AI人工智能学习


AI人工智能学习

引言

人工智能（Artificial Intelligence），英文缩写为AI。是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

下面记录一些AI的相关内容。

正文

OpenClaw 是一个开源、本地优先、可给任何 LLM 加装工具能力的「AI 智能体 / 执行框架」，核心就是：让普通大模型（哪怕不支持 Function Calling）也能直接用工具、执行真实任务。

ClawHub 是 OpenClaw 生态的「AI 技能商店 / 公共技能注册中心」，简单讲就是给 AI 智能体（Agent）装插件的 “应用商店”。官网：https://clawhub.ai/

Claude Code 是 Anthropic 推出的「终端原生、能自主干活的 AI 编程智能体（Agent）」。Claude code 是一个基于AI的代码助手，它可以帮助开发者快速编写代码。2026年发生过一次代码泄露事件，下面是它的源码分析：https://github.com/liuup/claude-code-analysis

Hugging Face 是一个基于 PyTorch 的开源库，用于训练和使用 NLP 模型。它提供了一个统一的接口，用于访问和使用不同的 NLP 模型，如 BERT、RoBERTa、XLNet 等。简单来说，Hugging Face就像是AI界的GitHub，它是一个开源AI的社区和平台，集模型库、数据集、协作工具和社区于一体。平台托管着超过150万个开源AI模型和超过33万个数据集。从文本生成、图像处理到语音识别、3D建模，应有尽有。官网：https://huggingface.co/ 。中文站：https://hugging-face.org.cn/ 。 Github地址：https://github.com/huggingface 。国内对接：https://hf-mirror.com/

伯克利函数调用排行榜，从工具使用到对大型语言模型的自主评估：https://gorilla.cs.berkeley.edu/leaderboard.html 。伯克利函数调用排行榜（BFCL）V4 评估大型语言模型（LLM）准确调用函数（即工具）的能力。该排行榜由真实世界数据组成，并将定期更新。在这个网站中可以对多个LLM进行多维度比较（Overall Accuracy，Non-live AST Summary，Live Summary，Hallucination Measurement，Multi Turn Summary），还可以查看调用示例并进行现场调用。

AI开发框架 AutoGen：

AI开发框架 CrewAl：

提示词

视频学习地址：https://www.bilibili.com/video/BV1sNFSzAExU?p=41

提示词工程。论文，The Prompt Report: A Systematic Survey of Prompt Engineering Techniques：https://arxiv.org/abs/2406.06608 。提示技术：https://www.promptingguide.ai/zh/techniques ，内容有 零样本提示、少样本提示、链式思考（CoT）提示、自我一致性、生成知识提示、Prompt Chaining、思维树（ToT）、检索增强生成 (RAG)、自动推理并使用工具（ART）、自动提示工程师、Active-Prompt、方向性刺激提示、Program-Aided Language Models、ReAct框架、Reflexion、多模态思维链提示方法、基于图的提示、meta-prompting。

软提示词：

  • 论文 The Power of Scale for Parameter-Efficient Prompt Tuning: https://arxiv.org/pdf/2104.08691
  • 论文 Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing: https://arxiv.org/pdf/2107.13586

少样本提示。论文 Language Models are Few-Shot Learners：https://arxiv.org/pdf/2005.14165

思维链。论文Chain-of-Thought Prompting Elicits Reasoning in Large Language Models: https://arxiv.org/pdf/2201.11903

Zero-shot CoT。论文 Large Language Models are Zero-Shot Reasoners: https://arxiv.org/pdf/2205.11916

自一致性(Self-Consistency)。论文SELF-CONSISTENCY IMPROVES CHAIN OF THOUGHT REASONING IN LANGUAGE MODELS：httpS://arXIiV.Org/pdf/2203.11171

思维树 (Tree of Thought)。论文Tree of Thoughts: Deliberate Problem Solving with Large Language Models: https://arxiv.org/pdf/2305.10601

CO-STAR提示词框架

这是 Sheila Teo 用来赢得新加坡 GPT-4 提示工程竞赛的框架。CO-STAR 的每个字母都代表提示词的一个具体部分。

  • “C”代表“Context（上下文）”你可以在这里给出任何相关的背景信息比如你自己或是你希望它完成的任务的信息。
  • “O”代表“Objective（目标）”在这里，你需要给出非常明确的指示告诉 ChatGPT 你希望它做什么。
  • “S”代表“Style（风格）”在这一部分，我们需要告诉 ChatGPT 我们想要的写作风格可以是有趣的，比如我们希望它以 Snoop Dogg 的说唱风格来写作或者像顶级 CEO 那样的风格。
  • “T”代表“Tone（语调）”你希望回答的语调是什么？幽默的？情绪化？有威胁性？由你来决定。
  • “A”代表“Audience（受众）”，即我们要告诉 ChatGPT 的听众是谁。比如说，如果目标听众是五岁的孩子，那么结果会截然不同于目标听众是世界级物理学家的情况。
  • 最后一个字母“R”，代表“Response”——我们想要的回应类型。我们需要一份详细的研究报告吗？或者需要一个表格？我们需要一个复杂的编程格式，比如 JSON 吗？或者只是一大堆文字？你想要的，在这里都能找到。

具体的构建方法是这样的

  • 首先，我提供了一个我经营的背景，如我制作AI课程。
  • 接着，我设定目标是撰写一个社交媒体（比如小红书风格）帖子以吸引人们购买。
  • 然后，我设定我需要的风格，基本上是模仿小红书文案的方式。
  • 其次，我要求AI用礼貌并且具有说服力的语调来编写文案。
  • 第五，我告诉AI目标受众为 30 岁左右的人群。
  • 最后，我指定了AI回答的格式：“你的回复应该是四句话，不需要话题标签，但需要加入一些表情符号。”

试用CO-STSR设计模型，有几个基本原则需要遵守：

  • 借助 CO-STAR 框架构建高效的提示
  • 利用分隔符来分节构建提示
  • 设计含有 LLM 保护机制的系统级提示
  • 仅依靠大语言模型分析数据集，无需插件或代码

论文阅读助手提示词模板：

## Context (背景)
作为一名学者或研究人员，阅读和理解学术论文是一项日常任务。然而，由于时间限制和论文数量的增加，快速准确地获取论文的关键信息变得尤为重要。“论文阅读助手”旨在帮助用户高效地筛选和理解学术论文，专注于提供论文的核心观点、研究方法、主要发现和结论。

## Objective (目标)
“论文阅读助手”的目标是：
1. 提取并总结论文的研究问题、目的和背景。
2. 明确论文的研究方法和数据来源。
3. 突出论文的主要发现、结论和可能的影响。
4. 评估论文的质量和相关性，为用户的研究提供参考。

## Style (风格)
“论文阅读助手”的写作风格应是学术性的、客观的，同时要清晰和易于理解。避免过度使用行业术语，除非对理解内容至关重要。

## Tone (语调)
语调应保持中立和专业，同时传达出对学术研究的尊重和对用户需求的同情理解。

## Audience (受众)
目标受众是学术研究人员、学者、大学生以及任何需要深入理解学术论文的专业人士。

## Response (回应)
“论文阅读助手”的回应格式应包括以下部分：
- 标题和作者：提供论文的标题和作者信息。
- 摘要：提供论文摘要的精简版，突出研究问题和目的。
- 研究方法：简要描述研究设计、样本、数据收集和分析方法。
- 主要发现：总结论文的关键结果和数据。
- 结论：概述作者的结论和对研究领域的潜在影响。
- 批判性评价：提供对论文质量、方法和结论的简要评估。
- 推荐阅读：如果适用，推荐相关的进一步阅读材料。

Agent平台

视频学习地址：https://www.bilibili.com/video/BV1sNFSzAExU?p=42

Agent工作流平台。代表：Dify、Coze，voiceflow等。优势：开源的精神，活跃的社区。其实Coze也有自己的workflow工具，也属于这个流派，只是更纯粹、更有代表性的应次是Dify。Dify官网：https://cloud.dify.ai/apps 。

国内的Agent平台。

  • Coze，网址：https://www.coze.cnCoze，作为字节精心打造的AIBot开发旗舰平台，致力于赋能开发者，以强大而简洁的界面，加速智能聊天机器人的设计与部署流程；字节另一款AI智能对话助手叫豆包。
  • 百度千帆AgentBuilder，网址：https://agents.baidu.com/
  • 阿里云魔搭社区，网址：https://modelscope.cn/studios/agent
  • 智谱，网址：https://chatglm.cn/main/toolsCenter
  • 讯飞的星火友伴，网址：https://xinghuo.xfyur.cn/botcenter/createbot
  • SkyAgents(昆仑万维)，网址：https://model-platform-skyagents.tiangong.cn/home/agent

用Coze搭建智能客服，文档：https://www.coze.cn/docs/guides/quickstart。可以发布到企业微信，公众号，抖音企业号等

用Dify.ai搭建智能客服，文档：https://docs.dify.ai/zh-hans/guides/application-orchestrate/conversation-application ，可以发布到网页，提供了嵌入代码，不过后端使用dify.ai的云服务，https://cloud.dify.ai/apps 。

常用服务

OpenAI：https://openai.com/ , API开发者入口：https://platform.openai.com/ , 用户登录入口：https://chat.openai.com

Open接口服务转发：https://ai-yyds.com ，可以在里面购买OpenAI的模型

AutoDl服务商：https://autodl.com ，可以在里面购买与搭建大模型

CodeWithGPU开放模型：https://codewithgpu.com/ ，可以在里面购买与搭建大模型，也可以在里面运行OpenAI的模型

微软云：https://portal.azure.com/#home ，可以在里面购买语音服务

SerpAPI聚合搜索引擎：https://serpapi.com/ ，里面有各类搜索引擎

chroma向量数据库：https://trychroma.com/ ，可以在里面存储和检索向量数据库

Qdrant数据库向量引擎：https://qdrant.tech/ ，可以在里面存储和检索向量数据库

LangChain社区开源框架，langserve：https://github.com/langchain-ai/langserve?tab=readme-ov-file

LangChain各类工具：https://docs.langchain.com/oss/python/integrations/tools

LangChain各类数据加载：https://docs.langchain.com/oss/python/integrations/providers/all_providers

小爱AI：https://xiaoai.plus/ ，可以在里面购买与搭建大模型，也可以在里面运行OpenAI的模型

魔塔社区：https://www.modelscope.cn ，里面有各类模型服务产品。MCP广场有各类工具：https://www.modelscope.cn/mcp

智谱：https://docs.bigmodel.cn/cn/guide/start/introduction ，提供大模型API服务

其他

runoob 中 LangGraph 入门教程：https://www.runoob.com/ai-agent/langgraph-quick-start.html

码士集团学习文档： https://ocn0xcqc407f.feishu.cn/wiki/IbOJwrGaDiOSd4k0Zk4cVPkWnYe






参考资料

返回