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
· 爆火的“哄哄模拟器”,它是如何炼成的?Prompt泄漏了
· Stable Diffusion 必装插件查缺补漏,你还有哪个没装?(下)
· Prompt屠龙术-少样本示例
· 【AI代理】扣子,开始探索多代理模式
· AI开源 - LangChain UI 之 Flowise
· ComfyUI初学者指南
· Midjourney AI绘画美女提示词分享一
· 【一步一步引导】从零详细地梳理一个完整的 LLM 训练流程
· RVC和SVC声音模型难找?推荐这个网站
· 4秒惊艳!Stable Cascade AI绘画神器,设计师和普通用户的无限创意新选择
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
开源
开源版GPT-4o语音来袭,Mini-Omni开启实时语音对话
它不仅
能
实现实时的语音对话,更厉害的是,它还
能
同时生成文本和音频!
Mini-Omni
语音
开源
用AI为古诗词生成插画
有朋友问,
能
用AI为古诗词生成插画吗?
Stable
Diffusion
文生图
提示词
阿里
体验完阿里的EMO模型,我emo了
,需要手
动
输入 “EMO” 关键词出发 进入主页面后,可以发现目前主要有两个功
能
,一是全民舞王,二是全民唱演 三、
EMO
文生图
RAG
谈谈RAG存在的一些问题和避免方式
机器学习里面参数调优的古老
智
慧仍然适用,唯一的区别是它们的调优成本更高。
RAG
大模型
提示词
提示词框架:Markdown结构法
自
动
化
:AI可以
自
动
化
地生成、编辑或转换Markdown文档。
prompt
提示词
写作
一个写了会上瘾的公众号写作模板
如果你害怕
自
己没有素材可以写的话,就可以从这个模式开始入手,不用担心说写得不好之类的,一开始我们都是先写给
自
己看的,当你积累到一定程度的时候,就可以把这些复盘的小细节,拿出来修改一下,然后去发布出来
公众号
写作模版
ComfyUI
【ComfyUI】爽玩必备,6大插件汇总推荐 !
点开之后就
能
看到“ComfyUI管理器”的界面,“跳过更新检查”我们可以关掉,这样它就
能
帮我们
自
动
检查是否有插件需要更新。
comfyui
文生图
ComfyUI
【ComfyUI】爽玩必备!6大插件汇总推荐
点开之后就
能
看到“ComfyUI管理器”的界面,“跳过更新检查”我们可以关掉,这样它就
能
帮我们
自
动
检查是否有插件需要更新。
大模型
RAG
12个RAG常见痛点及解决方案
或者对
自
定义重排序器进行微调,获得更好的检索性
能
整合策略的局限性导致上下文冲突 包含答案的文档是从数据库中检索出来的,但没有进入生成答案的上下文中。
RAG
大模型
论文润色 | GPT4.0论文润色指令总结(含GPT3.5和4.0润色效果对比)
今天,我将分享在使用GPT4.0论文润色指令的总结,希望
能
帮助你的科研写作。
论文
提示词
写作
LLM
实操:基于 Ollama+AnythingLLM 的 AI 超级阅读法
后来,我在
自
己笔记本电脑上用“Ollama+AnythingLLM”搭建了一个本地
化
的大模型知识库,和
自
己的知识库交互,信息安全,内容可靠,不用上网,无限使用。
Ollama
AnythingLLM
阅读
视频
Prompt | 抖音视频脚本
钩子 "是一个吸引用户的句子,它
能
激发用户继续观看视频,因为他们会认为
自
己真的需要它。
prompt
Stable Diffusion
还没有上手Stable Diffusion XL 1.0 的同学,看这篇文章就够了
还可以将Stable Diffusion模型从一个生成样式或风格迁移到其他样式与风格,如从写实主义迁移到
动
漫风格等。
SDXL
开源
截至2023年5月份业界支持中文大语言模型开源总结及商用协议分析
Flan-T5是Google从另一种方式尝试的
自
然语言大模型的路径。
大模型
大模型
会“追问”的Agent,大模型知识库另类实践
该方案存在一些致命的缺陷,通过分解Langchain的架构,我们可以看到(图2): 图2: Langchain + Vectorstore + LLMs 首先,在第2步,Langchain的全
自
动
文件切片
大模型
<
...
63
64
65
66
67
68
69
70
71
72
...
>
1
2
4
5
6
7
8
9
100