择进入指定团队。 3. 在页面顶部进入工作流页面，并打开指定的工作流。 4. 在左侧基础节点列表内，选择添加 Knowledge 节点。 创建知识库并上传表格数据： API 方式： 1. 在表格格式页签下，选择 API，然后单击下一步。 2. 单击新增 API。 3. 输入网址 URL 并选择数据的更新频率，然后单击下一步。 4. 输入单元名称或使用自动添加的名称，然后单击下一步。 5. 配置数据表信息后，单击下一步。 5.1 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。 5.2 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。 6. 查看表结构和数据，确认无误后单击下一步。 7. 完成上传后，单击确定。 自定义方式： 1. 在表格格式页面下，选择自定义，然后单击下一步。 2. 输入单元名称。 3. 在表结构区域添加字段，单击增加字段添加多个字段。 4. 设置列名，并选择指定列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。 5. 单击确定。 6. 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。 创建文本型知识库： 目前支持 5 种导入类型：本地文档、在线数据、notion、飞书、自定义。 在线数据： 自动采集：支持从单个页面或批量从指定网站中导入内容。 添加单个页面的内容： 1. 添加方式：选择添加单个。 2. 更新频率：选择是否自动更新指定页面的内容及自动更新的频率。 3. 网址 URL：输入要采集内容的网址。 批量添加网页内容： 1. 添加方式：选择批量添加。 2. 根地址或网站地图：输入要批量添加的网页内容的根地址或 sitemap 地址，然后单击导入。 3. 导入成功后，单击确认。 手动采集：支持标注要采集的内容，内容上传成功率高。使用手动采集方式，需要先安装浏览器扩展程序。安装步骤，参考。 1. 在新增 URL 页面，选择手动采集。 2. 在弹出的页面输入要采集内容的网址，然后单击确认。 3. 在弹出的页面上，点击页面下方文本标注按钮，开始标注要提取的内容，然后单击文本框上方的文本或链接按钮。 4. 单击查看数据查看已采集的内容，确认无误后再点击完成并采集。

DeepSeek 在辅助写论文方面具有一定的优势和应用场景： 可以快速分析案例，为咨询策划报告提供效率赋能，通过结构化数据提取和逻辑推理，快速定位关键信息，生成具备商业洞察的初步框架。尤其在竞品分析、市场进入策略等场景中可缩短 30%以上的前期研究时间。 但也存在一些不足，例如写长文时可能会太发散、文风用力过猛导致审美疲劳，且模型多样性不够，相同 prompt 提问多次答案雷同。 在使用 DeepSeek 辅助写论文时，可以参考以下建议： 先与 DeepSeek 讨论思路，获取初步的框架和要点。 对于生成的内容，根据需要进行修改和完善，以符合论文的要求和风格。 用户在使用 DeepSeek 辅助写论文的过程中，还可以尝试让其模仿特定的文风特征，或者通过多轮对话让其增删改查来调整字数。同时，也可以结合其他工具，如 Cloud 3.5 等，以提高论文的质量和效率。

以下是关于文生图的详细教程： 定主题：明确您需要生成的图片的主题、风格和要表达的信息。 选择基础模型 Checkpoint：根据主题选择贴近的模型，如麦橘、墨幽的系列模型（麦橘写实、麦橘男团、墨幽人造人等）。 选择 lora：基于生成内容寻找重叠的 lora，以控制图片效果和质量，可参考广场上好看帖子中使用的 lora。 ControlNet：用于控制图片中的特定图像，如人物姿态、生成特定文字、艺术化二维码等，属于高阶技能。 局部重绘：下篇再教。 设置 VAE：无脑选择 840000 即可。 Prompt 提示词：用英文书写想要 AI 生成的内容，使用单词和短语组合，不用管语法，单词、短语之间用英文半角逗号隔开。 负向提示词 Negative Prompt：同样用英文书写想要 AI 避免产生的内容，单词和短语组合，用英文半角逗号隔开。 采样算法：一般选 DPM++2M Karras 较多，也可参考 checkpoint 详情页中模型作者推荐的采样器。 采样次数：选 DPM++2M Karras 时，采样次数通常在 30 40 之间。 尺寸：根据个人喜好和需求选择。 以下是一些常见的文生图工具： 腾讯混元、luma、Recraft、文生图大模型 V2.1L（美感版）、美图奇想 5.0、midjourney、快手可图、Flux.1.1、Stable Diffusion 3.5 Large、Imagen 3 网页版

以下是关于大模型的相关信息： 4 月 6 日的 XiaoHu.AI 日报中提到：支持文本+图像+视频输入，采用 early fusion 技术整合多模态数据。Scout 支持 1000 万上下文，适合处理超长文本和复杂推理任务；Maverick 有 100 万上下文，长记忆优势适配多场景替代 RAG；Behemoth 是 2 万亿参数级别的大模型在训，已超越 GPT4.5 在 STEM 表现。相关详细介绍及评测的链接为： 。 在质朴发言：大模型未来发展：RAG vs 长文本，谁更胜一筹？｜Z 沙龙第 8 期中提到：随着大模型上下文窗口长度不断增加，各个厂商对于文本生成模型呈现出“军备竞赛”的态势。目前，主流的文本生成模型是聊天模型，比如 GPT、Claude 3 等，也有少部分 Base 模型，例如 Yi34 开源模型。两位技术研究人员分享了他们对于大模型的看法：用户使用最多的是 GPT，但对外开放的版本性能较差，用户交互端无法传输大文件，只能通过 API 接口上传。月之暗面的 Kimi 模型大海捞针测试分数很高，但实际使用效果没有达到理想状态。百川 192K 的闭源模型，对于 6 万字的长文本，其表现的推理能力和回答效果很优秀。各种长文本的跑分数据，最高的是 Claude 3 模型。

以下是一些常见的长文本模型： 1. 聊天模型：如 GPT、Claude 3 等。 2. Base 模型：例如 Yi34 开源模型。 3. 百川 192K 的闭源模型，对于 6 万字的长文本，其推理能力和回答效果优秀。 4. 通义千问的 Qwen2.51M 大模型，推出 7B、14B 两个尺寸，在处理长文本任务中稳定超越 GPT4omini，且开源推理框架在处理百万级别长文本输入时可实现近 7 倍的提速。 5. 文心一言 4.0、智谱清言、KimiChat 等国产大模型在长文本归纳总结能力方面也有所涉及。

以下是一些学术 AI 工具： AI4Science：包括 txyz.ai（https://www.txyz.ai/）、BioGPT（https://github.com/microsoft/BioGPT）、ScienceQA（https://scienceqa.github.io/）、Devin（https://www.cognitionlabs.com/introducingdevin）、Poe（https://poe.com/）、学术 AI（https://chat.uaskgpt.com/）、DeepMath（http://www.deepmath.cn/）、MethGPTPro（https://www.mathgptpro.com/）、RxInfer（https://rxinfer.ml/）、XwinMath（https://github.com/XwinLM/XwinLM/）、LeanDojo（https://leandojo.org/）等。 论文写作方面： 文献管理和搜索：Zotero（结合 AI 技术，可自动提取文献信息）、Semantic Scholar（AI 驱动的学术搜索引擎）。 内容生成和辅助写作：Grammarly（提供文本校对、语法修正和写作风格建议）、Quillbot（基于 AI 的重写和摘要工具）。 研究和数据分析：Google Colab（提供基于云的 Jupyter 笔记本环境）、Knitro（用于数学建模和优化）。 论文结构和格式：LaTeX（结合自动化和模板处理论文格式和数学公式）、Overleaf（在线 LaTeX 编辑器）。 研究伦理和抄袭检测：Turnitin（抄袭检测工具）、Crossref Similarity Check（检测潜在抄袭问题）。 对于医学课题需要修改意见的情况，可以考虑使用 Scite.ai（https://scite.ai/）、Scholarcy（https://www.scholarcy.com/）、ChatGPT（https://chat.openai.com/）。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是关于模型训练的基本名词和方法的介绍： 基本名词： 1. 过拟合&欠拟合：过拟合和欠拟合都是不好的现象，需要加以控制以让模型达到理想效果。解决方法包括调整训练集、正则化和训练参数等，过拟合可减少训练集素材量，欠拟合则增加训练集素材量。 2. 泛化性：泛化性不好的模型难以适应其他风格和多样的创作。可通过跑 lora 模型生图测试判断泛化性，解决办法与过拟合和欠拟合类似，从训练集、正则化、训练参数等方面调整。 3. 正则化：是解决过拟合和欠拟合情况、提高泛化性的手段，给模型加规则和约束，限制优化参数，有效防止过拟合，提高模型适应不同情况的表现和泛化性。 方法： 1. 全面充分采集训练素材：例如在角色训练素材中，应包含各种角度、表情、光线等情况的素材，确保模型具有较好泛化性。 2. 图像预处理：对训练素材进行分辨率调整、裁切操作，并对训练集进行打标签处理。 3. 参数调优：尽量将训练时长控制在半小时左右，过长易导致过拟合，通过调整参数控制时长。 4. 观察学习曲线：通过观察学习曲线来调整训练素材和参数。 5. 过拟合&欠拟合处理：测试训练好的模型，观察过拟合和欠拟合问题，进一步通过调整训练素材和正则化等手段优化。 此外，在模型训练中还需注意： 1. 数据集获取渠道：可通过网上收集、购买、使用无版权问题的如古画等，原则是根据生成图的需求找对应数据集，要清晰、主体元素干净、风格统一。 2. 数据集处理：包括基础处理如裁剪保证清晰和分辨率，更重要的是写标注。 3. 设置模型触发词：可自定义，完整形式可以是一句话，建议以王 flags 模型为主。 4. 统一标注风格与应用场景：例如未来高科技 3D 天然风格，用于互联网首页图像等，并概括主题内容、描述物体特征等。 5. 利用 GPT 辅助描述并人工审核：让 GPT 按要求描述，人工审核修改。 6. 模型训练的准备与流程：完成数据集描述后进入训练流程，选择模型训练分类和数据集，创建并上传数据集压缩包，注意数据名与图片命名一致。选择训练模式和参数，新手选用普通基础模式，训练集质量重要，训练参数中总步数与训练集图片数量相关，触发词设定要避免概念混乱。