首页
Ai 资讯
Ai 知识库
创作魔法
绘画魔法
视频魔法
训练魔法
Ai术语
Ai提示词
Ai创意图
Ai工具
Ai视频
VIP专区
VIP专区
登录
AI魔法学院客服
最新
排序
收藏
全部
七天内
一个月内
选择分类
全部
写作魔法
绘画魔法
视频魔法
训练魔法
其他
AI工具
VIP视频
推荐阅读
换一批
· 深入探讨:Agent全自动写作长篇小说技术原理解析
· 多智能体开发框架怎么选型?京东 JoyAgent vs langchain LangGraph,两种Agent开发哲学的碰撞!
· Ollama还是vLLM?深度解析四大顶级LLM服务框架:性能、特性与技术选型指南
· 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!
· PymuPDF4llm:PDF 提取的革命
· 高效选择:Ollama与LM Studio深度对比
· 数字人之声音克隆:无样本,1分钟样本完美克隆声音,开源
· 最佳开源文生图大模型可图:安装与批量出图的完整教程
· 十大开源语音识别项目
· 5个最佳开源RPA框架
热门标签
Stable Diffusion
stable diffusion
Midjourney
midjourney
ComfyUI
comfyui
ChatGPT
chatgpt
大模型
数字人
开源
人工智能
Sora
文心一言
天工
零一万物
知海图
星火
文心一格
混元
通义千问
盘古
言犀
ChatGLM
Github
微软
热门标签
免费
教程
插件
免费
教程
插件
免费
教程
插件
文章列表
大模型
面向知识图谱的大模型应用
这涉及到利用各种计算策略来平衡大型关联
数
据
集
分析的效率、准确性和完整性。
知识图谱
大模型
提示词
你要牢记的四个常用AI提示词框架:ICIO、CRISPE、BROKE、RASCEF,有助于获取更加稳定和高质量的内容
数
据
处理与转换:当用户需要 AI 处理特定的
数
据
并按照特定格式输出时,如
数
据
清洗、文本翻译或图像转换。
大模型
提示词
工具
做自媒体消息闭塞很致命,巨好用的工具分享
文案、脚本辅助创作 量子探险:最近发现的宝藏AI,主打长文本,很适合用来写长脚本、写小说 豆包:字节旗下AI,功能很全,甚至还能根
据
需求生成图片和音乐,目前是免费滴
自媒体
工具
LLM
Ollama还是vLLM?深度解析四大顶级LLM服务框架:性能、特性与技术选型指南
突出特性 · • 易用性与
集
成: 提供一站式模型管理,通过简单的命令行即可下载和启动模型。
LLM
服务框架
ComfyUI
必看!ComfyUI故障应对指南,让您轻松应对每一个挑战
它们如同不息的风暴,一波未平,一波又起,令无
数
热忱的初学者在这场挑战中黯然失色。
ComfyUI
故障应对
独家!黄太吉创始人再创业:首次披露惨败内幕
铅笔道:今天无论创业项目的
数
量,还是投融资的次
数
,都比十年前少了很多。
黄太吉
创业
Prompt
40个prompt,让你成为麦肯锡高手
此外,在市场分析领域,你可以让AI帮助你收
集
和分析市场
数
据
,评估市场规模、增长潜力以及竞争格局,为你提供全面的市场情报。
prompt
为什么说AI现在还不行!
资本、品牌可以匹配高预期所对应的增长倍
数
,业务则不行,业务先天挤出一切泡沫。
大模型
Prompt
Prompt屠龙术-大厂prompt工程指南解析提炼
考虑上下文:根
据
人工智能系统及其功能定制提示。
prompt
大模型
解析
Prompt
40个值得收藏的AI prompt提示词,帮助你更好地思考问题,做出更加准确地商业决策,让你无往不利
在商业决策中应用OODA环,意味着持续收
集
和分析信息,快速适应环境变化,明智地作出决策,并迅速执行,以保持竞争优势。
prompt
提示词
Prompt
43个商业价值很高的prompt
pricing strategy that maximizes profitability and customer satisfaction." 2、产生创新的产品思想 提示: "为[插入行业或市场]
集
思广益
prompt
爬虫
主流网络爬虫蜘蛛详解
建议网站屏蔽掉它的爬行,首先因为这个蜘蛛爬行并不会给网站带来流量,只会占用服务器资源,其次是这是已经
数
据
分析公司的爬虫,它爬的
数
据
会成为你竞争对手的分析利器。
爬虫蜘蛛
详解
Agent
2024年值得关注的Agent框架
它能够将用户请求转化为可执行代码,并将用户定义的插件视为可调用的函
数
。
Agent
框架
OpenAI
解读 Openai 给 DALLE3 设的完整系统提示词
如果用户没有要求生成特定
数
量的图像,默认创建四个提示发送给dalle,这些提示应尽可能多样化。
提示词
绘画
DALLE
RAG
LangChain: LLM 应用聚焦的两大方向,RAG 和 Agents
接入的方式也大同小异,首先检索外挂
数
据
源中与用户给出的上下文相关的内容,合并之后做 embedding 给到所用的 llm ,最后由 llm 根
据
模型自己的认知,做出回答。
大模型
<
...
62
63
64
65
66
67
68
69
70
71
...
>
1
2
4
5
6
7
8
9
100