Ich empfehle ein kleines Tool zur Bildverschönerung: Der ursprüngliche Entwickler hat dieses Tool anscheinend verkauft, es heißt jetzt: Man kann Bilder hochladen oder Text eingeben, um Karten zu erstellen, oder Code teilen, oder einen Twitter-Link einfügen, um eine Karte zu generieren. Alle Stile unterstützen benutzerdefinierte Anpassungen, es ist wirklich sehr nützlich. Es eignet sich hervorragend für inländische Publikationen wie Quantum Bit, New Intelligence und Machine Heart, die täglich Twitter-Inhalte teilen, da man die Twitter-Bilder schöner gestalten kann. (Eigentlich kann man von @op7418s Layout lernen, diese Details können verbessert werden.) Dieser Webdienst ist sehr fair, es gibt keine Werbung und keine Kosten, das einzige Problem ist, dass es ein eigenes Wasserzeichen am unteren Rand hat. Wenn man es für eine Publikation oder ähnliches verwenden möchte, könnte das etwas lästig sein. Die Kommerzialisierung dieses Produkts ist ebenfalls sehr einfach, man könnte eine Funktion hinzufügen, um das Wasserzeichen zu entfernen oder ein benutzerdefiniertes Wasserzeichen zu erstellen, und dafür Gebühren erheben. Gestern habe ich zu Hammer gesagt, dass ich dieses Produkt in 5 Minuten gemacht habe, das war nur ein Scherz. Ich sagte, dieses Produkt könnte problemlos für 50 Yuan verkauft werden, weil die Leute weder von diesem Produkt wissen noch wissen, wie man das Wasserzeichen entfernt, und man an dieser Informationslücke Geld verdienen kann. So wie gestern, als ich diesen fake Twitter-Post gemacht habe, haben einige Freunde gefragt, ob ich das Tool mit allen teilen kann. Außerdem, wenn ihr ähnliche Wasserzeichen-Produkte macht, könntet ihr in Betracht ziehen, das Wasserzeichen möglichst im Backend zu generieren. Hier ist ein Skript zum Ändern des Wasserzeichens, ChatGPT hat es in 2 Minuten gemacht, ihr müsst nur 'yangyi creator' ändern. -------- // ==UserScript== // @name vividshare watermarkremove // @namespace Violentmonkey Scripts // @match *://*.vividshare.io/* // @grant none // @version 1.1 // @author ChatGPT // @description Ersetzt alle spezifischen Wasserzeichenbilder auf der Seite durch benutzerdefinierten Text und verwendet p-Tags // ==/UserScript== (function() { 'use strict'; function replaceAllWatermarksWithText() { // Sucht alle Wasserzeichen-Bildelemente auf der Seite const watermarkImages = document.querySelectorAll('img[alt="VividShare - Create appealing images from tweets and text in a snap"]'); watermarkImages.forEach(function(watermarkImage) { // Führt für jedes gefundene Bildelement eine Operation aus, erstellt ein neues p-Element const watermarkText = document.createElement('p'); watermarkText.textContent = '@Yangyi Creator'; // Setzt den benutzerdefinierten Text = // Versucht, den Stil des ursprünglichen Bildes beizubehalten, kann nach Bedarf angepasst werden // Besonders für die Stil-Anpassung des <p>-Tags, z.B. Schriftgröße, Abstände usw., um sich an euer Seitenlayout anzupassen = '0'; // Beispiel: Entfernt den Standardabsatzabstand = '14px';// Setzt eine angemessene Schriftgröße = '1em';// Setzt den Zeilenabstand auf das 1-fache der Schriftgröße = '0';// Entfernt den Außenabstand = '0';// Entfernt den Innenabstand // Weitere Stilattribute können hinzugefügt werden, je nach Bedarf // Ersetzt das Bild durch das neue Textelement watermarkImage.parentNode.replaceChild(watermarkText, watermarkImage); }); } function init() { // Versucht direkt zu ersetzen, keine Wiederholungslogik nötig, da wir alle gefundenen Elemente ersetzen wollen replaceAllWatermarksWithText(); } const pushState = history.pushState; history.pushState = function() { pushState.apply(history, arguments); setTimeout(init, 100); // Bei pushState erneut initialisieren }; window.addEventListener('popstate', () => { setTimeout(init, 100); // Bei popstate-Ereignis erneut initialisieren }); init(); // Erstaufruf })();

Agent hat zwei Variablen: eine ist der workflow, der den Verlauf der Aufgaben steuert, und die andere ist der context, der die Inhaltserstellung steuert. 1) Wenn sowohl der workflow als auch der context eine hohe Deterministik aufweisen, lassen sich solche Aufgaben leicht automatisieren, ähnlich wie bei traditionellem RPA. Zum Beispiel bei der Verarbeitung von Rechnungen oder dem Ausfüllen von Formularen ist KI eher ein Bindemittel, und der Handlungsspielraum ist begrenzt. 2) Wenn der workflow festgelegt, der context jedoch unbestimmt ist, das heißt, der Prozess ist festgelegt, aber die Eingaben variieren, muss der Agent in der Semantik und im Verständnis ergänzen. Zum Beispiel bei Kundenservice-Anfragen oder der Analyse von Verträgen müssen externe Such- und Wissensgraph-Tools eingesetzt werden, um Informationslücken zu schließen und die Schlussfolgerungen näher an die Erwartungen zu bringen. 3) Wenn der workflow unbestimmt, der context jedoch festgelegt ist, das heißt, die Eingaben sind klar, aber die Vorgehensweisen sind vielfältig, muss der Agent eigenständig den Weg planen. Zum Beispiel bei der Erstellung von Marktanalysen oder personalisierten Empfehlungen sind die meisten End-to-End RL-Agenten in der Lage, solche Aufgaben zu bewältigen, da sie in der Trainingsphase eine Vielzahl von Planungs- und Problemlösungsansätzen erlernt haben. 4) Wenn sowohl der workflow als auch der context unbestimmt sind, handelt es sich um das komplexeste Szenario. Hier sind sowohl Schlussfolgerungen als auch Erkundungen erforderlich, wie bei der Gestaltung innovativer Lösungen oder der Sammlung von Informationen über Abteilungsgrenzen hinweg. Solche Agenten tendieren eher zu allgemeinen Agenten, deren Ausführungseffekt von der Vielfalt der bereitgestellten Werkzeuge abhängt, insbesondere sollte die Programmierfähigkeit maximal offen sein. Zum Beispiel sollte er lernen, wie man auf Github nach Repositories sucht, um sie zu klonen und den Code zu ändern, um Probleme zu lösen, sodass er wie ein Mensch arbeitet. Daher ist es wichtig, den Agenten gut zu gestalten, indem man zunächst das Szenario klar definiert. Im Wesentlichen löst die Automatisierung „deterministische“ Probleme, während die Intelligenz „indeterministische“ Probleme angeht.