文章列表-AI魔法学院

文章列表

ChatGPT「火」烧到游戏行业，有人用其设计关卡、撰写文案、激活NPC，这会给游戏行业带来什么改变？

那现在这些初级工作全全部交给没有感情，没有诉求，非常稳定的AI去产出，只需要做人力上监修，那人力成本就会大幅下滑，整个组织架构会变得更精简，在层层叠叠组织架构里做事的痛苦感也会降低。

大模型 chatGPT

独家！黄太吉创始人再创业：首次披露惨败内幕

通过数年的磨合与修订，他正式推出了《毛选创业课》。

黄太吉创业

ChatGPT提示工程5篇合集(二)：ChatGPT提示工程 - 总结

Prompt 2 带一点修饰简要的总结以下内容： <请把待总结的内容放到这里> 输出的内容短了一些，但仍然比较长。

prompt 提示词

变天了，AI可以一键生成中文海报了......

如果你觉得麻烦，要求也不高，只需要用PS略微修改，也足够使用了。

2.1图像模型文生图

12个RAG常见痛点及解决方案

finetune_engine.get_finetuned_model() 没有获取到正确的内容系统从提供的上下文中提取正确的答案，但是在信息过载的情况下会遗漏关键细节，这会影响回复的质量

RAG 大模型

ChatGLM3-6B：新一代开源双语对话语言模型，流畅对话与低部署门槛再升级

同时原生支持工具调用（Function Call）、代码执行（Code Interpreter）和 Agent 任务等复杂场景。

ChatGLM3 语音模型开源模型

LangChain Agent 原理解析

这两者的区别就是自定义 LLM Agent 使用了 LLM 来解析用户输入，判断使用何种工具，而自定义 Agent 则是直接自行判断工具的使用，这种方式只能用于简单的场景，而自定义 LLM Agent 可以用于更复杂的场景

大模型

LlamaIndex的QueryPipeline在实现RAG应用后，Agent应用也可以实现了（附开发示例）

它比 AgentFnComponent 更复杂，但更灵活（例如，可以定义初始化变量，并且回调位于基类中）。

Agent QueryPipeline 大模型

没有思考过 Embedding，不足以谈 AI

于是我们需要一个多维的数字形态，很自然会想到使用向量 ——— 对于每一个词，我们可以表达为一组数，而非一个数；这样一来，就可以在不同的维度上定义远近，词与词之间复杂的关系便能在这一高维的空间中得到表达

开源模型

请收好这12种Prompt编写模式，让不可靠的模型生成可交付的可靠结果

这个原理指出，无论计算机系统多么强大和复杂，它只能处理输入的数据，并根据这些数据执行特定的操作。

prompt

不会PS也能做神图？豆包AI绘画全解析，让你的创意秒变艺术品！

生成图片需要的时间，会根据提示词的复杂程度、参数设置还有当时服务器的情况不一样，一般几秒到几十秒就能好。

Qwen3

低调的PDF，为什么成了数字文档“永远的神”？

另外马纳福特的一通神操作纯属画蛇添足，因为这种非加密的.pdf文件完全可以用Adobe Acrobat等编辑软件直接修改。

工作

理解 o3 及其技术分析

而能够快速增加推理规模的方案就屈指可数了，最典型的就是以各种探索类算法为主，接近暴力的探索可以消耗很多算力，但实现方式并不复杂。

o3 技术分析

Stable Diffusion

Stable Diffusion｜背景替换只需要两分钟！

熟练使用AI工具可以给我们提高很高的效率并且输出的内容只需要稍微的修改一下就可以直接使用。

SD 背景文生图

来个优秀的开源人脸识别项目！

开源：InsightFace 是一个开源项目，允许用户在开源社区中自由使用、修改和分享。

人脸识别开源项目

<...30 31 32 333435 36 37 38 39 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1