找到 145 篇与 AI工具 相关的结果 - 第 2 页
-
AI闪电做外贸训练营选品第22期 AI闪电做外贸训练营选品第22期 图片1 课程介绍 【AI闪电做外贸训练营选品第22期】聚焦外贸选品实战，结合AI技术精准挖掘爆款产品，提升选品效率与成功率。从市场分析到数据驱动决策，手把手教你打造高利润产品线，助力外贸业务快速增长！立即加入，抢占市场先机！ 学习地址 百度：https://pan.baidu.com/s/15DGoD5oWQdPTskuoWYBO1g?pwd=7ipz 天翼：https://cloud.189.cn/t/ya2E3iURNRvq（访问码：lvl8） 阿里：https://www.alipan.com/s/jkDtB5A2iBW 夸克：https://pan.quark.cn/s/250c67b05e86 下载后请先检查文件完整性，如有问题请在评论区反馈
-
OpenAI 研发人员称使用 GPT-6 Astra 模型 请立刻更新 Skills 与提示词 否则会是负优化 使用 GPT-6 Astra 模型 请立刻更新你的 Skill 与提示词 OpenAI 研发人员@pvncher发文，现在的 GPT-6-Astra 越来越强，以前那些强制读全仓、频繁跑测试的 Skills 早就变成拖累上下文的负优化！过去为了让旧模型少犯错加上的规则，现在可能已经过时，甚至开始限制新模型。请重新检查项目里的 Skills、AGENTS.md 和任务提示词。 编程智能体已经取得了长足进步，最佳实践也在迅速变化。过去需求大量人工引导和脚手架搭建的工作，如今已无需如此。 如果过去一年一直在项目中使用智能体，那么在引导模型取得良好成果的过程中，很可能已经积累了大量冗长的指令。每次新版本发布后，都值得重新审视这些既有假设；到了 GPT-6 Astra，这项工作比以往任何时候都更加重要。 这些指令能够采用多种形式，Skill、AGENTS.md 和任务提示词都会影响模型完成工作的方式。 SKill 文件 Skill 文件是其中一种形式，本质上是以 Markdown 文件保存的提示词，有时还会附带脚本。一般而言，它们最适合为仅在特定任务中使用的工作流提供指导，或者说明插件的使用方法。 许多人习惯在项目中下载大量 Skill，但这种做法会带来疑问。每个 Skill 的名称和描述都会加载到模型上下文中，供模型判断何时使用。许多描述过于冗长；Skill 数量过多时，Codex 会开始缩短描述以适应上下文。模型最终只能看到每项描述的一部分，所以更难判断应当选择哪个 Skill。 更糟糕的是，不同描述之间可能相互矛盾，或者具有过强的自我推销倾向，导致模型加载对当前任务并无实际帮助的指令。 如果曾让 Codex 创建 Skill，它很可能使用过 $skill-creator Skill。近期，这项 Skill 的指南经过了多方面更新，以缓解实践中观察到的多种失效模式。 第一，Skill 描述应尽可能简短，同时清楚说明模型应在何时使用它。 明确其适用时机 不佳示例 创建并验证 Postgres 模式迁移。在处理数据库、查询、模型或持久化时使用。 良好示例 创建并验证 Postgres 模式迁移。在添加或修改迁移文件，或审查其部署上线时使用。 示例中的不良 Skill 描述可能会促使模型在接触任何数据库相关内容时都启用它，而合理的触发条件应限定为必须处理数据库迁移的场景。 第二，渐进式披露是判断 Skill 是否实用的关键指标之一。读取 Skill 会占用上下文，使对话更接近上下文压缩，并引入可能与当前任务无关的指导。对于包含多种工作流的 Skill，应将根文档设计为精简的路由入口，由它指向辅助文档和脚本。只需为模型提供足以判断查找位置的指导，无需迫使它读取当前并不相关的内容。 第三，许多 Skill 被写成了细致到逐步执行的流程或操作配方。模型理解细微差异与模糊性的能力已经显著增强，所以，过去能够改善结果的过度具体指导，如今反而可能妨碍模型发挥。 仓库中的 Skill 还会指导其他贡献者使用的智能体，而这些智能体可能采用不同模型。对 Sol 或 Luna 有帮助的指导可能会过度约束 GPT-6 Astra，因此需求考虑这些指令将由哪些模型使用。 AGENTS.md 由于模型在仓库中工作时始终会应用 AGENTS.md，因此应重新审视每条指令，判断当前任务是否仍然需要它。 对于修正拼写错误这样的任务，要求模型在每次编辑前阅读一整套文档或完整的仓库图谱显得过于繁重。GPT-6 Astra 能够自行判断需要阅读哪些内容，无需在每次修改前都被要求审查整个项目。 按任务需求读取相应文档 不佳示例 每次编辑前，都读取 architecture.md、database.md 和 deployment.md。 良好示例 涉及服务边界时查阅 architecture.md，涉及模式变更时查阅 database.md，准备部署时查阅 deployment.md。 要求模型在每次编辑前读取文件，会迅速消耗上下文并拖慢工作速度。根据具体情境指向部分文档仍然有所帮助，同时还应确保这些文档持续保持最新。 以往的模型需要额外提醒才会运行测试并检查工作成果。GPT-6 Astra 会主动完成这些工作，因此沿用相同指令可能导致执行多余的测试。 GPT-6 Astra 工作细致，但在判断任务应推进到什么程度时可能更加谨慎。有时，它需要明确推动，才会持续推进。能够经过 AGENTS.md 明确授权某个已知安稳的具体工作流，例如本地测试套件： 本地测试使用可弃置的测试夹具，无法访问生产环境。请运行这些测试，修复由所请求变更导致的失败，并重新运行受影响的测试，无需在每一步都请求批准。 决策边界 描述操作边界时需要格外谨慎。如果旧模型曾在未经许可的情况下代为执行操作，项目中可能已经加入强硬措辞，要求模型事先征询意见。这类要求可能仍有价值，但 GPT-6 Astra 的判断能力已大幅提高，应当根据这一能力设置相称的边界。它也会严格遵守这些边界，因而可能在用户原本乐于让其继续执行的环节停下。 持久化 习惯了 GPT-5.6 Sol 接到请求后长时间持续执行的用户，可能会觉得 GPT-6 Astra 在判断何时停止方面更为谨慎。它可能在完成第一版完成后便返回请求审查，即使任务仍有后续工作尚待完成。 这正体现了预先定义完成条件的价值。如果任务包括让完成实际运行起来、检查结果并修复失败，就应将这些要求写入请求。要求模型在完成第一版实现后停下来接受审查，会促使它更早结束工作，因此需要确认这一决策是否确有必要。 如果希望模型在第一轮处理后继续探索，应明确说明探索目标以及停止条件。 新模型的发布也是清理项目的好时机。可以让 GPT-6 Astra 根据本文讨论的内容开展一次审计，随后着手构建此前未曾尝试的项目。 OpenAI 研发人员称使用 GPT-6 Astra 模型 请立刻更新 Skills 与提示词 否则会是负优化 下载后请先检查文件完整性，如有疑问请在评论区反馈
-
同讯AI+零代码平台 项目信息 项目名称：同讯AI+零代码平台 开发语言：Java Star数：6633 Fork数：1143 开源协议：Apache-2.0 项目地址：https://gitee.com/agile-bpm/tx-zcode 项目介绍 面向AI时代的企业数字化底座！让业务人员也能完成系统开发。市场应用的 ERP、OA办公、公文收发、资产管理等应用 永久无偿！供给企业级表单、流程设计能力、自动化流、触发器、连接器等自动化组件。 项目详情 同讯零代码 面向AI时代的数字化底座 本产品面向海量B端市场，能够让不懂开发的人员，基于AI可控的生成零代码项目，并支撑在线拖拽式二次开发，完成人机协同开发的模式。 产品永久免费，无用户数等限制，能够在企业内完全免费的私有化部署，并支撑开发者二次高代码开发。 产品定位：业务人员AI+零代码开发解决90%场景需求，复杂需求开发人员 本地AI+高代码兜底。 90%日常简单需求，业务人员零代码可视化开发。10%复杂需求开发人员低代码增强，从简单到复杂渐进式递进，让业务人员与开发人员无缝协作，让零代码平滑升级至低代码开发。 产品研发投入数千万，在华润、联想、万科、电信等五百强企业有多年的生产验证，可靠性高。 我们开放了 100% 零代码的功能，复杂需求您在本地高代码开发。 如需更轻松的低代码的在线开发能力、ETL数据流、BI报表大屏、AI工作流等数据分析处理能力，则选择商业版。 商业版还提供 小时级的低代码增强开发、定制服务、IT运维等服务，欢迎咨询。 开源版可替代市面上大多商业化的零代码产品！我们目标让企业创新真正零成本落地，如果觉得产品不错可以考虑支持下团队，升级商业版。 技术交流群 QQ交流群：108698205，如果进了技术群，请先看群公告再问问题。 添加微信：agileBPM01，请备注开源，他会拉进微信群。 文档 体验地址 ? 核心特性 应用市场：逐步上线官方免费应用：公文平台、OA办公、资产管理、客户关系、ERP 等（在 应用模版-已购买中 在线安装） 后端组件：Maven 模块化管理、SOA架构模式，JDK17+、SpringBoot3.x、MyBatisPlus、Activiti7 前端组件：Pnpm + Monorepo + Turbo工程管理模式，TypeScript、Vue3.x、Vite、ElementPlus ? 列表应用 ：包含分页列表、卡片 、画册、看板 、甘特图、日程、日历的视图，行编辑，行级列级数据权限，左树右列，列统计，函数虚拟列等诸多功能。 可经过零代码的方式构建管理列表页面，数据报表页面。用于增删改查、导入导出、出库入库、启用禁用、指派、发起流程等业务功能操作。 ? 表单 ：50+常规控件、8+动态取数据控件、4个主子表功能插件。 提供十分完善的表单控件支持，可配置程度十分高，有通用表单控件需求，可以提工单。 ? 流程 ：办理节点、审批节点、抄送节点、分支节点、自动化节点、或签、会签投票、节点表单字段级权限、抄送、传阅、加签、驳回、人工终止、转办等诸多功能。 提供主流流程设计器以及商业级流程可配置能力，流程引擎一步到位。 ⚙️ 自动化流 ：支持 15种执行节点 循环、判断 、消息推送、SQL处理、增删改查、流程发起等节点类型。 用于API接口提供，业务逻辑扩展如排产、MPR等运算逻辑的编排，跨系统事件处理、预警通知等场景 ? 触发器 ：表单增删改事件 触发、列表应用 按钮 触发、流程事件 触发、定时 触发、系统事件 触发、API调用触发。 用于各种场景触发自动化流 ? 集成能力 ：跨系统auth2集成、企微、钉钉集成（免登、消息推送、用户组织同步）微前端集成、邮件、短信、等通知方式自定义扩展、百度OCR、阿里云、等对接配置。 用于已有系统以及第三方系统的集成整合 ? PRO功能 ：AI 工作流编排、ETL异步作业流、BPMN2.0流程设计、大屏多维交叉报表、Excel报表等。 开源版 提供全部零代码范畴功能以及高代码兜底的能力，商业版提供低代码增强能力以及大屏等数据分析处理场景的能力。 核心能力图谱 AI 小智 面向用户端AI能力 ：智能问答、智能填单（一句话办事）、智能问数、AI智能体（PRO） 面向开发者AI能力 ：AI需求大师(0-1生成完整应用)、小智流程表单列表生成以及修改（基于需求文档资料生成流程表单等功能页面）、AI流程决策（PRO） 全面开放MCP的能力 （v6.3）：用户可生成自己的 API-KEY，提供给小龙虾智能体等，代理用户操作业务系统 AI能力 需要在 [平台配置] - [系统配置] - [产品企业服务平台] 配置AI服务，默认设置仅临时试用，正式环境请务必申请专属 token。 AI能力图谱 系统界面 项目![同讯AI+零代码平台 图片3工作台 项目![同讯AI+零代码平台 图片5应用中心 项目![同讯AI+零代码平台 图片7系统配置 项目![同讯AI+零代码平台 图片9表单设计 项目![同讯AI+零代码平台 图片11流程设计 项目![同讯AI+零代码平台 图片13自动化流设计 项目![同讯AI+零代码平台 图片15表单页面 项目![同讯AI+零代码平台 图片17列表管理页面 项目![同讯AI+零代码平台 图片19卡片列表 操作文档 文档主页：https://alidocs.dingtalk.com/i/p/gBVzxxE8aQg3QzOa 快速上手零代码开发 系统框架整合 第三方 免登集成、卡片消息、用户组织同步: 钉钉整合、 企微整合、 第三方待办接入 服务器配置要求 表单控件、表单扩展自定义控件 列表设计 [设计流程](https://alidocs.dingtalk. ...（内容过长，已截断，更多详情请访问项目地址） 下载后请先检查文件完整性，如有问题请在评论区反馈
-
AI Coding 蜜月期之后，我们重新思考了 AI 提效 Google CEO Sundar hai 在 Cloud Next 大会上透露，公司新产生的代码中已有 75% 由 AI 生成，而六个月前，这个比例还只有 50%。OpenAI 里普通工程师的 AI 使用已经大部分转向了自研的 Codex；如今这部分工程师约 99% 的输出 Token 都来自 Codex，人工敲键盘的角色已经被压缩到近乎象征性。 光从这些数字看，AI 的代码生成能力似乎已经超越大部分工程师。 我们自己深度使用 AI Coding 半年下来，最开始也是这个感觉——直到真正把它放进企业系统里跑起来，才发现代码生成变快之后，露出来的是一堆过去被“写代码慢”这个瓶颈掩盖住的疑问。 这篇文章想聊的，就是我们在实践里踩过的坑，以及从中总结出来、觉得值得参考的几个结论。 一、与 AI Coding 的蜜月期 过去两年，AI Coding 的进展可能超出了很多人的预期。 从代码补全，到能够理解需求、搜索资料、分析代码、制定方案，再到自主修改代码、编写测试、运行验证，Coding Agent 已经开始从“辅助工程师写代码”，走向承担完整的软件开发任务。 我们自己也经历了一段明显的“蜜月期”。 过去，一个中型研发需求从接手到首次看到 Demo，往往要经历需求分析、代码阅读、技术调研、方案设计、内部讨论和实际开发。即便需求本身不复杂，从真正开工到见到结果，通常也需数周。 而在使用 Agent 后，这一过程被压缩到完全不同的尺度——一两天内完成需求理解、资料搜索、方案调研、代码设计、功能开发和测试，甚至一次性产出 2～3 万行 C++ 代码。有些相对独立的疑问，几小时甚至一两个小时就能得到完整结果。更令人印象深刻的是，它不只“写代码快”，还能先给出一套看起来相当专精的解决方案，再交由工程师判断是否采用。 这种体验很容易让人产生一种判断：既然 AI 已经能够完成这么多工作，那么软件研发是不是很快就会进入一个新的阶段——人负责提出需求，AI 负责完成完成？ 但真正进入生产环境之后，我们很快遇到了一个让我们重新思考这个问题的案例。 二、半天写完的功能，为什么卡了两周？ 前不久，我们希望让 DolphinDB 的部分 Join 算子支持跨时间分区计算。用户通常按交易日分区存储数据，以便分布式执行。但对于加密资产这类 7×24 小时连续交易的场景，交易数据不再天然以自然日为边界，跨天、跨时间分区的计算需求越来越常见，所以我们决定补齐这部分能力。 这个需求交由当时最新一代 GPT 模型驱动的 Agent 处理。 结果相当惊人：不到两个工作日，Agent 基本完成了从分析现有代码、理解需求、设计方案，到编写功能、补充测试、生成设计和使用文档的完整流程。初步测试也未发现明显问题。 按照传统研发流程，这类需求涉及底层执行逻辑、分区机制和多个 Join 算子，人工开发往往需要数周甚至更久。Agent 将这一过程压缩到了不到两个工作日。当时我们的第一反应不是怀疑，而是兴奋——AI Coding 的效率确实令人震惊。 但随着测试范围扩大，新的问题开始出现。 这些问题并不简易是“代码写错了”。Agent 对需求的理解基本正确，算法设计也没有明显问题。真正的问题在于，它并没有完整掌握几十万行代码背后那些分散的技术约束：哪些分区方式存在特殊限制，哪些数据类型尚未支持，哪些能力只存在于 SQL 层而函数式接口尚未完成，以及哪些历史遗留限制会影响新功能。 最终，测试阶段发现了若干大类、几十个预期外问题。 这次经历并未让我们降低对 AI 的判断，反而让我们更确信：AI Coding 已足够强大，真正值得重新思考的是——当代码生产速度大幅提升后，企业的软件研发体系应如何改变？ 我们后来逐渐形成了三个较为明确的认识。 三、效率的幻象——AI 提速之后，暴露的三个问题 问题一：代码生产提速了，交付却没有同步提速 一个需求从提出到上线，远不止编码。需求分析、方案设计、开发、Review、测试、发布，每个环节都可能是瓶颈。过去编码占用大量时间，提升编码效率收益明显；但 Agent 能在几小时内完成过去数周的工作后，其他环节的重要性迅速上升。 若 AI 将开发从五天缩至一天，但 Review 仍需两天，测试仍需三天，发布仍需两天，整体周期不会缩短五倍。甚至可能出现相反情况：AI 产生更多代码和 PR，Review 和测试工作量增加，原本不突出的环节成为新瓶颈——这正是阿姆达尔定律在软件工程中的体现。 我们看到的“两小时写完，后续几周解决问题”，许多时候并非 AI 写错，而是复杂系统中修 Bug 往往是在补充原有架构和能力的缺失。局部功能可快速完成，但要进入复杂生产系统，涉及的依赖、验证和兼容性远超功能本身。 所以，AI Coding 下一阶段的关键不是让 AI 写得更快，而是让整个交付链路能承接这种速度——Code Review、自动化测试、CI/CD、发布和运维，都需逐步进入 AI 驱动的工程体系。 问题二：AI 最大的障碍，不一定是幻觉，而是不了解企业 使用 AI 优化功能的经历让我们重新审视“AI 为何在复杂老系统中出错”这个常见问题。 最容易归因的是“幻觉”，但我们的感受并不完全如此。Agent 找到的资料、分析的结构、设计的方案可能都合理，问题在于这些信息往往只是系统事实的一部分。一个运行多年、数十万行代码的软件，真正约束不会全写在架构文档里——它们藏在历史接口实现、异常处理逻辑、事故后遗留的保护代码，或团队默认的规则中。人类工程师虽未必一次性看清所有，但至少知道“哪里可能有坑”，知道该问谁、重点检查什么。 Agent 则不同，它像一个能力很强但刚入职、未受公司培训的新人。给它独立的新系统（如内部新模块，无历史债、架构清晰），它能表现出色；但进入运行多年的大型系统时，面对“分区”“别名”等看似普通的功能，背后却可能存在大量历史代码和技术债。Agent 能理解一部分，却难以保证已覆盖所有隐藏约束。 所以，我们越来越认为，企业 AI Coding 的核心问题，不是简易增加 Token、文档或 Context Window，这已经不只是 Context Engineering，而是走向了更广义的 Environment Engineering。 问题三：AI 越会写代码，越容易重新造轮子 代码生成日益廉价后，“重新实现一遍”会变得异常容易。但企业真正稀缺的从来不是代码本身。 一家运行多年的科技公司，真正沉淀的是数据库、计算引擎、中间件、内部 SDK、业务组件，以及围绕它们形成的大量生产验证能力。熟悉技术栈的工程师默认会复用这些能力——遇到数据处理，不会重写数据库；需要复杂计算，调用已有引擎；需要业务能力，寻找现成组件。 而对 Agent 来说，如果这些能力没有被显式暴露出来，它很可能根本不知道企业已经拥有它们，于是转身就把轮子又造了一遍。 四、从 AI Coding 实践中得到的三个结论 在深度使用 AI Coding 之后，我们的感受并非“AI 不过如此”，反而是越来越清晰地意识到：AI 的能力已经足够强大，强大到足以实质性改变软件开发的生产方式。然而，恰恰是 AI 越强，越让我们看清一个本质问题——代码从来只是软件生产中的一个环节，而企业真正需要提升的，也远不止写代码这一件事。 从我们的实践来看，至少有三个结论值得重新思考。 从 Coding Efficiency 走向 Delivery Efficiency AI Coding 最容易被量化的，是代码生成量、Token 消耗、PR 数量和开发耗时。但这些指标，并不天然等同于企业真正关心的业务结果。 试想，如果 AI 让一位工程师一天开出十个 PR，而代码审查、测试和发布流程依然只能消化两个，那么企业得到的就不是十倍的交付能力，而是八个堆积在队列中等待处理的 PR。 因此，AI Coding 的 ROI，最终还是要回归到端到端的软件交付效率。这意味着，企业必须同步升级自动化测试、代码评审、CI/CD 流水线、发布策略和质量验证体系，让 AI 生成的代码产能，真正转化为可交付的软件成果。 简而言之，AI Coding 解决的是“生产代码”，而企业需要解决的，是“消化代码”。 建设 Agent 可理解的工程环境 当 Agent 面对一个复杂的企业系统时，问题往往不是它完全不会，而是它无法掌握那些分散在代码、文档和人员经验中的隐性约束。 企业需要重新梳理自己的工程环境，让架构更清晰、组件更可发现、知识更易检索、历史经验可复用、工程规范可表达、工具可调用，同时让权限边界对 Agent 透明。这些过去是为了便捷人的协作，现在同样决定了 Agent 能否真正工作。因此，我们认为企业需要建设的已经不只是传统意义上的 Context Engineering，而是一套更完整的 Agent Engineering Environment。 这也是我们做 DolphinX 时比较核心的考虑。 DolphinX 并不是简单地给企业增加一个 Coding Agent，而是试图为 Agent 提供进入企业软件环境所需要的完整条件：知识能够沉淀和检索，重复性的工作能够封装成 Skill，历史交互可以形成 Memory，企业已有能力可以经过 MCP 等机制被调用，同时用户身份、权限和执行过程也能够纳入统一治理。 这样，Agent 面对一个企业系统时，不再需要每次从零开始理解，也不需要把企业已有的知识和能力重新复制一份到外部 AI 系统中。 过去是工程师适应企业的软件环境；AI 时代，我们还需要让软件环境能够被 Agent 理解。 基础设施是 AI 的杠杆，不是替代品 AI 并不会因为能够生成 Python、SQL 或其他代码，就自动取代数据库、计算引擎、中间件和业务系统。PB 级数据仍然需要数据库存储和查询，复杂数据处理仍然需要专精计算引擎，实时数据仍然需要流处理，不同系统之间仍然需要可靠的数据服务和中间件，权限和审计也仍然需要由企业的治理体系负责。 AI 更适合做的是理解用户意图，然后选择和组合这些已经存在的具有确定性的能力。 以 DolphinDB 为例。它在金融、能源、工业等场景中经过了多年生产验证，沉淀了完善的数据模型、计算函数库、流处理框架和分布式执行能力。这些能力不是几行代码可以替代的——它们是企业在真实业务中逐步打磨出来的基础设施。Agent 不需要也没有必要去“重新实现”一个计算引擎，它只需要知道这些能力存在、理解如何调用它们，然后把精力放在理解用户意图和组合已有能力上。 写在最后：当代码不再是壁垒 如果代码本身正在变得廉价，那工程师的稀缺性在哪里？ 答案或许和直觉相反：人的价值不会消失，只会转移。当实现越来越便宜，判断、架构、经验和责任就会越来越贵。所以，AI 时代需要升级的不是 Coding 能力，而是整条软件生产体系——让 AI 承担更多“实现”，让工程体系承担更多“约束”，让基础设施承载更多“确定性”，而把人解放出来，去做真正需要判断和负责的事情。 未来的竞争，不属于写代码最快的 AI，而属于工程环境更好、基础设施更强、业务理解更深的人。 下载后请先检查文件完整性，如有问题请在评论区反馈
-
AIGC高级实战班一起学AI绘画 AIGC高级实战班一起学AI绘画 图片1 课程介绍 AIGC 高级实战班邀你深入探索！聚焦 Midjourney、Stable Diffusion 等工具高阶用法，拆解光影处理、风格迁移、复杂场景构建技巧。通过商业案例实训，掌握精准提示词逻辑与模型微调方法，从模仿到原创，让你画出兼具艺术感与商业价值的作品，成为 AI 绘画高手。 学习地址 百度：https://pan.baidu.com/s/14l03fK35I_Vm76nz6ECHBA?pwd=0yb2 天翼：https://cloud.189.cn/t/ZRJvIrYjyqEj（访问码：9vrk） 阿里：https://www.alipan.com/s/8W6LxhyKnvu 夸克：https://pan.quark.cn/s/2cb13fe45300 下载后请先检查文件完整性，如有问题请在评论区反馈
-
从入门到大师AI人工智能实战 从入门到大师AI人工智能实战 图片1 课程介绍 想从 AI 小白蜕变为实战大师？这门课带你系统通关！从基础概念到核心工具操作，逐步解锁 ChatGPT、Midjourney 等 AI 应用。实战覆盖文案生成、图像创作、数据处理等场景，拆解 100 + 案例，教你设计精准提示词、解决实际问题。阶梯式训练 + 导师答疑，助你快速掌握 AI 核心逻辑，成为能落地的 AI 实战高手。 学习地址 百度：https://pan.baidu.com/s/1qhC4bZHIuefXwIODlwZXng?pwd=xy2e 天翼：https://cloud.189.cn/t/yuI3qe6jay6r（访问码：4u9i） 阿里：https://www.alipan.com/s/mBvokfBoumQ 夸克：https://pan.quark.cn/s/a4bb2d7e7af0 下载后请先检查文件完整性，如有问题请在评论区反馈
-
普通人用AI做自媒体实操培训 普通人用AI做自媒体实操培训 图片2 课程介绍 想借自媒体实现逆袭，却因缺经验、没技术被拒之门外？别担心！普通人用 AI 做自媒体实操培训，带你打破壁垒。从定位起号，到内容创作，借 DeepSeek 等工具，15 分钟生成 10 条爆款选题，一键产出适配多平台的图文。导师全程实操带练，帮你从 0 到 1 打造个人 IP，开启自媒体创富路 。 学习地址 百度：https://pan.baidu.com/s/1KteVauaCKPrD-QC194ymJQ?pwd=mu4e 天翼：https://cloud.189.cn/t/bayqy23m2uAn（访问码：hwm5） 阿里：https://www.alipan.com/s/pNckqR24SxB 夸克：https://pan.quark.cn/s/8e1be5ed6fb1 下载后请先检查文件完整性，如有问题请在评论区反馈
-
21节平面设计实战教你玩转AI 21节平面设计实战教你玩转AI 图片1 课程介绍 零基础速成设计！涵盖品牌VI/电商主图/动态海报等6大场景实战，解密AI提示词高阶玩法。助你21天掌握设计变现全流程！适合设计师/电商创业者转型，解锁AI时代设计新生产力 学习地址 百度：https://pan.baidu.com/s/1kS9IWg4wVs3RnAGsAB47RA?pwd=lb7u 天翼：https://cloud.189.cn/t/UJBVzm6Jnm2e（访问码：id7s） 阿里：https://www.alipan.com/s/ogVmZHdTD9Y 夸克：https://pan.quark.cn/s/3b37bc0df843 下载后请先检查文件完整性，如有问题请在评论区反馈
-
一个让你从0到1AI绘画设计课 一个让你从0到1AI绘画设计课 图片1 课程介绍 课程来自且曼的AI智能绘画系列课。系统课程，从零开始到工作落地，关键词小课，最新最火的关键词。一个让你从0到1，从熟悉AI的工具到熟练生成自己的设计作品的AI绘画课。 学习地址 百度：https://pan.baidu.com/s/1xQ349pUhKcZ13vRyKc3yIg?pwd=15qj 天翼：https://cloud.189.cn/web/share?code=R7JfuuEnyea2（访问码：zdk8） 阿里：https://www.aliyundrive.com/s/eXrhQ7GxuE9 夸克：https://pan.quark.cn/s/78cf0f025f34 下载后请先检查文件完整性，如有问题请在评论区反馈
-
AI数字人制作 从零基础到大神 AI数字人制作 从零基础到大神 图片1 教程介绍 你是否有以下问题? 不会拍摄、不会剪辑，可以做短么? 想学A做副业搞钱，从何入手? 听说数字人很火，但究竟怎么变现? 适合人群 想利用AI数字人进行内容创作实现快速变现的个人和团队 降本增效 想利用AI数字人为企业组织实现降本增效的企业客户 营收增长 应用AI数字人提升业务营收增长的运营操盘手 IP和企业形象 利用AI数字人打造IP和企业形象的市场团队 学习地址 百度：https://pan.baidu.com/s/1mMPqTYlaBP1nyv15OZwKBQ?pwd=7b6r 天翼：https://cloud.189.cn/t/UV7veyN3YBne（访问码：ttd1） 夸克：https://pan.quark.cn/s/fe6b280f1cf8 阿里：https://www.alipan.com/s/dpX33dBkRn1 下载后请先检查文件完整性，如有问题请在评论区反馈
-
Disco Diffusion人工智能一键绘画AI 软件介绍 最近超级火的人工智能一键绘画软件Disco Diffusion，通过文字描述就可以生成画图。但是官方原版需要安装python,codan,git,pip等等一大堆环境，刀网分享的这个版本下载解压即可一键启动，输入英文描述语即可生成超复杂且精美的图画. 软件Disco Diffusion人工智能一键绘画AI 图片2 Disco Diffusion人工智能一键绘画AI 图片4Disco Diffusion人工智能一键绘画AI 图片6 Disco Diffusion人工智能一键绘画AI 图片8 Disco Diffusion人工智能一键绘画AI 图片10 食用方法 1、下载完成后->右键解压->解压到文件夹里面->在文件里面找到自己电脑对应得显存大小批处理文件点击打开即可. 2、首次打开可能比较慢，等出现图1这个本地地址后就算成功了，复制这个地址到电脑浏览器打开，就可以进入软件界面. 3、进入软件后输入英文描述语然后点击生成就可以了，想画什么就描述什么，甚至可以根据你的描述语生成超复杂精美得图画. 4、软件使用最低要求：英伟达显卡4g以上显存，最少1050以上显卡，显存低于4g用不了，显存越高越好. ⬇️ 下载地址 {cloud type="tianyi" title="天翼云盘" url="https://cloud.189.cn/t/UjAfmaYFZV7n"} 下载后请先检查文件完整性，如有问题请在评论区反馈
