Stable Diffusion 是由初创公司 StabilityAI、CompVis 与 Runway 合作开发的。其核心技术来源于 AI 视频剪辑技术创业公司 Runway 的 Patrick Esser 以及慕尼黑大学机器视觉学习组的 Robin Romabach。该项目的技术基础主要来自于他们之前在计算机视觉大会 CVPR22 上合作发表的潜扩散模型（Latent Diffusion Model）研究。 Stable Diffusion 是一种基于潜在扩散模型（Latent Diffusion Models）的文本到图像生成模型，能够根据任意文本输入生成高质量、高分辨率、高逼真的图像。其原理包括使用新颖的文本编码器（OpenCLIP）将文本输入转换为向量表示，利用扩散模型将随机噪声图像逐渐变换为目标图像，在扩散过程中以文本向量和噪声图像作为条件输入给出变换的概率分布，最后使用超分辨率放大器将生成的低分辨率图像放大到更高分辨率。 Stable Diffusion 总共有 1B 左右的参数量，可以用于文生图、图生图、图像 inpainting、ControlNet 控制生成、图像超分等丰富的任务。在文生图任务中，将一段文本输入到模型中，经过一定迭代次数输出符合文本描述的图片；图生图任务则在输入文本基础上再输入一张图片，模型根据文本提示对输入图片进行重绘。输入的文本信息通过 CLIP Text Encoder 模型编码生成与文本信息对应的 Text Embeddings 特征矩阵，用于控制图像生成。源代码库为 github.com/StabilityAI/stablediffusion ，当前版本为 2.1 稳定版（2022.12.7），其代码模型权重已公开发布，可以在大多数配备有适度 GPU 的电脑硬件上运行。

提示词工程师是在与人工智能模型交互时，负责设计和优化提示的专业人员，旨在通过精心构造的提示引导模型产生准确、有用和相关的回答。 其主要职责包括： 1. 设计提示：根据用户需求和模型能力设计有效的提示，考虑提示的长度、结构、措辞和信息量等因素，以清晰传达用户意图并引导模型生成满意结果。 2. 优化提示：通过收集用户反馈、分析模型结果和实验不同的提示策略等方式不断优化提示，提高模型性能。 3. 评估提示：使用各种指标如模型的准确率、流畅度和相关性等来评估提示的有效性。 提示词工程师需要具备以下技能和知识： 1. 领域知识：对所工作的领域有深入了解，以便设计出有效的提示。 2. 自然语言处理（NLP）：了解 NLP 的基本原理和技术，能够理解和生成自然语言文本。 3. 人工智能（AI）：了解 AI 的基本原理和技术，以便理解和使用 AI 模型。 4. 沟通能力：具备良好的沟通能力，与用户、团队成员和其他利益相关者有效沟通。 以下是一些提示词工程师工作的实际案例，比如在市场营销类和商业类中，有自动优化 Prompt 的案例，如 JackeyLiu 熟悉的转化步骤包括： 1. 角色和能力：基于问题思考 chatGPT 最适合扮演的角色，应是该领域最资深的专家，适合解决问题。 2. 上下文说明：思考提出问题的原因、背景和上下文。 3. 任务陈述：基于问题进行陈述。 提示词工程师是一个新兴职业，随着人工智能技术的不断发展，对其需求将会越来越大。

以下是关于研究报告提示词的相关内容： 首先要确定整个调研报告的大纲目录，可以利用老师提供的示例报告截图并用手机识别。然后确定整体的语言风格和特色，调研报告的语言风格通常是“逻辑清晰,层层递进,条理分明”，可将范文交给 Claude 2 总结语言风格。但要注意，生成文章时不要过于限制 GPT4，否则效果不佳。 接着让 GPT4 按照目录逐步生成章节内容，在 workflow 中设置循环结构，生成一段章节内容后经同意再进行下一部分，否则重新生成。生成内容前，需要 GPT4 判断某章节是否要调用 webpolit 插件查询相关信息。这部分难度较大，可能导致半天才能搞定一条提示词，甚至迭代 1 天半，过程中可能会遇到 workflow 失效、插件选择和使用等问题。 好在通过向星球和群聊中的大佬求助，获得了建议和思路。比如在需要搜索网络信息的章节处打上标签，让 GPT4 看到标签后自主搜索信息再来生成内容，没打上标签的直接输出，这种方法可行。最后，按顺序完成 prompt 的其他部分。 最新版本的 prompt 经过以上操作得以完成，之前用前几版 prompt 已帮团队和同学完成 3 篇调研报告，但效果不及最新版。建议平时可利用 GPT4 降本增效，尝试编写提示词。

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，访问外部知识源来完成，如 Meta AI 引入的 RAG 方法。RAG 把信息检索组件和文本生成模型结合，可微调，内部知识修改高效，无需重新训练整个模型。它会接受输入并检索相关支撑文档，给出来源，与原始提示词组合后送给文本生成器得到输出，能适应事实变化，让语言模型获取最新信息并生成可靠输出。 大语言模型（LLM）存在一些缺点，如无法记住所有知识尤其是长尾知识、知识易过时且不好更新、输出难以解释和验证、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，如数据库存储和更新稳定且无学习风险、数据更新敏捷且不影响原有知识、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。 在 RAG 系统开发中存在 12 个主要难题，并已有相应的解决策略。

以下是一些可以将 Word 转换为 PDF 的 AI 工具： 1. DeepL（网站）：点击页面「翻译文件」按钮，上传 PDF、Word 或 PowerPoint 文件即可。 2. 沉浸式翻译（浏览器插件）：安装插件后，点击插件底部「更多」按钮，选择「制作双语 BPUB 电子书」、「翻译本地 PDF 文件」、「翻译 THML/TXT 文件」、「翻译本地字幕文件」。 3. Calibre（电子书管理应用）：下载并安装 calibre，并安装翻译插件「Ebook Translator」。 4. 谷歌翻译（网页）：使用工具把 PDF 转成 Word，再点击谷歌翻译「Document」按钮，上传 Word 文档。 5. 百度翻译（网页）：点击导航栏「文件翻译」，上传 PDF、Word、Excel、PPT、TXT 等格式的文件，支持选择领域和导出格式（不过进阶功能基本都需要付费了）。 6. 彩云小译（App）：下载后点击「文档翻译」，可以直接导入 PDF、DOC、DOCX、PPT、PPTX、TXT、epub、srt 等格式的文档并开始翻译（不过有免费次数限制且进阶功能需要付费）。 7. 微信读书（App）：下载 App 后将 PDF 文档添加到书架，打开并点击页面上方「切换成电子书」，轻触屏幕唤出翻译按钮。 内容由 AI 大模型生成，请仔细甄别。

以下是一些利用 AI 为实体店在流量平台拓客的方法和思路： 1. 借助抖音平台：利用抖音对实体商家的流量扶持，购买 AI 抖音发广告的软件。这需要懂软件开发的技术人员，并且熟悉抖音。 2. 利用 AI 私域做客户培育/用户旅程：通过 AI 软件自动跟进和培育客户，需求是懂软件开发的技术人员且熟悉微信。 3. 打造特定领域的 AI 工具：比如针对法律、健康、财务、教育、销售、HR 等领域，开发如“AI 合同助手”“AI 健康管家”“AI 课程生成器”“AI 销售助理”等垂类工具。 4. 作为引流者：把 AI 工具做成“公众号插件”“小程序入口”或“微信机器人”进行推广，获取分成。 5. 参考优秀作品：如商业综合体 AI 伴侣、客流诊断师、跨境商品不求人、公私域全流程内容规划师、公众号 10W+爆文工厂、营销内容文案合规检查、提示词定制神器、Nicole 咖啡门店分析师、3C 软文文案撰写、网购评论助手、万能 AI 营销助手、贴心平替推荐精灵、产品一键生成一篇高质量的知乎种草文、One thing AI 目标达成教练、润物等，从中获取灵感和思路。

以下是一些可以将 Word 转换为 PDF 的 AI 产品和方法： 1. DeepL（网站）：点击页面「翻译文件」按钮，上传 PDF、Word 或 PowerPoint 文件即可。 2. 沉浸式翻译（浏览器插件）：安装插件后，点击插件底部「更多」按钮，选择「制作双语 BPUB 电子书」、「翻译本地 PDF 文件」、「翻译 THML/TXT 文件」、「翻译本地字幕文件」。 3. Calibre（电子书管理应用）：下载并安装 calibre，并安装翻译插件「Ebook Translator」。 4. 谷歌翻译（网页）：使用工具把 PDF 转成 Word，再点击谷歌翻译「Document」按钮，上传 Word 文档。 5. 百度翻译（网页）：点击导航栏「文件翻译」，上传 PDF、Word、Excel、PPT、TXT 等格式的文件，支持选择领域和导出格式（不过进阶功能基本都需要付费了）。 6. 彩云小译（App）：下载后点击「文档翻译」，可以直接导入 PDF、DOC、DOCX、PPT、PPTX、TXT、epub、srt 等格式的文档并开始翻译（不过有免费次数限制且进阶功能需要付费）。 7. 微信读书（App）：下载 App 后将 PDF 文档添加到书架，打开并点击页面上方「切换成电子书」，轻触屏幕唤出翻译按钮。 另外，还有一种将 PDF 变成可交互网页的方法： 1. 生成 PDF：将文件转换为 PDF 格式，其他文件格式也可以，但 PDF 效果更好。如果希望在文章中加入图片，需要将图片转换为 markdown 格式。如果是网络图片，直接复制图片的 url，右键图片，选择复制 url，然后用 markdown 格式写入文档。如果是自己的图片，可以使用图床服务（比如如 https://sm.ms/）托管图片，生成一个公链。如果想插入视频，也很简单，找到公网的视频地址（自己的本地视频先上传到公网，比如 B 站之类的）。在视频页面寻找“分享”按钮，点击“嵌入”或“嵌入代码”选项。在得到 url 后，依旧是使用 markdown 格式来写入视频地址。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

AI 技术的发展历程如下： 1. 早期阶段（1950s 1960s）：包括专家系统、博弈论、机器学习初步理论。 2. 知识驱动时期（1970s 1980s）：专家系统、知识表示、自动推理得到发展。 3. 统计学习时期（1990s 2000s）：出现了机器学习算法，如决策树、支持向量机、贝叶斯方法等。 4. 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等兴起。 当前 AI 前沿技术点包括： 1. 大模型，如 GPT、PaLM 等。 2. 多模态 AI，如视觉 语言模型（CLIP、Stable Diffusion）、多模态融合。 3. 自监督学习，如自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习，包括元学习、一次学习、提示学习等。 5. 可解释 AI，涉及模型可解释性、因果推理、符号推理等。 6. 机器人学，涵盖强化学习、运动规划、人机交互等。 7. 量子 AI，包含量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。 AI 的起源最早可追溯到 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，为后续的神经网络奠定基础。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了著名的达特茅斯会议，“人工智能”一词被正式提出，并作为一门学科确立下来。此后近 70 年，AI 的发展起起落落。

构建知识库的方法主要有以下几种： 1. 使用 Flowith 构建： 选择“Manage Your Knowledge Base”，进入知识库管理页面。 点击左上角的加号添加新的知识库，为其起一个便于分辨的名字。 点击添加文件，建议使用 Markdown 格式的文件。 等待 Flowith 对文件进行抽取等处理，处理完毕后可在知识库管理页面测试检索。 2. 使用 Dify 构建： 准备数据：收集文本数据，进行清洗、分段等预处理。 创建数据集：在 Dify 中创建新数据集，上传准备好的文档并编写描述。 配置索引方式：根据需求选择高质量模式、经济模式或 Q&A 分段模式。 集成至应用：将数据集集成到对话型应用中，配置数据集的使用方式。 持续优化：收集用户反馈，更新知识库内容和优化索引方式。 3. 本地部署大模型并搭建个人知识库（涉及 RAG 技术）： 了解 RAG 技术：大模型训练数据有截止日期，RAG 可通过检索外部数据并在生成步骤中传递给 LLM 来解决依赖新数据的问题。 RAG 应用的 5 个过程： 文档加载：从多种来源加载文档，如 PDF、SQL 等。 文本分割：把文档切分为指定大小的块。 存储：包括将文档块嵌入转换成向量形式，并将向量数据存储到向量数据库。 检索：通过检索算法找到与输入问题相似的嵌入片。 输出：将问题和检索出的嵌入片提交给 LLM 生成答案。 文本加载器：将用户提供的文本加载到内存中以便后续处理。

以下是关于 AI 硬件的相关信息： 扣子 AI 工坊 硬件专场 推出全套硬件方案，将 DeepSeek 最新模型接入 AI 硬件，实现 1+1＞2。 活动亮点： 硬件实验室：现场设置智能硬件展示，看脑洞大开的产品。 硬件场景分享会：扣子硬件场景最佳实践和 2025 年硬件解决方案分享。 开发者体验营：开发者现场开发 AI 硬件，提供硬件开发板，60 分钟内完成“唤醒交互响应”全链路开发，40 分钟作品现场展示解说，展示作品的开发者可获得扣子周边礼物。 硬件厂商需求墙：与硬件厂商、开发者、扣子官方同学现场交流。 分享嘉宾（排名不分先后）：曾德钧（猫王妙播音响创始人/设计师）、刘琰（机智云联合创始人兼 CTO）、颜伟志（扣子开放体系技术负责人） 活动报名：扫描二维码报名，现场有拍立得、音响、扣子周边等礼品。报名时间为即日起至 2025 年 2 月 26 日。 2025 年 AI 指数报告 硬件的进步在推动 AI 发展中起着关键作用。在扩展模型和在更大的数据集上进行训练带来显著性能改进的同时，这些进步在很大程度上得益于硬件的改进，特别是更强大和高效的 GPU（图形处理单元）的发展。GPU 加速复杂计算，允许模型并行处理大量数据并显著减少训练时间。 Will's GenAI 硬件榜 2024 年 8 月 GenAI 硬件的定义：利用了 GenAI 技术，主要是 LLM，包括在音频生成、翻译、视觉采集并解读，和硬件结合，以可穿戴为主，逐步渗透的新品类硬件，以 Meta 雷朋眼镜为代表。 榜单受众：GenAI 硬件创始人、投资人、从业者等。 榜单标的：以北美市场的视角，销量、影响力为主。 榜单初心：随着 Meta 眼镜的成功，GenAI 硬件爆发在即，本榜单每月从多角度围观这一现象，旨在给创业者提供参考。 本次更新（9.19）： 更新亚马逊销量、独立站流量、新品发布、融资信息，排序标准以媒体综合指数改为 Tiktok 热度。 完善挂件、戒指、眼镜等分类榜数据。 榜单包括 15 个重要榜单，更多榜单可通过文末“阅读原文”免费访问或直接访问飞书链接。数据来源：google、tiktok、twitter、亚马逊。对于榜单内容有疑问想交流的 GenAI 硬件创始人，或者想合作转载内容的公众号博主，请加微信，或者在本文末留言。