关于AIGC人工智能、思维方式、知识拓展,能力提升等。投稿/合作: @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
最好用的AI背景去除工具:Pixian,用了两年了,照样好用,3 秒就可抹掉背景!

即使是细如毛发这种手动很难扣的,也不在话下。

不论是电商,社媒,还是摄影都是可以快速提效的场景,分分钟让你的图片脱颖而出!

传送门:https://pixian.ai/
2025年会很精彩,大厂和创业公司都需要开始奔跑。
AI Coding 最近半年很火,细分赛道还有很多机会。

已经有了 👇

- AI 辅助日常编码(cursor/windsurf/trae)

- AI 生成 Web 应用(bolt/v0/lovable)

- AI 生成 Landing Page(Pagen/wegic)

- AI 生成前端组件(CopyWeb/screenshottocode)

- AI 生成 API(devv builder)

- AI 生成项目提示词(copycoder)

- AI 生成移动 App(bolt/rork)

- AI 生成项目文档(codeguide)

还可以做的方向👇

- AI 生成小程序(面向国内用户,可以基于 uniapp/taro 模板生成)

- AI 生成浏览器插件(可以基于 plasmo/wxt 模板生成)

- AI 生成管理后台(包含常用的 CURD)

- AI 生成桌面应用(可以基于 tauri/electron 模板生成)

- AI 生成智能体(基于 langchain/coze/dify 的 prompt/workflow 模板)

你最看好哪个细分场景?欢迎评论区补充。😁
Fast AI - 免费开源的深度学习和AI学习网站
Fast AI 免费开源的深度学习和AI学习网站

链接:
https://www.fast.ai/

#Ai工具推荐
宇树真的牛皮,哪里可以投资一下,手里有5块钱闲钱

Invalid media: video
语言大模型有deepseek,机器人有宇树。杭州这个地方是要变成中国硅谷了吗,未来不可限量。

现在大模型虽然很智能,但始终还差"那么一点儿"。等那一点儿突破之后,和机器人一结合,科幻电影里的未来就来了
梅卡曼德邵天兰:“通用机器人” 的吹牛竞赛与现实路径丨具身智能对话#9

观察具身智能的另一个视角:
“打工”上千场景后,看到的智能机器人hype与现实路径,邵天兰认为通用的不是机器人本体本身而是核心组件。
…………
我们这次也整理了之前发布的具身智能(机器人公司和自动驾 的篇目,开始计数😄
不同背景 视角的创始人面对同样的问题有不同思考,这是一个不收敛的方向,噪音与分歧中是机会。
你想和Unitree G1一起跳什么舞蹈?_哔哩哔哩_bilibili

期待有一天,机器人+大模型+春水堂,如果都可以很细节的话,简直是,,但是价格也,,
未来一定是人工智能(宠物,朋友,伴侣,)的。
最好的致敬是学习:DeepSeek-R1 赏析_哔哩哔哩_bilibili

@hidecloud 的这个分享真棒,讲的深入浅出又让人热血沸腾,对于后续产品设计也有了很多启发,强烈推荐。

以及,非常赞这个标题:最好的致敬是学习。
一个简单的适合 P 人的读书方法:

1. 先看书,划线,用任何形式都可以
2. 把书的简介喂给 deepseek,让它根据书的信息、你的职业/兴趣、公开的搜索资料,向你提出 10-15 个问题
3. 筛选其中你觉得特别有意思的问题,再回想书的内容,如果忘记了可以再翻书,开始回答
4. 把问题和回答记录到 flomo ,一张卡片只有一个问题、一个回答、一个引用(非必需)
5. 未来你就可以用好 flomo 的 AI 问问了。
FkQ04VMB3bP1DnVejDmPV6HpOXC7v3.jpg
468.8 KB
AI探索指南
来了!!Deepseek 发布最佳的 R1 模型设置 - 无系统提示 - Temperature: 0.6 - 缓解模型绕过思考的方式 - 官方的搜索和文件上传提示 详细的提示在下面👇 Deepseek R1 官方文件上传提示词: For file upload, please follow the template to create prompts, where {file_name}, {file_content} and {question} are arguments. ``` file_template…
- 对于列举类的问题(如列举所有航班信息),尽量将答案控制在10个要点以内,并告诉用户可以查看搜索来源、获得完整信息。优先提供信息完整、最相关的列举项;如非必要,不要主动告诉用户搜索结果未提供的内容。
- 对于创作类的问题(如写论文),请务必在正文的段落中引用对应的参考编号,例如[citation:3][citation:5],不能只在文章末尾引用。你需要解读并概括用户的题目要求,选择合适的格式,充分利用搜索结果并抽取重要信息,生成符合用户要求、极具思想深度、富有创造力与专业性的答案。你的创作篇幅需要尽可能延长,对于每一个要点的论述要推测用户的意图,给出尽可能多角度的回答要点,且务必信息量大、论述详尽。
- 如果回答很长,请尽量结构化、分段落总结。如果需要分点作答,尽量控制在5个点以内,并合并相关的内容。
- 对于客观类的问答,如果问题的答案非常简短,可以适当补充一到两句相关信息,以丰富内容。
- 你需要根据用户要求和回答内容选择合适、美观的回答格式,确保可读性强。
- 你的回答应该综合多个相关网页来回答,不能重复引用一个网页。
- 除非用户要求,否则你回答的语言需要和用户提问的语言保持一致。
# 用户消息为:
{question}'''
```
来了!!Deepseek 发布最佳的 R1 模型设置

- 无系统提示
- Temperature: 0.6
- 缓解模型绕过思考的方式
- 官方的搜索和文件上传提示

详细的提示在下面👇

Deepseek R1 官方文件上传提示词:

For file upload, please follow the template to create prompts, where {file_name}, {file_content} and {question} are arguments.
```
file_template = \
"""[file name]: {file_name}
[file content begin]
{file_content}
[file content end]
{question}"""
```

缓解 R1 模型绕过思考的方法:

我们观察到 DeepSeek-R1 系列模型在回应某些查询时倾向于绕过思维模式(即输出"\n\n"),这可能会对模型的表现产生负面影响。

为了确保模型进行充分的推理,我们建议强制模型在每次输出的开始都使用"\n"作为起始。

Deepseek R1 官方搜索提示词:

For Chinese query, we use the prompt:
```
search_answer_zh_template = \
'''# 以下内容是基于用户发送的消息的搜索结果:
{search_results}
在我给你的搜索结果中,每个结果都是[webpage X begin]...[webpage X end]格式的,X代表每篇文章的数字索引。请在适当的情况下在句子末尾引用上下文。请按照引用编号[citation:X]的格式在答案中对应部分引用上下文。如果一句话源自多个上下文,请列出所有相关的引用编号,例如[citation:3][citation:5],切记不要将引用集中在最后返回引用编号,而是在答案对应部分列出。
在回答时,请注意以下几点:
- 今天是{cur_date}。
- 并非搜索结果的所有内容都与用户的问题密切相关,你需要结合问题,对搜索结果进行甄别、筛选。
Back to Top