稿定 AI 图片作品 - 图片创意预览

稿定 AI 图片作品

AndreaO 185...

2026.05.25

AndreaO 18536355808

AndreaO 18536355808

保留原图所有内容和风格，只将主标题的"普通大模型"改为"通用大模型"，白板手绘风格，极简线稿，低饱和马卡龙配色，柔和淡彩，纯白背景，随性马克笔线条，略带不完美的手写感，简单图标与箭头，轻松科普向，无硬阴影，平涂色彩，构图清爽

保留原图所有内容和风格，只将主标题的"普通大模型"改为"通用大模型"，白板手绘风格，极简线稿，低饱和马卡龙配色，柔和淡彩，纯白背景，随性马克笔线条，略带不完美的手写感，简单图标与箭头，轻松科普向，无硬阴影，平涂色彩，构图清爽

AndreaO 18536355808

延续小红书学习博主笔记风格，浅淡低饱和度浅蓝色背景，带有手写笔记风格图标，非商业化简约设计，保持统一的浅蓝色调和手写字体，保留相同的标题框和底部进度排版。顶部标签为"第四阶段：提问+精读原文"，大标题"Step 6 看长摘要，使劲提问"，正文说明：光看摘要不进脑子，必须边看边问问题。列出问题清单：❓ 看摘要时应该问什么：· 这个具体方法怎么做到的？比如"100天日记研究"是怎么让青少年坚持记录的？· 研究看起来挺抽象的，怎么得出这个结果？比如"训练算法传递有益内容"真的有用吗？· 这个问题老师有想出解决方案吗？比如诊断准确性偏低，有没有提出改进建议？· 这个新概念到底是什么意思？比如"within-person unity/duality"具体指什么？· 这个结果能推广到我的研究场景吗？比如荷兰青少年的结论对中国学生适用吗？· 研究方法有什么我可以学习的？比如内容分析的编码表怎么设计的？然后大标题"Step 7 从问题最多的论文开始精读"，正文：按问题数量排序，问题越多说明这篇论文和你越相关，展示问题排序示例：📊 我的问题排序示例：① Diverse Platforms, Diverse Effects —— 8个问题｜最相关；② Self-Administered Media Prescriptions —— 6个问题｜方法论想学；③ Portrayals of Depression on TikTok —— 5个问题｜内容分析想学；④ In Their Own Words —— 3个问题｜定性方法参考。底部进度条标注：进度：7/8 完成。整体排版清晰，风格亲切自然，手写感装饰，统一配色字体，适合小红书竖屏笔记，画面比例9:16，文字清晰可读。

延续小红书学习博主笔记风格，浅淡低饱和度浅蓝色背景，带有手写笔记风格图标，非商业化简约设计，保持统一的浅蓝色调和手写字体，保留相同的标题框和底部进度排版。顶部标签为"第四阶段：提问+精读原文"，大标题"Step 6 看长摘要，使劲提问"，正文说明：光看摘要不进脑子，必须边看边问问题。列出问题清单：❓ 看摘要时应该问什么：· 这个具体方法怎么做到的？比如"100天日记研究"是怎么让青少年坚持记录的？· 研究看起来挺抽象的，怎么得出这个结果？比如"训练算法传递有益内容"真的有用吗？· 这个问题老师有想出解决方案吗？比如诊断准确性偏低，有没有提出改进建议？· 这个新概念到底是什么意思？比如"within-person unity/duality"具体指什么？· 这个结果能推广到我的研究场景吗？比如荷兰青少年的结论对中国学生适用吗？· 研究方法有什么我可以学习的？比如内容分析的编码表怎么设计的？然后大标题"Step 7 从问题最多的论文开始精读"，正文：按问题数量排序，问题越多说明这篇论文和你越相关，展示问题排序示例：📊 我的问题排序示例：① Diverse Platforms, Diverse Effects —— 8个问题｜最相关；② Self-Administered Media Prescriptions —— 6个问题｜方法论想学；③ Portrayals of Depression on TikTok —— 5个问题｜内容分析想学；④ In Their Own Words —— 3个问题｜定性方法参考。底部进度条标注：进度：7/8 完成。整体排版清晰，风格亲切自然，手写感装饰，统一配色字体，适合小红书竖屏笔记，画面比例9:16，文字清晰可读。

手账风格“零基础AI学习流程”卡通科普海报，放置在圆角边框内，温柔清新2D手绘卡通风格，线条圆润色彩明亮。内容呈现完整的AI学习层级：入门准备、核心学习3步走、新手避坑提醒、长期进阶方向，用数字、圆润矢量图形、虚线箭头和圆角形状排版体现递进关系，搭配AI相关卡通插图辅助说明，四周环绕机器人、笔记本、工具等主题小素材，彩色圆角说明框配有对应的简短中英文说明，中文文字笔画清晰锐利，和背景高对比度，排版清爽有序，印刷品质

手账风格“零基础AI学习流程”卡通科普海报，放置在圆角边框内，温柔清新2D手绘卡通风格，线条圆润色彩明亮。内容呈现完整的AI学习层级：入门准备、核心学习3步走、新手避坑提醒、长期进阶方向，用数字、圆润矢量图形、虚线箭头和圆角形状排版体现递进关系，搭配AI相关卡通插图辅助说明，四周环绕机器人、笔记本、工具等主题小素材，彩色圆角说明框配有对应的简短中英文说明，中文文字笔画清晰锐利，和背景高对比度，排版清爽有序，印刷品质

生成一张手绘卡通风格竖版信息图，主题是"物理AI是什么？"，内容包含：1. 物理AI定义：能依托物理规律在现实世界完成感知、推理、行动、反馈的全闭环，区别于传统AI的"物理盲"；2. 举例：人形机器人调整抓取力量、自动驾驶预判摩擦力；3. 底层逻辑对比：传统AI靠死记硬背不懂因果，物理AI内化物理规律能常识推理；4. 发展原因：算力提升，英伟达Cosmos大模型在虚拟世界训练；5. 现存挑战：试错成本高、权责不清，引用中科大王翔教授观点"真正的智慧不只是算得快，更是懂世界"；底部小字："风险提示：投资有风险，选择需谨慎，以上内容仅供参考，不构成投资建议"。画面要求：加入少量简洁卡通元素和图标，敏感人物使用相似替代，所有图像文字均为手绘风格，信息精简突出关键词，多留白，易于一眼抓住重点，整体趣味性强。

生成一张手绘卡通风格竖版信息图，主题是"物理AI是什么？"，内容包含：1. 物理AI定义：能依托物理规律在现实世界完成感知、推理、行动、反馈的全闭环，区别于传统AI的"物理盲"；2. 举例：人形机器人调整抓取力量、自动驾驶预判摩擦力；3. 底层逻辑对比：传统AI靠死记硬背不懂因果，物理AI内化物理规律能常识推理；4. 发展原因：算力提升，英伟达Cosmos大模型在虚拟世界训练；5. 现存挑战：试错成本高、权责不清，引用中科大王翔教授观点"真正的智慧不只是算得快，更是懂世界"；底部小字："风险提示：投资有风险，选择需谨慎，以上内容仅供参考，不构成投资建议"。画面要求：加入少量简洁卡通元素和图标，敏感人物使用相似替代，所有图像文字均为手绘风格，信息精简突出关键词，多留白，易于一眼抓住重点，整体趣味性强。

1qif4l2u0i0DbYug-HB

手账形式，人工智能通识课第一课内容，包含标题“AI的发展历程”，配有简约时间线，装饰元素清新可爱，所有文字均为中文，排版适合做学习笔记

手账形式，人工智能通识课第一课内容，包含标题“AI的发展历程”，配有简约时间线，装饰元素清新可爱，所有文字均为中文，排版适合做学习笔记

1qvr5u4524Ud3lBg-HB

手账形式，人工智能通识课第一课内容，包含标题“AI的发展历程”，配有简约时间线，装饰元素清新可爱，所有文字均为中文，排版适合做学习笔记

手账形式，人工智能通识课第一课内容，包含标题“AI的发展历程”，配有简约时间线，装饰元素清新可爱，所有文字均为中文，排版适合做学习笔记

1qvr5u4524Ud3lBg-HB

「图片1」「图片1」「图片1」「图片1」「图片1」清晰且更加生动的表达这五张图片

「图片1」「图片1」「图片1」「图片1」「图片1」清晰且更加生动的表达这五张图片

1qg4hf68e6Swnohw-HB

黑板报手绘风格PPT页面，深墨绿复古黑板底色#1A2B22，四周轻微暗角，散落极淡粉笔灰斑点。16:9横屏。顶部青蓝色粉笔字标题「很多人想学AI，但一直没开始」。页面中间用粉笔画两个状态对比，左边配文字「不是不想学，是不知道先学什么、后学什么」，右边配文字「今天看一点提示词，明天听一个案例，越学越乱」，用手绘箭头和括号装饰。页面下方暖黄色粉笔大字「问题不是懒，是缺一张地图」醒目突出。右下角粉笔灰色小字「2/10」。排版上移，内容区上边距8%到下边距90%，底部10%纯黑板留白。粉笔手绘质感，粗糙颗粒感。

黑板报手绘风格PPT页面，深墨绿复古黑板底色#1A2B22，四周轻微暗角，散落极淡粉笔灰斑点。16:9横屏。顶部青蓝色粉笔字标题「很多人想学AI，但一直没开始」。页面中间用粉笔画两个状态对比，左边配文字「不是不想学，是不知道先学什么、后学什么」，右边配文字「今天看一点提示词，明天听一个案例，越学越乱」，用手绘箭头和括号装饰。页面下方暖黄色粉笔大字「问题不是懒，是缺一张地图」醒目突出。右下角粉笔灰色小字「2/10」。排版上移，内容区上边距8%到下边距90%，底部10%纯黑板留白。粉笔手绘质感，粗糙颗粒感。

1ra4d9fs6d_mThGQ-HB

延续小红书学习博主笔记风格，浅淡低饱和度浅蓝色背景，手写笔记风格图标，非商业化简约设计，保持统一字体、配色和排版结构，保留标题框和底部进度排版。顶部标签为"第三阶段：AI帮你建老师档案"，大标题"Step 5 让AI整理研究档案"，正文说明：按时间排序+每篇长摘要，看清研究变迁。深色框放置AI指令模板：📋 你给AI的指令：请帮我整理Amber van der Wal的研究档案：按时间排序列出她的所有重要论文；每篇写一段长摘要（研究问题+研究方法+核心发现）；标注她的研究方向变迁。展示AI输出示例：🤖 AI输出示例：Amber van der Wal 研究档案（节选），研究轨迹：幽默→平台差异→数字agency，2016-2021 PhD研究：青少年对幽默和攻击性媒体娱乐的差异化偏好及其潜在后果，2024 Social Media + Society：In Their Own Words: 定性研究揭示青少年社交媒体体验中的二元性（同质性/异质性/二元性），2024 UNICEF政策论文：The Impact of Social Media on Adolescents' Mental Health: 平台差异+个体差异→政策建议，2026 Current Psychology：Diverse Platforms, Diverse Effects: 100天追踪479名青少年，发现TikTok/YouTube/Instagram负面，Snapchat/WhatsApp正面/中性，2026 JMIR Infodemiology：Portrayals of Depression on TikTok: 210个视频内容分析，诊断准确性普遍偏低，概念蔓延严重，2026 Psychology of Popular Media：Self-Administered Media Prescriptions: 青少年可主动训练算法传递有益内容→数字agency实证证据。底部进度条标注：进度：5/8 完成。整体排版清晰，风格亲切自然，手写感装饰，统一风格，适合小红书竖屏笔记，画面比例9:16，文字清晰可读。

延续小红书学习博主笔记风格，浅淡低饱和度浅蓝色背景，手写笔记风格图标，非商业化简约设计，保持统一字体、配色和排版结构，保留标题框和底部进度排版。顶部标签为"第三阶段：AI帮你建老师档案"，大标题"Step 5 让AI整理研究档案"，正文说明：按时间排序+每篇长摘要，看清研究变迁。深色框放置AI指令模板：📋 你给AI的指令：请帮我整理Amber van der Wal的研究档案：按时间排序列出她的所有重要论文；每篇写一段长摘要（研究问题+研究方法+核心发现）；标注她的研究方向变迁。展示AI输出示例：🤖 AI输出示例：Amber van der Wal 研究档案（节选），研究轨迹：幽默→平台差异→数字agency，2016-2021 PhD研究：青少年对幽默和攻击性媒体娱乐的差异化偏好及其潜在后果，2024 Social Media + Society：In Their Own Words: 定性研究揭示青少年社交媒体体验中的二元性（同质性/异质性/二元性），2024 UNICEF政策论文：The Impact of Social Media on Adolescents' Mental Health: 平台差异+个体差异→政策建议，2026 Current Psychology：Diverse Platforms, Diverse Effects: 100天追踪479名青少年，发现TikTok/YouTube/Instagram负面，Snapchat/WhatsApp正面/中性，2026 JMIR Infodemiology：Portrayals of Depression on TikTok: 210个视频内容分析，诊断准确性普遍偏低，概念蔓延严重，2026 Psychology of Popular Media：Self-Administered Media Prescriptions: 青少年可主动训练算法传递有益内容→数字agency实证证据。底部进度条标注：进度：5/8 完成。整体排版清晰，风格亲切自然，手写感装饰，统一风格，适合小红书竖屏笔记，画面比例9:16，文字清晰可读。

在Step4预研究区域的"理工科"和"文科"标签前面，分别添加对应的小图标：理工科前面加蓝色烧杯烧瓶图标，文科前面加钢笔笔尖图标，图标风格与整体手绘卡通风格一致。其余所有画面元素（文字、布局、配色、Step5找导师区域等）全部保持不变。

在Step4预研究区域的"理工科"和"文科"标签前面，分别添加对应的小图标：理工科前面加蓝色烧杯烧瓶图标，文科前面加钢笔笔尖图标，图标风格与整体手绘卡通风格一致。其余所有画面元素（文字、布局、配色、Step5找导师区域等）全部保持不变。

竖版卡通手绘风格信息图，内容：具备数据验证整个流程的经验：验证过的结果，可为洞察问题提供“感性”的思路。为什么依赖这个？--没有数据分析经验的人，容易被“看起来对的数据”误导，或者被“一次成功/失败”带偏。有经验的人会问：“这个结论在不同时间段、不同人群里还成立吗？”。所有元素都是手绘卡通风格，加入简洁的数据图表卡通图标，多留白，突出关键词，竖版构图比例3:4，整体干净清晰，层次分明，突出核心概念。

竖版卡通手绘风格信息图，内容：具备数据验证整个流程的经验：验证过的结果，可为洞察问题提供“感性”的思路。为什么依赖这个？--没有数据分析经验的人，容易被“看起来对的数据”误导，或者被“一次成功/失败”带偏。有经验的人会问：“这个结论在不同时间段、不同人群里还成立吗？”。所有元素都是手绘卡通风格，加入简洁的数据图表卡通图标，多留白，突出关键词，竖版构图比例3:4，整体干净清晰，层次分明，突出核心概念。

将这张图片整体拉伸调整为宽1360像素、高3072像素的尺寸，仅对原图进行等比例不对的拉伸变形，保持所有原有内容、文字、图形元素完全不变，不新增任何元素，不删除任何元素，不添加填充物，不改变画面内容，清晰度保持不变，只改变图片整体的宽高比例尺寸

将这张图片整体拉伸调整为宽1360像素、高3072像素的尺寸，仅对原图进行等比例不对的拉伸变形，保持所有原有内容、文字、图形元素完全不变，不新增任何元素，不删除任何元素，不添加填充物，不改变画面内容，清晰度保持不变，只改变图片整体的宽高比例尺寸

16:9横屏知识课件PPT页面，黑板报手绘风格。背景深墨绿复古黑板底色#1A2B22，四周轻微暗角，散落极淡粉笔灰斑点。排版上移，内容区上边距8%到下边距90%，最下方10%纯黑板底。顶部青蓝色#4FC3F7粉笔手写标题："很多人以为换个更大的模型就好了"。页面中间粉笔手绘左右对比结构：左侧方框内："7B模型→还是乱答"，白色粉笔字右侧方框内："70B模型→一样的问题"，白色粉笔字中间粉笔红#E57373大字："不是模型的问题"，加手绘箭头指向两侧。下方粉笔橙#FFB74D大字："你的智能体根本不知道客户在问什么类型的问题"，醒目，加波浪下划线。右下角页码"3 / 11"，粉笔灰#888888。配手绘方框、箭头、括号等基础粉笔形状，整体黑板报质感。

16:9横屏知识课件PPT页面，黑板报手绘风格。背景深墨绿复古黑板底色#1A2B22，四周轻微暗角，散落极淡粉笔灰斑点。排版上移，内容区上边距8%到下边距90%，最下方10%纯黑板底。

顶部青蓝色#4FC3F7粉笔手写标题："很多人以为换个更大的模型就好了"。
页面中间粉笔手绘左右对比结构：
左侧方框内："7B模型→还是乱答"，白色粉笔字
右侧方框内："70B模型→一样的问题"，白色粉笔字
中间粉笔红#E57373大字："不是模型的问题"，加手绘箭头指向两侧。
下方粉笔橙#FFB74D大字："你的智能体根本不知道客户在问什么类型的问题"，醒目，加波浪下划线。
右下角页码"3 / 11"，粉笔灰#888888。

配手绘方框、箭头、括号等基础粉笔形状，整体黑板报质感。

1ra4d9fs6d_mThGQ-HB

信息图风格，标题为“🔍 成长权重：为什么越学越焦虑？”，正文内容：核心在于【成长权重】：学习量 → 思考量 → 行动量 → 改变量 ⚠️ 停留于表层量化（如读了几本书）容易节省能量，但收效甚微。💡 少就是多：一本书不求全读完，有一两点引起共鸣并用于实际，意义更大！参考提供的成长权重流程图，保持简约扁平化设计风格，配色清新统一，和参考图风格一致，文字排版清晰，保留流程递进图示

信息图风格，标题为“🔍 成长权重：为什么越学越焦虑？”，正文内容：核心在于【成长权重】：学习量 → 思考量 → 行动量 → 改变量 ⚠️ 停留于表层量化（如读了几本书）容易节省能量，但收效甚微。💡 少就是多：一本书不求全读完，有一两点引起共鸣并用于实际，意义更大！参考提供的成长权重流程图，保持简约扁平化设计风格，配色清新统一，和参考图风格一致，文字排版清晰，保留流程递进图示

1r3uq0altuvGd-Rw-HB

竖版卡通手绘风格信息图，内容：具备行业/产品的横向对比经验：识别“什么是普遍规律，什么是特殊情况”。为什么依赖这个？--单一产品、单一行业的经验容易形成“路径依赖”——以为自己公司的做法是唯一正确的。有横向经验的人，能更快判断“这个问题是普适的，还是我们特有的”。所有元素都是手绘卡通风格，加入简洁对比图表卡通图标，多留白，突出关键词，竖版构图比例3:4，整体干净清晰，层次分明，突出核心概念。

竖版卡通手绘风格信息图，内容：具备行业/产品的横向对比经验：识别“什么是普遍规律，什么是特殊情况”。为什么依赖这个？--单一产品、单一行业的经验容易形成“路径依赖”——以为自己公司的做法是唯一正确的。有横向经验的人，能更快判断“这个问题是普适的，还是我们特有的”。所有元素都是手绘卡通风格，加入简洁对比图表卡通图标，多留白，突出关键词，竖版构图比例3:4，整体干净清晰，层次分明，突出核心概念。

制作一张竖版研究生论文辅导知识科普图文，参考提供的参考图风格，排版精致有质感，浅蓝色米色调渐变背景，圆角卡片分区设计，顶部大标题为"科研人必备的\"研究story\"思维："，内容文字为"你做的不是实验，是讲故事"，每一个字迹清晰可辨认，无水印，整体简约高级

制作一张竖版研究生论文辅导知识科普图文，参考提供的参考图风格，排版精致有质感，浅蓝色米色调渐变背景，圆角卡片分区设计，顶部大标题为"科研人必备的\"研究story\"思维："，内容文字为"你做的不是实验，是讲故事"，每一个字迹清晰可辨认，无水印，整体简约高级

竖版3:4海报，纯白底色，简约商务排版，顶部是加粗黑色大标题“大模型学习六大核心”。整体分为6行横向分割区块，每个区块均匀等距排布，区块之间用细黑线分割。每行左侧是纯黑色填充矩形块，矩形块内放白色加粗标题文字；右侧是白色底色正文区域，放置黑色常规宋体正文。6条内容： 1、左侧黑块文字："RAG技术："，右侧正文："RAG几乎是大模型应用开发里的高频能力。不是把资料丢进去就行，而是要理解检索、召回、重排、生成这一整条链路，知道知识库为什么答不准，也知道该从哪一环去优化。" 2、左侧黑块文字："向量数据库："，右侧正文："做知识库、语义检索、相似内容匹配时，向量数据库基本绕不过去。像FAISS、Milvus、Pinecone这些工具不只是“听过”，而是要知道它们适合什么场景，怎么配合Embedding一起用。" 3、左侧黑块文字："Function Calling："，右侧正文："当大模型不仅要“回答问题”，还要“调用工具、执行动作”时，Function Calling就很关键。比如查天气、查数据库、调接口、做数据可视化，本质上都在考验你会不会把模型能力接到真实系统里。" 4、左侧黑块文字："Agent系统："，右侧正文："AI应用开发不只是做一个聊天框，更重要的是让模型具备规划、记忆、调用工具和执行任务的能力。什么时候该用Agent，什么时候不该用Agent，这本身就是应用开发工程师要有的判断力。" 5、左侧黑块文字："模型微调："，右侧正文："不是所有问题都靠Prompt和RAG解决。有些垂类任务，比如医疗、金融、客服、投研，就需要进一步做微调。至少要知道LoRA、PEFT这类高效微调方法是在解决什么问题，适合什么场景。" 6、左侧黑块文字："项目落地能力："，右侧正文："企业最终看重的，不是你会多少术语，而是你能不能把知识库、BI助手、智能客服、AI搜索这类系统真正做出来。会技术是一回事，能把技术变成项目交付，是另一回事。" 细节要求：左右区块之间用细黑线分割，标题字体用粗黑体，正文用常规印刷宋体，无手写字体、无阴影、无多余装饰，整体干净极简，纯白背景，无图标无贴纸，纯文字排版，技术科普海报风格

竖版3:4海报，纯白底色，简约商务排版，顶部是加粗黑色大标题“大模型学习六大核心”。整体分为6行横向分割区块，每个区块均匀等距排布，区块之间用细黑线分割。每行左侧是纯黑色填充矩形块，矩形块内放白色加粗标题文字；右侧是白色底色正文区域，放置黑色常规宋体正文。6条内容：
1、左侧黑块文字："RAG技术："，右侧正文："RAG几乎是大模型应用开发里的高频能力。不是把资料丢进去就行，而是要理解检索、召回、重排、生成这一整条链路，知道知识库为什么答不准，也知道该从哪一环去优化。"
2、左侧黑块文字："向量数据库："，右侧正文："做知识库、语义检索、相似内容匹配时，向量数据库基本绕不过去。像FAISS、Milvus、Pinecone这些工具不只是“听过”，而是要知道它们适合什么场景，怎么配合Embedding一起用。"
3、左侧黑块文字："Function Calling："，右侧正文："当大模型不仅要“回答问题”，还要“调用工具、执行动作”时，Function Calling就很关键。比如查天气、查数据库、调接口、做数据可视化，本质上都在考验你会不会把模型能力接到真实系统里。"
4、左侧黑块文字："Agent系统："，右侧正文："AI应用开发不只是做一个聊天框，更重要的是让模型具备规划、记忆、调用工具和执行任务的能力。什么时候该用Agent，什么时候不该用Agent，这本身就是应用开发工程师要有的判断力。"
5、左侧黑块文字："模型微调："，右侧正文："不是所有问题都靠Prompt和RAG解决。有些垂类任务，比如医疗、金融、客服、投研，就需要进一步做微调。至少要知道LoRA、PEFT这类高效微调方法是在解决什么问题，适合什么场景。"
6、左侧黑块文字："项目落地能力："，右侧正文："企业最终看重的，不是你会多少术语，而是你能不能把知识库、BI助手、智能客服、AI搜索这类系统真正做出来。会技术是一回事，能把技术变成项目交付，是另一回事。"
细节要求：左右区块之间用细黑线分割，标题字体用粗黑体，正文用常规印刷宋体，无手写字体、无阴影、无多余装饰，整体干净极简，纯白背景，无图标无贴纸，纯文字排版，技术科普海报风格

1q4ior2bms1mhpe8j-HB

Photorealistic whiteboard infographic titled "大模型学习路线图 (LLM Learning Roadmap)", top-down view of a clean office whiteboard, pinned with blue and red pushpins at the corners, several colorful sticky notes (yellow, orange, green, blue) scattered around, a black marker at the bottom edge. The flowchart is drawn with blue marker, using rounded rectangular boxes connected by arrows, following this exact structure: 1. 一、基础知识 ├── 数学基础 │ ├── 线性代数 (Linear Algebra) │ └── 概率设计 (Probability & Stats) → 机器学习原理、监督学习、深度学习基础 └── 编程与工具 (Programming & Tools) ├── Python └── PyTorch/TensorFlow 2. 二、核心架构与原理 (Core Architecture & Principles) └── Transformer架构 ├── 注意力机制 ├── 编码器-解码器 └── BERT/GPT系列 3. 三、预训练与微调技术 (Pre-training & Fine-tuning) ├── 预训练目标 (Pre-training Objectives) │ ├── 掩码语言模型 (MLM) │ └── 因果语言模型 (CLM) └── 高效微调 (Efficient Fine-tuning) ├── LoRA/QLoRA ├── Prompt Tuning └── RLHF 4. 四、应用与部署 (Applications & Deployment) └── 大模型应用开发 (LLM App Development) ├── LangChain/LlamaIndex ├── 提示词工程 (Prompt Engineering) └── 模型量化与推理加速 (Quantization & Inference) 5. 五、前沿与伦理 (Frontiers & Ethics) └── 未来趋势与挑战 (Future Trends & Challenges) ├── 多模态大模型 (Multimodal Models) ├── 自主智能体 (Autonomous Agents) └── 安全与伦理 (ML Principles). Style details: Photorealistic whiteboard texture with subtle reflections, slight shadows on sticky notes, Hand-drawn style blue marker lines and text, with natural slight imperfections, Boxes have thin blue borders, arrows point clearly from parent to child nodes, All text (Chinese and English) is exactly as shown in the flowchart, Title at the top in bold black marker text, subtitle in smaller font, Aspect ratio: 3:4 vertical layout, No extra elements, focus on the clean flowchart on the whiteboard

Photorealistic whiteboard infographic titled "大模型学习路线图 (LLM Learning Roadmap)", top-down view of a clean office whiteboard, pinned with blue and red pushpins at the corners, several colorful sticky notes (yellow, orange, green, blue) scattered around, a black marker at the bottom edge. The flowchart is drawn with blue marker, using rounded rectangular boxes connected by arrows, following this exact structure: 1. 一、基础知识 ├── 数学基础 │ ├── 线性代数 (Linear Algebra) │ └── 概率设计 (Probability & Stats) → 机器学习原理、监督学习、深度学习基础 └── 编程与工具 (Programming & Tools) ├── Python └── PyTorch/TensorFlow 2. 二、核心架构与原理 (Core Architecture & Principles) └── Transformer架构 ├── 注意力机制 ├── 编码器-解码器 └── BERT/GPT系列 3. 三、预训练与微调技术 (Pre-training & Fine-tuning) ├── 预训练目标 (Pre-training Objectives) │ ├── 掩码语言模型 (MLM) │ └── 因果语言模型 (CLM) └── 高效微调 (Efficient Fine-tuning) ├── LoRA/QLoRA ├── Prompt Tuning └── RLHF 4. 四、应用与部署 (Applications & Deployment) └── 大模型应用开发 (LLM App Development) ├── LangChain/LlamaIndex ├── 提示词工程 (Prompt Engineering) └── 模型量化与推理加速 (Quantization & Inference) 5. 五、前沿与伦理 (Frontiers & Ethics) └── 未来趋势与挑战 (Future Trends & Challenges) ├── 多模态大模型 (Multimodal Models) ├── 自主智能体 (Autonomous Agents) └── 安全与伦理 (ML Principles). Style details: Photorealistic whiteboard texture with subtle reflections, slight shadows on sticky notes, Hand-drawn style blue marker lines and text, with natural slight imperfections, Boxes have thin blue borders, arrows point clearly from parent to child nodes, All text (Chinese and English) is exactly as shown in the flowchart, Title at the top in bold black marker text, subtitle in smaller font, Aspect ratio: 3:4 vertical layout, No extra elements, focus on the clean flowchart on the whiteboard

1q4ior2bms1mhpe8j-HB

根据原图内容和蓝白色调风格，生成一张全新的AI错觉示意图，包含AI错觉定义、常见类型和减少方法的模块布局，保持信息图表清晰专业，整体蓝白配色科技简约风，文字信息完整保留

根据原图内容和蓝白色调风格，生成一张全新的AI错觉示意图，包含AI错觉定义、常见类型和减少方法的模块布局，保持信息图表清晰专业，整体蓝白配色科技简约风，文字信息完整保留

牛奶咖啡芥末糖

手账形式，人工智能通识课第一课内容，包含标题“第一课课后思考与作业”，留出空白笔记区域，装饰元素简约可爱，所有文字均为中文，排版干净整洁

手账形式，人工智能通识课第一课内容，包含标题“第一课课后思考与作业”，留出空白笔记区域，装饰元素简约可爱，所有文字均为中文，排版干净整洁

1qvr5u4524Ud3lBg-HB

精确复刻这张深度学习海报，整体版式、配色、字体、所有元素位置和未提及的文字内容完全保持不变，只做以下两处修改：修改一（第4部分实战：图像分类）： 1. 最右侧"识别结果示例"板块中，四张图片（飞机、汽车、猫、狗）下方的置信度百分比文字全部删除，只保留类别名称（飞机(airplane)、汽车(auto)、猫(cat)、狗(dog)） 2. 中间的正确率板块：将"使用了Dropout技术"这段文字移动到板块的最上方；将原来的正确率提升部分的文字改为"过拟合现象显著改善"；该板块的上下两部分文本字体大小保持一致修改二（第3部分训练与优化）：最右侧箭头指向的数学公式框内的内容，将原有的"delta4 = a4.(1-a4).(a4-y(:,k))"替换为新的公式：δ[l] = D[l](W[l+1]TD[l+1](W[l+2])T ... D[L-1](W[L])TD[L](a[L]−y). ，数学公式字体大小保持不变，如果公式长度不够显示则自动换行。公式框的样式和大小不变。除以上修改外，海报的其他所有内容、文字、布局、配色、元素均与原图完全一致，不得做任何其他改动。

精确复刻这张深度学习海报，整体版式、配色、字体、所有元素位置和未提及的文字内容完全保持不变，只做以下两处修改：

修改一（第4部分实战：图像分类）：
1. 最右侧"识别结果示例"板块中，四张图片（飞机、汽车、猫、狗）下方的置信度百分比文字全部删除，只保留类别名称（飞机(airplane)、汽车(auto)、猫(cat)、狗(dog)）
2. 中间的正确率板块：将"使用了Dropout技术"这段文字移动到板块的最上方；将原来的正确率提升部分的文字改为"过拟合现象显著改善"；该板块的上下两部分文本字体大小保持一致

修改二（第3部分训练与优化）：
最右侧箭头指向的数学公式框内的内容，将原有的"delta4 = a4.(1-a4).(a4-y(:,k))"替换为新的公式：δ[l] = D[l](W[l+1]TD[l+1](W[l+2])T ... D[L-1](W[L])TD[L](a[L]−y). ，数学公式字体大小保持不变，如果公式长度不够显示则自动换行。公式框的样式和大小不变。

除以上修改外，海报的其他所有内容、文字、布局、配色、元素均与原图完全一致，不得做任何其他改动。

「图片1」「图片1」「图片1」「图片1」AIGC 视频制作怎么学？先从 3 个方向了解近几年，很多人都在重新梳理自己的技能方向。如果你本身关注影视、广告、新媒体、短视频或数字内容创作，AIGC 视频制作可以作为一个了解方向。学 AI 视频时，不建议只关注工具名称。更重要的是理解一条完整的内容制作流程：从脚本、分镜、画面生成，到动画、特效、声音和剪辑，再到最后的作品呈现。目前 AIGC 视频相关内容，可以先从 3 类场景了解：方向 1｜影视动画制作可用于 AI 短剧、AI 动画片段、AIGC 短视频等内容练习。方向 2｜文化传媒内容可延展到文旅宣传短片、传统文化内容、品牌传播视频等内容场景。方向 3｜教育相关内容比如数字教学素材、动画课件、技能演示视频等。自学时，可能会遇到知识点分散、流程不够连贯的问题。如果想更系统地了解 AIGC 视频制作流程，可以参考结构化课程、公开教程或项目练习等学习方式，逐步熟悉相关内容。相关学习内容通常会涉及建模、动画、特效、剪辑与项目练习等模块，便于学习者了解数字内容创作的基础流程。不同基础的人，学习节奏和练习进度会有差异。建议结合自己的时间、兴趣、基础情况和后续规划，理性选择适合自己的学习方式。部分学习项目也会涉及作品整理、简历表达、模拟面试等求职准备参考内容。具体学习体验、阶段性成果和后续准备情况，仍需要结合个人基础、练习投入和实际情况综合判断。如果你正在了解 AIGC 视频制作，可以先问自己 4 个问题：我更想做影视动画、品牌内容，还是教学素材？我现在更需要了解工具操作，还是完整流程？我是否需要通过项目练习整理阶段性成果？我未来希望怎样呈现自己的能力？先把方向想清楚，再决定怎么学，通常会更有参考价值。 #AI工具 #AI视频 #AIGC学习 #视频剪辑学习 #视频制作 #AI短剧创作 #影视动画 #数字内容创作，根据小红书内容，不要违规生成8张图，生成同意色调8张图

「图片1」「图片1」「图片1」「图片1」AIGC 视频制作怎么学？先从 3 个方向了解
近几年，很多人都在重新梳理自己的技能方向。
如果你本身关注影视、广告、新媒体、短视频或数字内容创作，AIGC 视频制作可以作为一个了解方向。
学 AI 视频时，不建议只关注工具名称。
更重要的是理解一条完整的内容制作流程：从脚本、分镜、画面生成，到动画、特效、声音和剪辑，再到最后的作品呈现。
目前 AIGC 视频相关内容，可以先从 3 类场景了解：
方向 1｜影视动画制作
可用于 AI 短剧、AI 动画片段、AIGC 短视频等内容练习。
方向 2｜文化传媒内容
可延展到文旅宣传短片、传统文化内容、品牌传播视频等内容场景。
方向 3｜教育相关内容
比如数字教学素材、动画课件、技能演示视频等。
自学时，可能会遇到知识点分散、流程不够连贯的问题。
如果想更系统地了解 AIGC 视频制作流程，可以参考结构化课程、公开教程或项目练习等学习方式，逐步熟悉相关内容。
相关学习内容通常会涉及建模、动画、特效、剪辑与项目练习等模块，便于学习者了解数字内容创作的基础流程。
不同基础的人，学习节奏和练习进度会有差异。建议结合自己的时间、兴趣、基础情况和后续规划，理性选择适合自己的学习方式。
部分学习项目也会涉及作品整理、简历表达、模拟面试等求职准备参考内容。具体学习体验、阶段性成果和后续准备情况，仍需要结合个人基础、练习投入和实际情况综合判断。
如果你正在了解 AIGC 视频制作，可以先问自己 4 个问题：
我更想做影视动画、品牌内容，还是教学素材？
我现在更需要了解工具操作，还是完整流程？
我是否需要通过项目练习整理阶段性成果？
我未来希望怎样呈现自己的能力？
先把方向想清楚，再决定怎么学，通常会更有参考价值。
#AI工具 #AI视频 #AIGC学习 #视频剪辑学习 #视频制作 #AI短剧创作 #影视动画 #数字内容创作，根据小红书内容，不要违规生成8张图，生成同意色调8张图