以下是关于 AI 制作 PPT 的相关内容： 目前市面上大多数 AI 生成 PPT 的思路： AI 生成 PPT 大纲。 手动优化大纲。 导入工具生成 PPT。 优化整体结构。 推荐的工具和文章： 工具：WPS AI。 文章：《AI 生成 PPT 工具红黑榜，这三款千万别用》《AI+PPT 等效率工具的研报》 模型选择：目前只推荐 Claude 3.7 Sonnet，可通过 POE 调用 Claude。 与 AI 交互流程大致有 4 个阶段，但未详细说明。 需要注意的是，使用 AI 生成“PPT”实际上是基于模型的 HTML 输出能力，并非真的 PPT 格式，目前无法在 PPT 里进行二次深度编辑。用户可以根据自己的需求和喜好选择合适的 AI PPT 工具，以提高工作效率和演示效果。

在 AI 领域，存在决策智能体。例如，Anterior 公司开发的临床决策引擎用于自动化理赔提交审核，其智能体遍历决策树并利用语言模型评估相关文件。此外，Norm AI 为监管合规打造智能体，Parcha 为 KYC 建立智能体。 在传统职业领域，“Agent”一词涵盖多种职业角色。在商业领域，随着大航海时代及全球贸易兴起，“Agent”的角色变得重要，如贸易代理和公司代理商。工业革命期间，其职能拓展到保险、房地产等新兴行业。19 世纪，政府及情报领域也广泛使用，如情报特工和便衣警察。 在现代（20 世纪至 21 世纪），“Agent”在娱乐和体育行业指艺人经纪人和运动员经理等，负责安排试镜、合同谈判和规划职业生涯。还包括劳务代理和招聘代理（猎头），劳务代理提供劳动力匹配服务，猎头为公司招募高技能或高级管理职位的专业人士。从词源和历史变迁看，“Agent”具有行动和替身的含义，多数情况下是替代他人做事。但目前尚未有明确指向“职业经理人智能体”的特定概念。

以下是为您提供的系统学习 AI 的相关内容： 沃尔夫勒姆在关于“人工智能能解决科学问题吗”的论述中提到，虽然接触过相关内容，但未对该领域文献进行系统研究。其努力得到了 Wolfram 研究所研究员的协助，并感谢了诸多相关人士。 野菩萨的课程在 AI 学习方面备受推荐。其作品风格独特，在小红书上公开了提示词和范例集。若想系统学习本质方法，建议报名课程。野菩萨老师认为人类的审美与博学才是核心竞争力，课程重点在于创意审美和思路以及如何用 AI 激活它们。野菩萨在艺术上感觉在线，在多个领域都有很强的感知。其课程帮助许多同学成为小红书大 V，并发起了相关活动，营造了良好的学习氛围。

学习 Python 安装 pandas 和 Jupyter 的原因如下： 数据处理基础：pandas 是 Python 的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、直观地处理关系型、标记型数据。在数据处理中，如读取数据（pd.read_csv）等操作都依赖于 pandas 库。 开发环境：Jupyter Notebook 是一种交互式的编程环境，非常适合进行数据分析和探索性编程。它可以让您逐段运行代码，方便查看中间结果，并且能够将代码、文本和图像等内容整合在一个文档中，有助于更好地理解和展示数据分析的过程和结果。代码也适合在其他 IDE（如 PyCharm、VS Code）中运行。 在一些实践项目中，如基于泰坦尼克号数据集绘制堆叠柱状图及搭建预测模型、用 Kaggle 的天气数据集绘制气温趋势折线图与月降雨天数柱状组合图、鸢尾花数据多维分布探索与交互可视化实践等，都需要 Python 基础与环境配置，包括通过 pip 安装 pandas 库，以及在 Jupyter Notebook 或其他 IDE 中运行代码。

以下几种 AI 工具可以将照片改成卡通效果，操作相对简单易操作： 1. ChatGPT 4o：支持上传照片后直接生成“吉卜力卡通风格”图像，提示词只需简单写“吉卜力风格化”即可，后续会话中只需上传图片，无需重复输入提示词。参考链接：

以下是关于 AI 广告投流的相关内容： 一、2024 年度 AI 十大趋势报告 1. 流程扁平化：生成式 AI 可一步到位进行内容生产与投放，减少信息损失。 2. 从「局部最优」到「全局最优」：以数据驱动的大模型为核心，实现全局最优的广告分配，提升系统投放的分配效率。 二、AI 技术变革营销策略洞察及内容生产投放方式 广告营销领域的工作流程与环节涉及策略制定与用户画像洞察、广告内容的制作、投放渠道的管理与效果分析等工作，较多工作可通过 AI 代替人工提升效率。 三、有效提升营销行业生产力 1. 创新广告形式，带来全新交互体验，提升 ROI。 2. 提高营销内容生产效率，实现精准链接和高效触达，从“一面千人”到“千人千面”。 3. 推动营销服务商商业模式革新，优化企业工作流，降本增效，提升毛利率，给用户带来全新体验。 四、分众传媒携手阿里通义大模型，开拓品牌广告 AI 营销新模式 1. 业务价值 品牌营销 AI 化：赋能品牌客户利用 AI 大模型技术进行品牌定位分析并制定品牌营销策略，在存量博弈的市场快速找到差异化优势，高效利用线下流量建立品牌势能。 降低营销门槛：通过一键生成广告语，一键 AI 设计等 AI 应用，帮助广告主快速高效制作广告创意素材。 业务价值回报：众智 AI 大模型将为分众拓宽客户边界，提高服务能力，通过对供给侧的生产效率变革提高传媒行业新质生产力。 2. AI 小智助手：通过“AIchat”对话交互方式，进行品牌洞察分析和营销策略制定的应用。基于通义千亿大模型进行准确的语义理解和意图分类，并根据用户的具体提问场景调用“众智 AI 大模型”回答问题并多轮交互。 3. AI 广告语：基于分众高质量广告语数据和广告语方法论，模拟营销专家的创作思路搭建的 Agent 生成应用。 五、案例展示与创作心得 1. 案例一：AI 广告视频（眉笔） 工具：FLUX、即梦、PS、可灵 特点：未写脚本，靠脑中对大牌美妆广告的印象直接生成图片和视频，加入自己的创意。 2. 案例二：国风动画视频（熊猫） 工具：提示词 特点：从创意到成片大概用了 4 天时间，加入自己的想法。

数字人是运用数字技术创造出来的人，目前业界尚无准确定义，一般可根据技术栈分为真人驱动和算法驱动两类。 真人驱动的数字人重在通过动捕设备或视觉算法还原真人动作表情，主要应用于影视行业及直播带货，其表现质量与手动建模精细程度及动捕设备精密程度直接相关，不过随着视觉算法进步，在无昂贵动捕设备时也能通过摄像头捕捉人体骨骼和人脸关键点信息达到不错效果。 制作数字人的工具主要有： 1. HeyGen：AI 驱动的平台，可创建逼真数字人脸和角色，使用深度学习算法生成高质量肖像和角色模型，适用于游戏、电影和虚拟现实等应用。 2. Synthesia：AI 视频制作平台，允许创建虚拟角色并进行语音和口型同步，支持多种语言，可用于教育视频、营销内容和虚拟助手等场景。 3. DID：提供 AI 拟真人视频产品服务和开发，上传人像照片和输入内容，平台的 AI 语音机器人自动转换成语音，合成逼真会开口说话的视频。 更多数字人工具请访问网站查看：https://www.waytoagi.com/category/42 。使用这些工具时，请确保遵守相关使用条款和隐私政策，并注意保持对生成内容的版权和伦理责任。 以下是数字人视频的制作方法： 在显示区域，拖动背景图的一个角将图片放大到适合尺寸，比如覆盖视频窗口，并将数字人拖动到合适位置。点击文本智能字幕识别字幕，点击开始识别，软件会自动将文字智能分段并形成字幕。至此，数字人视频完成，点击右上角“导出”按钮导出视频以作备用。若希望数字人换成自己希望的面孔，则需要用另一个工具来进行换脸。

大模型应用开发岗位通常需要掌握以下内容： 1. 编程思维和 Python 基础。 2. 认识大模型 Embedding 技术，包括理论知识和代码实战。 3. 在构建模型应用方面： 根据项目需求选择合适的开发框架。 了解业务背后的深层次需求，设定流程环节以确保模型能解决实际问题。 在每个环节精心设计提示词，引导模型提供准确有用的回复。 确保应用在提供服务时遵守安全和伦理标准。 通过不断测试和迭代优化模型性能和用户体验。 成功部署应用后持续维护和更新以适应需求变化。 4. 提示词的精细设计和调试，因为其直接影响模型的输出质量和应用效果。 5. 对于智能体构建，了解动态推理智能体情感设定，以制作更有情商的智能体。

以下是为您提供的关于 AI 相关产品规划的回答： 一、插件/工具能力在大模型生态架构中的环节、定位、实现流程 从 2023 年 3 月份 OpenAI 宣布插件计划开始，到 5 月份上线，其中包括联网、代码、画图三个插件。其实现流程大致为： 1. 经过对模型的微调，检测何时需要调用函数（取决于用户的输入）。 2. 使用符合函数签名的 JSON 进行响应。 3. 在接口层面声明可调用的工具。 4. 使用函数和用户输入调用模型。 5. 使用模型响应调用 API。 6. 将响应发送回模型进行汇总。 二、对于搜索团队，插件可以做和应该做的事 目前没有直接针对搜索团队插件具体可做和应做事项的明确内容，但可以参考 OpenAI 的插件计划，例如开发与搜索相关的特定功能插件，或者探索如何将现有的搜索推荐功能与大模型更好地结合。 三、对于大模型无法绕开或高频使用的模块/功能/插件 目前没有直接指出对于大模型无法绕开或高频使用的具体模块、功能或插件。但从相关信息中可以推测，例如与数据获取和处理相关的插件（如联网）、与技术开发相关的插件（如代码）以及与内容生成相关的插件（如画图）可能是较为重要和高频使用的。对于搜索团队来说，可以考虑在这些方向上寻找发力点，结合搜索推荐等传统功能，开发出更具竞争力的插件。

模型上下文协议（MCP）是一种全新的开放协议，用于标准化地为大语言模型（LLMs）提供应用场景和数据背景。 MCP 就像 AI 领域的“USBC 接口”，能让不同的 AI 模型与外部工具和数据源轻松连接。其价值在于： 简化开发：一次整合，多次复用，不再重复开发。 灵活性强：轻松切换 AI 模型或工具，无需复杂的重新配置。 实时互动：长连接保证数据实时更新。 安全可靠：内置标准化安全和权限控制。 扩展性强：AI 系统扩展时，只需连接新的 MCP 服务器。 与传统 API 相比，通常 AI 系统连接外部工具时，需要单独整合多个不同的 API，每个 API 都有独立的代码、文档、认证方式、错误处理和后续维护，极大地增加了开发复杂度。而 MCP 能更简单地集成 AI。 传统 API 更适合的场景包括： 需要细粒度控制、功能严格限制。 更偏好紧耦合以提升性能。 希望最大化交互的可预测性。 MCP 最早由 Anthropic 公司开发，现在已成为一个开放协议，越来越多的企业和开发者开始采用它，逐渐成为 AI 与工具互动的新标准。 要开始使用 MCP，可按以下步骤： 1. 定义能力：明确 MCP 服务器提供的功能。 2. 实现 MCP 层：按照协议标准进行开发。 3. 选择通信方式：本地连接（标准输入输出）或远程连接（如 WebSockets）。 4. 创建资源/工具：开发或连接数据源和服务。 5. 建立客户端连接：与 MCP 服务器建立安全稳定的连接。 例如，Claude 可以通过简单的 MCP 集成直接连接到 GitHub、创建新存储库并创建 PR。