以下是关于联网检索的 AI 的相关信息： 存在能联网检索的 AI，它们通过连接互联网，实时搜索、筛选并整合所需数据，为用户提供更精准和个性化的信息。 例如 ChatGPT Plus 用户现在可以开启 web browsing 功能实现联网。 Perplexity 结合了 ChatGPT 式的问答和普通搜索引擎的功能，允许用户指定希望聊天机器人在制定响应时搜索的源类型。 Bing Copilot 作为 AI 助手，旨在简化在线查询和浏览活动。 还有如 You.com 和 Neeva AI 等搜索引擎，提供基于人工智能的定制搜索体验，并保持用户数据的私密性。 常见的 AI 助手采用通过联网搜索获取实时信息。当用户开启联网搜索时，助手先将用户的请求发送至搜索引擎，再将返回内容与用户输入一起提供给大模型，最终生成回答。搜索引擎在此作为实时信息源，为大语言模型提供额外的上下文。 如果希望 AI 能提供行业内部信息、或者研发的自有系统内的信息，AI 联网搜索的效果就很不好，甚至无法实现。用户可以自行搭建 AI 代理，将自有系统的数据通过 API 的形式接入 AI 助手，为大语言模型补充提供丰富的上下文信息。 MCP 协议解决了 AI 大模型与数据源集成碎片化的问题，提供统一标准，让开发者无需为每个数据源和 AI 助手单独开发连接器。通过 MCP，数据源和 AI 工具可建立安全双向连接，使 AI 在不同工具和数据集间流畅协作，实现更可持续的架构。 在完成意图识别，确认需要联网检索之后，可以对用户的 query 进行改写（Rewrite）。Query Rewrite 的目的，是为了得到更高的检索召回率。Query Rewrite 可以通过设置提示词请求大模型完成，主要包括三个维度的改写： 让提问有更精准/更专业的表达。比如用户搜索“ThinkAny”，改写后的 query 可以是“ThinkAny 是什么？”，再把问题翻译成英文“ What is ThinkAny ”，同一个问题，双语分别检索一次，得到更多的参考信息。 补全上下文，做指代消解。比如用户搜索“ThinkAny 是什么？”，得到第一次回复后继续追问“它有什么特点？”，用历史对话内容作为上下文，把第二次 query 改写成“ThinkAny 有什么特点？”，指代消解后再去检索，会有更高的召回率。 名词提取。比如用户搜索“ThinkAny 和 Perplexity 有什么区别？”，可以把“ThinkAny”和“Perplexity”两个名词提取出来，分别检索。 提升 AI 搜索准确度，另一个关键措施就是做多信息源整合。结合上面提到的意图识别和问题改写，假设用户搜索“ThinkAny 和 Perplexity 的区别是什么？”，根据意图识别，判断需要联网，并且是信息查询类的搜索意图。在问题改写阶段，提取出来“ThinkAny”和“Perplexity”两个概念名词，除谷歌检索之外，还可以检索 Wikipedia/Twitter 等信息源，拿到百科词条内容和 Twitter 的用户反馈信息，可以更好地回答这个问题。AI 搜索最大的壁垒在于数据。 内容由 AI 大模型生成，请仔细甄别。

要在 DeepSeek 中搜索出图片，您可以参考以下信息： 在即梦 AI 平台上找到 DeepSeek 入口，简单描述您想要的画面，DeepSeek 会生成详细的提示词，将提示词复制到生图功能的输入框，选择 3.0 模型，点击生成。 DeepSeek 使用平台包括 DeepSeek 官网、API（V3 需要为 0324 更新的版本，DS 官网及 API 已更新，如调用其它平台 API 需要查看 DS 版本号）。Deepseek 需要复制代码到 html 文件里，然后保存进行查看。 将下载的 html 文件及图片放到同一个文件夹，让 Cursor 进行图片增加即可。 此外，DeepSeek 深夜发布了大一统模型 JanusPro，将图像理解和生成统一在一个模型中。其具有统一 Transformer 架构，提供 1B 和 7B 两种规模，全面开源，支持商用，MIT 协议，部署使用便捷，Benchmark 表现优异等特点。模型地址： 模型（7B）：https://huggingface.co/deepseekai/JanusPro7B 模型（1B）：https://huggingface.co/deepseekai/JanusPro1B 下载地址：https://github.com/deepseekai/Janus

以下是关于视频内容概括的 AI 相关知识： 除了聊天内容，AI 还能总结不超过 2 万字的文章。例如，将文章全选复制粘贴给 GPTs 即可进行总结，GPT4 能识别重点内容。 对于 B 站视频，若视频有字幕，可通过安装油猴脚本获取字幕。安装后刷新浏览器，点击字幕会出现“下载”按钮，可选择多种字幕格式。获取字幕后全选复制发送给 GPTs 就能实现视频内容总结。 在技术原理方面： 生成式 AI 生成的内容称为 AIGC。 相关技术名词包括 AI（人工智能）、机器学习（包括监督学习、无监督学习、强化学习）、监督学习（有标签的训练数据）、无监督学习（自主发现规律，如聚类）、强化学习（从反馈学习）、深度学习（参照人脑神经网络）、生成式 AI（可生成多种内容形式）、LLM（大语言模型）。 2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出 Transformer 模型，其基于自注意力机制处理序列数据，不依赖循环神经网络或卷积神经网络。

以下是关于 AI 生图的详细教程： 一、Liblibai 简易上手教程 1. 定主题：明确您想要生成的图片的主题、风格和表达的信息。 2. 选择 Checkpoint：根据主题选择贴近内容的 Checkpoint，如麦橘、墨幽的系列模型。 3. 选择 lora：寻找与生成内容重叠的 lora，以控制图片效果和质量。 4. 设置 VAE：选择 840000 那一串。 5. CLIP 跳过层：设为 2。 6. Prompt 提示词：用英文写需求，使用单词和短语组合，用英文半角逗号隔开，无需管语法和长句。 7. 负向提示词 Negative Prompt：同样用英文单词和短语组合，用英文半角逗号隔开。 8. 采样方法：一般选 DPM++2M Karras，也可参考模型作者推荐的采样器。 9. 迭代步数：使用 DPM++2M Karras 时，在 30 40 之间选择，过多意义不大且慢，过少出图效果差。 10. 尺寸：根据个人喜好和需求选择。 11. 生成批次：默认 1 批。 二、AI 线上绘画教程 如果您在工作中需要大量图片，又不想面临版权问题，AI 生图是高效的解决办法。人像、动物、自然风景、人造景观等都可以用 AI 生成。主流工具 midjourney 付费成本高，stable diffusion 硬件门槛不低，但有像这样的免费在线 SD 工具网站。本教程旨在让入门玩家在半个小时内自由上手创作绘图。 三、Tusiart 简易上手教程 1. 图生图：上传图片后，sd 会根据图片、选择的模型及输入的 prompt 等信息重绘，重绘幅度越大，输出图与输入图差别越大。 2. 尺寸：太小生成不了内容，太大 AI 会放飞自我，如需高清图，可设中等尺寸并用高分辨率修复。 3. 采样算法：即让 AI 用何种算法生图。 4. 采样次数：次数越多调整越精密，理论上出图效果越好，但耗时越长，且并非越多越好。 5. 提示词相关性：数字增大图像更接近提示词，但过高会使图像质量下降。 6. 随机种子 seed：每张图都有随机种子，固定种子后可进行“控制变量”操作，首次生成图时无需动。 7. Clip Skip：一般设为 2，早期无需过多关注。 8. ENSD：eta 噪声种子增量，默认 0 即可。

人工智能的发展历程如下： 二十世纪中叶，人工智能领域开启，符号推理流行，出现专家系统，但因方法局限性和成本问题，20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移，计算资源更便宜，数据更多，神经网络方法在计算机视觉、语音理解等领域展现出色性能，过去十年中，“人工智能”常被视为“神经网络”的同义词。 1943 年，心理学家麦卡洛克和数学家皮特斯提出机器的神经元模型，为神经网络奠定基础。 1950 年，图灵最早提出图灵测试作为判别机器是否具备智能的标准。 1956 年，在美国达特茅斯学院，马文·明斯基和约翰·麦凯西等人共同发起召开达特茅斯会议，“人工智能”一词被正式提出，并确立为一门学科。此后近 70 年，AI 发展起起落落。 AI 技术发展历程包括：早期阶段（1950s 1960s）的专家系统、博弈论、机器学习初步理论；知识驱动时期（1970s 1980s）的专家系统、知识表示、自动推理；统计学习时期（1990s 2000s）的机器学习算法（决策树、支持向量机、贝叶斯方法等）；深度学习时期（2010s 至今）的深度神经网络、卷积神经网络、循环神经网络等。

《执笔者》：基于多 Agent 模式的全能写手 成果展示： 多 agent 协作的《执笔者》搭建用时不到 10 分钟（在之前的 bot 或工作流已调试好的前提下），目前协作了三个 agent，每个 agent 都根据任务分工集成了不同的工作流、图像流等内容，各司其职，互不干扰，整体交互模式保持一致。其主要功能是支持小红书、公众号和头条平台的图文创作，简单使用“主题词+平台类型”即可召唤相关 bot 输出优质内容。《执笔者》的出现极大地提高了工作效率，后续会不断更新迭代（人物专栏、作文、书籍等），成为真正的全能优质写手。感兴趣的朋友欢迎前往试用：https://www.coze.cn/store/bot/7387404430825668643?panel=1&bid=6d1b1va9o1g18 商业模式： 接入微信或者抖音，通过为广大创作者提供服务的方式引流，为品牌商或特殊客户提供批量优质定制文案收费服务，BOTID：7386947021552320564 操作步骤： 1. 多 agent 模式切换：在 bot 编排页面点选多 agent 模式，页面将会自动切换为多 agent 调试状态，相比单 agent，主要是多了中间一块的 agent 连接区。 2. 添加合适节点：节点有两种方式可以选择，用已发布的 bot，或者创建一个新的 agent，按需选取。添加的 agent 直接连接在默认的总管 agent（“执笔者”）后面即可，无结束节点。 3. 添加合适的 prompt：在多 agent 模式下，需要为每个 agent 填写合适的 prompt。外围的人设填写该 bot 的主要功能，内部的 bot 填写各个 bot/agent 的应用场景。 4. 调试与美化：经过以上简单三步，一个多 agent 的 bot 就基本搭建完成，接下来就是漫长的调试过程，如果输出与自己设想有差异，可以不断调整外围和内部 bot 的提示词，提升命中率，优化交互。 创作背景： 在全民自媒体时代，内容创作成为重要的表达方式。coze 平台上的图文创作 bot 虽吸引创作者关注，但现有的图文 bot 主要分为两类，一类专注特定垂直领域，无法满足博主跨平台需求；另一类不够专业优质。对于很多自媒体博主，需要同时入驻多个平台，根据不同平台格式和调性创作，单一或泛泛的文案创作助手不能满足需求。因此，作者萌生打造全且优的文案创作助手的想法，想到用多 agent 模式整合之前开发的小红书和头条文案创作 bot，节省复杂的 prompt 书写和调试工作。具体分 4 步拆解。 原文链接：https://developer.volcengine.com/articles/7387306376004894783 作者：用户 6810070191084、芋头小宝

Genspark 是一款功能强大的通用智能体，具有以下特点和优势： 1. 功能集成：集 AI 聊天、图片工作室、视频生成、深度研究等多种功能于一体。 2. 任务处理能力：能够自动完成复杂任务，如自主规划、深入研究、预定外部服务、进行数据搜索和事实核查等。 3. 工具和数据集：世界上首个 MixtureofAgents 系统，利用最佳模型、工具和数据集来执行不同任务。 4. 性能表现：在 GAIA 基准测试的三个级别（Level 1、Level 2、Level 3）中得分均最高，显示出在多轮对话和复杂任务处理上的优势，能更准确地反映用户与 AI 助手互动对话的需求。 5. 速度和可靠性：近乎即时的结果，执行过程中的错误和幻觉显著减少，让用户能够掌控和优化输出。 与 Manus 相比，Genspark 更加快速和可靠，表现更为成熟与稳定。 您可以通过 https://www.genspark.ai/ 直接使用，不过注意第一个问题可以稍微思考下再提问，因为可能提一个问题之后就要收费啦。其两位创始人是明星创业者，联合创始人景鲲之前是小度科技的 CEO，联合创始人兼 CTO 朱凯华则是小度科技的 CTO。相关媒体报道可参考： 1. 特工宇宙：超越 Manus？华人创业产品 Genspark 推出通用 Agent（附实测效果） https://mp.weixin.qq.com/s/S2NCd3ySZyaRtjwC6BSG6Q 2. MAX：用过最新的 Genspark 后，我已经准备去摆摊了。 https://mp.weixin.qq.com/s/mK1Y7kmIqW56FkrJd64Vtw

以下是关于 AI 规则的相关内容： 在 Cursor 中，您可以通过修改 Cursor Settings>General>Rules for AI 部分来添加自定义指令。此自定义说明将包含在 Cursor Chat 和 Ctrl/⌘K 等功能中。对于特定于项目的说明，您可以将其包含在项目根目录的.cursorrules 文件中，与“AI 规则”部分相同，该文件中的说明也将包含在 Cursor Chat 和 Ctrl/⌘K 等功能中。 欧盟《人工智能法案》： 全面禁止人工智能（AI）用于生物识别监控、情绪识别、预测性警务。 生成式人工智能系统如 ChatGPT 必须披露内容是人工智能生成的。 用于在被认为高风险的选举中影响选民的人工智能系统被视为高风险。 规则旨在促进以人为本、值得信赖的人工智能的应用，并保护健康、安全、基本权利和民主免受其有害影响。 欧洲议会以 499 票赞成、28 票反对、93 票弃权的结果通过了人工智能法案的谈判立场，这些规则将确保欧洲开发和使用的人工智能完全符合欧盟的权利和价值观，包括人类监督、安全、隐私、透明度、非歧视以及社会和环境福祉。 欧洲议会和欧盟理事会规定人工智能的统一规则，并修正了一系列相关条例，在风险管理、所使用数据集的质量和相关性、技术文件和记录保存、透明度和向部署者提供信息、人工监督、稳健性、准确性和网络安全方面，应对高风险人工智能系统提出要求。这些要求是有效降低健康、安全和基本权利风险所必需的，而且没有其他贸易限制性较小的措施可以合理利用，从而避免对贸易造成不合理的限制。

以下是关于“AI 编程蓝皮书”的相关内容： 字节发布全新 AI IDE：Trae，免费使用 Claude，发布 3 天阅读量超 3 万。Trae 原生中文支持，无需安装中文插件，语言设置为中文后操作细节清晰明了，还有匠心设计的交互体验，比如直接叫审查，不用琢磨 Diff。 2 月 18 日晚 8:00 有关于 Trae 的直播，飞书会议地址为 https://vc.feishu.cn/j/254331715，邀请了多位重磅嘉宾。 有人受小红书金句格言卡片启发，思考能否通过简单操作实现卡片制作工具。看了黄叔的《AI 编程蓝皮书》和直播课，明白目前编程可用自然语言交互实现，降低了门槛，清晰向 AI 说明需求很重要，以及了解了调用 API 是怎么回事。相关文档：

以下是关于 Deepseek 提示词方法论的相关内容： 一、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 CRISPRCas9 最新突破 3. 多模态输出 二、高阶能力调用 1. 文风转换矩阵 作家风格移植：“用鲁迅杂文风格写职场 PUA 现象” 文体杂交：“将产品说明书改写成《史记》列传格式” 学术口语化：“把这篇论文摘要翻译成菜市场大妈能听懂的话” 2. 领域穿透技术 行业黑话破解：“解释 Web3 领域的‘胖协议瘦应用’理论” 商业决策支持 三、场景化实战策略 1. 创意内容生成 2. 技术方案论证 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 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，添加结论部分 最终校验：检查时间逻辑一致性，列出可能的事实性错误 五、效能增强技巧 1. 对话记忆管理 上下文锚定：“记住当前讨论的芯片型号是麒麟 9010” 信息回溯：“请复述之前确认的三个设计原则” 焦点重置：“回到最初讨论的供应链问题” 2. 输出质量控制 问题类型：过度抽象 修正指令：“请具体说明第三步操作中的温度控制参数” 问题类型：信息过载 修正指令：“用电梯演讲格式重新组织结论” 问题类型：风格偏移 修正指令：“回归商务报告语气，删除比喻修辞” 六、特殊场景解决方案 1. 长文本创作 分段接力法：“先完成故事大纲→逐章扩展→最后进行伏笔校验”“确保新章节与前文的三处细节呼应” 2. 敏感内容处理 概念脱敏法：“用经济学原理类比说明网络审查机制” 场景移植法：“假设在火星殖民地讨论该议题” 七、性能监测体系 1. 需求理解准确率：复杂需求首轮响应匹配度 2. 知识迁移能力：跨领域案例应用的合理性 3. 思维深度指数：解决方案的因果链条长度 新一代交互范式建议： 1. 采用「人机共谋」模式：先陈述思路梗概，再让 AI 补充完善“我想从这三个方向切入，你觉得哪个最有潜力？为什么？” 2. 启动「思维可视化」指令：kookolp“用思维导图形式展示当前推理过程” 3. 实施「苏格拉底式对话」：“连续追问五个‘为什么’来挖掘根本原因” R1 带来的提示词使用新步骤： 首先明确场景和任务 其次选择模型类型 之后再写提示词