文章

Grok 是由 xAI 开发的一款人工智能助手，其设计核心是追求最大限度的真实、实用与好奇心。它不仅能回答你提出的任何问题，还能生成引人注目的图像和视频，并为你搜索网络与 X 平台的实时信息，助你更深入地理解世界。 核心功能 智能问答与深度研究 Grok 具备强大的对话和分析能力，可以作为你的全能助理： 快速问答：针对任何问题，提供迅速精准的回答。 深度研究：可为你进行深入的网络研究，整合复杂信息。 专业问题求解：利用 Grok 4 模型，解决数学、科学和编程领域的难题。 内容分析：支持上传文档、照片或粘贴链接，让 Grok 帮助你分析和理解其中内容。 Grok Imagine：AI 图像与视频生成 Imagine 是 Grok 内置的全新 AI 创作工具，具备高速和开创性的体验： 文生视频：通过文本提示，生成长达 6 秒并带有音效的视频。 照片转视频：将静态照片转化为生动的动态视频。 语音生成图像：仅通过语音描述，即可生成高质量的 AI 图像。 Grok 语音模式与实时摄像头 通过语音模式，你可以与 Grok 进行自然流畅的对话，仿佛在与真人交流。 实时摄像头：在语音模式下开启摄像头，Grok 可以实时看到你所见的场景，并提供相应帮助。 个性化助手：你可以为 AI 助手选择不同的性格，如“助理”、“浪漫”、“故事家”等，打造专属的互动体验。 AI 伴侣：与虚拟角色互动 Grok 内置了多个生动有趣的动画 AI 角色，你可以与它们进行独特的对话： Rudi：一只略带调皮且富有幽默感的小熊猫，适合轻松有趣的闲聊。 Valentine：一位充满诗意魅力的男性角色，适合进行深入且触动灵魂的对话。 Ani：一个迷人的角色，随着你们之间联系的加深，它会害羞脸红并发送爱心。 实时信息整合：连接 X 平台与网络 Grok 的一大特色是能够接入 X（前身为 Twitter）和网络的实时数据，确保提供的信息始终保持最新： 获取最新资讯：让你随时了解全球范围内任何话题的最新新闻和趋势。 X 平台高级搜索：可以要求 Grok 在 X 平台上进行高级搜索，深入挖掘事件动态和公众舆论。 强大的图像编辑功能 除了从零生成图像，Grok 还提供了强大的编辑能力： ...

进行中的活动 交叉点 II：艺术与设计领域的师生作品展 展期： 即日起至 2025 年 11 月 14 日（星期五） 地点： 麦克马斯特画廊 (McMaster Gallery) 学术校历 以下是近期需要关注的几个重要学术日期： 11月5日，星期三：课程退选截止日 在此日期前申请退课或退学，成绩单将不会记录为“WF”(Withdraw Fail)。 此规定适用于第 30 学期 (Part of term 30) 的课程。 11月23日（星期日）至 11月26日（星期三）：感恩节假期 此期间所有课程暂停。 👉 如果你需要 ChatGPT 代充 / Claude / Claude Code / 镜像 / 中转 API： 购买 / 了解更多：ai4.plus 备用入口：kk4099.com

通过创建自定义提示（Prompt），您可以指示生成式 AI 模型以特定方式行事或执行特定任务。精心设计的提示能够生成满足您特定业务需求的响应，从而将 AI 模型转变为一个能够完成各种任务的灵活工具。 重要提示 AI Builder 中的提示功能由 Azure OpenAI Service 驱动的 GPT 模型提供支持。此功能目前仅在部分地区可用，并可能受到使用限制或容量调节的约束。 支持的语言 AI Builder 提示功能目前支持以下语言，列表后续可能会更新： 阿拉伯语 中文（简体） 捷克语（捷克共和国） 丹麦语（丹麦） 荷兰语（荷兰） 英语（美国） 芬兰语（芬兰） 法语（法国） 德语（德国） 希腊语（希腊） 希伯来语 意大利语（意大利） 日语（日本） 韩语（韩国） 波兰语（波兰） 葡萄牙语（巴西） 俄语（俄罗斯） 西班牙语（西班牙） 瑞典语（瑞典） 泰语（泰国） 土耳其语（土耳其） 提示工程（Prompt Engineering）核心原则 提示工程的目标是创建尽可能具体的指令，以便从模型获得更相关的响应。您的提示应该主题明确，并清晰地传达您的意图。 优秀提示的构成要素 一个有效的提示通常包含以下信息： 主题：明确指出内容的核心。 关键词或短语：与主题相关的核心词汇。 响应的语气：例如，正式、友好、专业等。 目标受众：响应内容是写给谁看的。 如果模型生成的文本过长或包含无关信息，请尝试调整和优化您的提示。 良好提示的四大特征 清晰简洁：使用清晰、简洁、易于理解的语言编写。 具体明确：足够具体，能够引导 GPT 模型朝正确的方向生成内容。 提供上下文：提供足够的背景信息，帮助 GPT 模型生成有意义的输出。 任务相关：与要执行的任务紧密相关，为模型提供生成高质量输出所需的信息。 提示的基本结构 一个提示通常由两个部分组成：指令和上下文。 指令 (Instruction)：这是提示的第一部分，应明确指示 GPT 模型需要做什么。 示例：用三个要点总结这封邮件。 上下文 (Context)：这是提示的第二部分，提供模型生成适当响应所需的信息。 示例：这封邮件包含过去一周的客户反馈。 通过组合指令和上下文，自定义提示可以引导模型完成问答、文本补全、语言翻译、文档摘要以及从文本中识别任务、待办事项和行动项等多种任务。提示的复杂性可以从单个句子到更复杂的结构，具体取决于任务需求。 ...

现在，开发者可以在 Gemini API 中启用 Google Maps 工具，将丰富、实时的地理空间数据作为模型生成内容的基座，从而构建具备地理位置感知能力的 AI 应用。这项功能将 Gemini 模型的推理能力与来自全球超过 2.5 亿个地点的数据相结合，为打造新一代强大的地理空间感知 AI 产品提供了可能。 与 Google Search Grounding 类似，Google Maps Grounding 能够在用户查询涉及地理位置信息时，为模型提供准确、可靠的最新数据，从而显著提升回答的质量。 快速上手 在您的 Gemini API 请求中，只需启用 Google Maps 工具即可开始使用。 以下是一个使用 Python SDK 的示例代码： import google.generativeai as genai # 配置你的 API 密钥 genai.configure(api_key="YOUR_API_KEY") # 创建模型实例并启用 Google Maps 工具 model = genai.GenerativeModel( model_name='gemini-1.5-pro-latest', tools=['google_maps']) # 发起聊天请求 chat = model.start_chat() response = chat.send_message( "给我推荐一些旧金山唐人街附近适合举办生日派对的中餐馆，并说明理由。") print(response.text) 可视化地图结果 为了更直观地展示基于地图的搜索结果，API 还会返回一个上下文令牌（context token）。您可以使用此令牌生成一个可交互的地图小组件（widget），并将其嵌入到您的应用界面中。这为用户提供了熟悉的地图体验，其中包含相关的照片、评论和其他详细信息。 ...

对 ChatGPT 感到好奇，但不知从何入手？本指南专为初学者设计，将带你一步步了解如何利用人工智能（AI）助力你的家庭历史研究。即使你对技术不太熟悉，也能轻松上手。 一、创建 ChatGPT 账号 使用 ChatGPT 的第一步是拥有一个账号。你可以访问 OpenAI 的官方网站，按照页面提示，使用你的电子邮箱地址进行注册。整个过程非常简单，只需几分钟即可完成。 二、提出你的第一个问题 注册完成后，你将看到一个类似聊天窗口的界面。与 ChatGPT 交流就像和人对话一样。你可以直接在输入框中输入你的问题或请求。 尝试从一个简单的问题开始，例如： 请帮我解释一下什么是“家谱”？ 或者提出一个与你研究相关的具体请求： 我正在研究 19 世纪的德国移民，有哪些常见的德国姓氏？ ChatGPT 会根据你的问题生成详细的回答。 三、ChatGPT 在家谱研究中的应用 掌握了基本操作后，你可以尝试将 ChatGPT 应用于以下几个方面，以提高你的研究效率： 1. 整理研究资料 当你面对大量零散的笔记、日期和人名时，可以让 ChatGPT 帮助你整理成清晰的结构。 示例请求： 我有以下关于我曾祖父的信息：姓名 John Smith，出生于 1880 年左右，可能在伦敦，妻子名叫 Mary Jones，他们有三个孩子：Peter、Jane 和一个夭折的儿子。请帮我将这些信息整理成一个简洁的生平摘要。 2. 转录和解读历史记录 手写的老旧文档（如信件、日记或人口普查记录）常常难以辨认。你可以先手动输入难以辨认的文本，然后请求 ChatGPT 帮助你解读或将其格式化。 示例请求： 我正在尝试转录一份 1900 年的人口普查手写记录，其中一些词语很潦草。这是我辨认出的内容：“[此处输入你辨认的文本]”。根据上下文，你认为那个看不清的职业单词可能是什么？ 3. 激发写作灵感 如果你想将你的家族故事写下来，但不知如何开头，ChatGPT 可以为你提供思路和草稿。 示例请求： 我想写一个关于我祖母从爱尔兰移民到美国的故事，请给我一些开头段落的建议。她的名字是 Bridget O'Connell，大约在 1920 年代抵达纽约。 通过这些简单的方法，ChatGPT 可以成为你研究家族历史的得力助手，帮助你更高效地探索和记录你的家族故事。 👉 如果你需要 ChatGPT 代充 / Claude / Claude Code / 镜像 / 中转 API： ...

回想一下，你上次用 Claude 高效完成一项工作（比如制作演示文稿、分析报告）的情景。除了 Claude 本身的智能，你的指导也至关重要：你解释了标准、描述了结构、提供了示例，并修正了不完善之处。 现在，你无需在每次处理相似任务时都重复这一过程。技能 (Skills) 功能允许你将这些经验和标准打包，当 Claude 识别到匹配的场景时，便会自动调用这些专业知识，省去你反复解释、查找规范或修改通用输出的麻烦。 为什么“技能”对你的工作很重要 你可能已经为某些任务（如报告结构、分析框架、沟通风格）总结出了一套行之有效的方法。但在以往，每次与 Claude 开启新对话时，你都必须重新解释这些规则。 技能 (Skills) 正是为解决这一痛点而生。你只需一次性将你的方法打包，Claude 就能在任何对话中自动应用它。 使用“技能”前：你让 Claude 创建一份季度业务回顾 (QBR)。尽管 Claude 能制作演示文稿，但你每次都需要详细说明，才能让它符合你的特定标准。即使你将规范文档上传到“项目”中，这些规范也不会在需要时被自动应用。 使用“技能”后：在创建了 QBR 技能后，你只需提出相同的请求。Claude 会通过任务的名称或描述识别出意图，并在其思考过程中显示“正在读取 QBR 技能”。随后，它会自动应用你预设的品牌指南和偏好结构，从一开始就生成符合你标准的成果。 “技能”与其他 Claude 功能的协作 为了更好地理解“技能”的定位，我们可以将其与 Claude 的其他功能进行比较。 技能 vs. 项目 (Projects) “项目”功能非常适合需要长期积累上下文的工作，例如产品发布、持续的研究或为期数周的营销活动。你可以在一个独立的工作空间内上传文档、积累对话历史。但“项目”是有边界的，其上下文仅在内部生效。 相比之下，技能无处不在。一旦创建，它就可以在任何对话中被激活，无论是常规聊天还是在某个“项目”内部。 使用“项目”：处理需要持续积累上下文的工作，如产品发布、研究课题。 使用“技能”：处理需要自动应用的、可重复的流程，如品牌指南、分析框架。 你也可以将两者结合使用，让需要长期上下文的工作也能受益于标准化的流程。 技能 vs. 自定义指令 (Custom Instructions) “自定义指令”用于设定你希望 Claude 普遍遵守的偏好，例如“在开始前先提出澄清性问题”或“保持解释简洁”。这些指令会全局生效。 而技能更为具体和深入。它可以包含更详尽的说明、完整的参考资料库和详细的框架，这些内容如果放在“自定义指令”中会显得过于臃肿。技能只在相关任务被触发时激活。例如，“创建财务模型时，使用此验证框架”就适合存放在技能中，因为它只应用于财务建模工作。 技能 vs. 常规提示 (Prompting) 对于一次性或探索性的任务，一次清晰的提示（Prompt）就足够了。你只需解释需求、提供上下文并优化输出即可。 技能则专注于可重复的任务。它让你无需反复上传材料和解释标准。当一项工作需要跨领域的专业知识时，多个技能可以自动组合并协同工作，无需你逐一指定。此外，通过打包完整的参考库、验证框架和质量标准，技能能够产出更高质量的结果，这通常需要通过多轮复杂的提示才能实现。 识别创建“技能”的最佳时机 从简单的格式规则到整合多源数据并生成报告的完整工作流，都可以创建为技能。当你明确了某项任务的最佳实践，并希望 Claude 能始终如一地遵循时，就是创建技能的好时机。 当你已提炼出成熟的工作方法 如果你发现自己总是在向 Claude 解释同一套流程，就可以考虑将其转化为技能。 周报技能：按“成果、障碍、优先事项”的结构组织更新，让会议更聚焦。 客户反馈分析技能：遵循你的框架对反馈进行分类、识别模式并发现高优需求。 销售电话准备技能：自动研究客户、总结近期互动并生成沟通要点。 当产出质量依赖特定素材 某些工作需要特定的示例、模板或领域知识才能达到标准。将这些素材打包进技能，可以确保产出质量的稳定性。 ...

在学术写作中，当您使用 ChatGPT 等生成式 AI 工具获取信息、转述观点或生成文本时，进行正确的学术引用至关重要。不同的学术规范对此有不同的要求，本文将重点介绍 APA（美国心理学会）和 MLA（现代语言协会）两种主流格式的引用指南。 APA 格式指南 APA 规范建议将 AI 工具本身视为作者。其核心逻辑是，AI 的输出并非个人交流，而是算法生成的结果，因此应将算法的创建者（即公司）记为作者。 APA 官方博客指出：“由于其他读者无法检索到 ChatGPT 的聊天记录……将 ChatGPT 生成的文本作为引用，更像是分享一个算法的输出结果。因此，应通过参考文献和相应的文内引用的方式，将功劳归于算法的作者。” 同时，APA 明确指出，与 ChatGPT 的对话不应被视为“个人交流”（Personal Communication）。 使用场景与方法 研究方法部分：在“方法”章节中，应详细描述您是如何使用该 AI 工具的。 文献综述或论文：在引言部分说明您如何使用了该工具。在正文中，提供您使用的提示词（Prompt），并引用由其生成的相关文本内容。 参考文献：为算法的作者创建一个参考文献条目，并在正文中进行相应的引用。 引用示例 文内引用 当被问及“左脑和右脑的划分是真实的还是一个比喻？”时，ChatGPT 生成的文本指出，尽管两个大脑半球在功能上有所专攻，“但将人描述为‘左脑型’或‘右脑型’的说法被认为是一种过度简化和流行的误解” (OpenAI, 2023)。 参考文献条目 OpenAI. (2023). ChatGPT (Mar 14 version) [Large language model]. https://chat.openai.com/chat 注意：虽然规范要求提供 URL，但在实际提交的论文中，请遵循您所在机构或期刊关于链接的具体要求。 MLA 格式指南 与 APA 不同，MLA 规范不建议将 AI 工具视为作者。 MLA 官方指南称：“我们不推荐将 AI 工具视为作者。这一建议遵循了包括 MLA 官方期刊 PMLA 在内的多家出版机构制定的政策。” 核心原则 当您转述、引用或以任何形式整合由 AI 工具创建的内容（包括文本、图像、数据等）时，都必须进行引用。 对于 AI 的功能性使用（如编辑文字、翻译词句等），应在注释、正文或其他合适的位置加以说明。 在使用 AI 提供的二手资料时，务必仔细审查其准确性。 引用示例 以下是一个在文章中转述 AI 生成内容并提供相应引用的示例。 ...

Gemini CLI 迎来一项重大更新，显著提升了您的工作流效率。现在，您可以直接在 Gemini CLI 内部运行复杂的交互式命令，例如使用 vim 编辑文件、通过 top 监控系统，甚至执行 git rebase -i 等操作。您无需再切换到独立的终端，也告别了因交互式命令而“卡住”的窘境。 将一切保留在上下文中 这一改进的核心优势在于，所有操作都将在 Gemini CLI 的上下文中进行。以往，运行交互式 shell 命令需要退出 Gemini CLI，这会导致命令在 Gemini CLI 的上下文之外执行，从而丢失会话信息。 通过引入伪终端（Pseudo-Terminal, PTY）支持，那些需要丰富终端功能的应用——如文本编辑器、系统监视器或依赖终端控制码的工具——现在都可以在 Gemini CLI 内部及其上下文中无缝运行。 工作原理：序列化终端状态 当您执行 shell 命令时，Gemini CLI 会借助 node-pty 库，在后台的一个伪终端内启动一个新进程。PTY 充当中间层，为操作系统提供必要的接口，使其将该会话识别为一个终端。这使得各种应用程序和命令能以其原生设计的方式运行。 实时状态流 那么，这个在后台运行的虚拟终端是如何呈现在您屏幕上的呢？可以将其想象成一个视频流。我们全新的序列化器会实时捕捉伪终端的每一个快照——包括所有文本、颜色，甚至是光标位置。这些快照以流的形式传输给您，让您能够实时查看并与终端应用交互。这不仅仅是文本流，而是动态的实时画面。 完整的双向交互 新架构实现了完整的双向通信。我们增加了向终端写入输入甚至动态调整其大小的功能。您的键盘输入会被发送到正在运行的进程中；当您调整窗口大小时，Gemini shell 内的应用程序也会像在原生终端中一样自适应布局。 您可以使用 ctrl+f 组合键聚焦于终端。同时，我们还改进了输出处理，能够正确渲染彩色的终端输出，让您尽情享受心爱命令行工具的完整体验。 如何开始使用 自 v0.9.0 版本起，新的交互式 shell 已默认启用。您可以通过以下命令升级到最新版本： npm install -g @google/gemini-cli@latest 如需更多信息，请参阅 Gemini CLI 的官方文档。 应用场景示例 以下是您现在可以在交互式 shell 中运行的部分命令类型： 使用 vim、nvim 或 nano 编辑代码。 通过交互式 Git 命令（如 git rebase -i）管理提交。 运行您偏爱语言的交互式 REPL 环境。 执行 htop 或 mc 等全屏终端应用。 轻松导航 npm init 或 ng new 等交互式设置脚本。 响应特定 gcloud 命令的交互式提示。 展望与反馈 这是我们 shell 集成迈出的重要一步。我们正积极优化跨平台的输入处理。如果您在使用过程中遇到任何问题或不一致的情况，欢迎在我们的 GitHub 仓库中分享您的反馈。 ...

沃尔玛正与 OpenAI 展开合作，为消费者带来一项创新功能——通过 ChatGPT 直接完成购物。这是该零售巨头在利用人工智能优化运营方面的一项重要投资。 “即时结账”：无缝的对话式购物 借助 ChatGPT 新推出的 “即时结账” (Instant Checkout) 功能，用户在与 AI 聊天机器人对话时，可以直接浏览沃尔玛的商品并完成下单，整个过程无需离开当前应用。 OpenAI 在上个月首次发布了 “即时结账” 功能。它允许用户向 ChatGPT 提出购物需求，例如： “推荐一款 1000 美元以下的最佳床垫” “为一位狂热的阅读爱好者挑选一份礼物” 然后，用户可以直接在聊天界面内购买 AI 推荐的商品。 通过与沃尔玛的合作，这种由 AI 驱动的购物体验将得到进一步增强。沃尔玛表示，顾客和山姆会员店的会员只需通过聊天，就能轻松规划餐饮、补充生活必需品或发现新产品，后续的流程将由沃尔玛处理。 超越搜索框：沃尔玛的 “代理式商务” 愿景 沃尔玛强调，此举旨在超越传统电商的搜索工具。传统的搜索模式仅仅是根据用户的请求被动地返回商品列表。 沃尔玛将这种新模式称为 “代理式商务” (agentic commerce)。在这种模式下，AI 会学习并预测顾客的需求，将购物从一种被动的响应式体验转变为主动的引导式体验。 沃尔玛首席执行官董明伦 (Doug McMillon) 认为，这种面向消费者的功能升级早就应该实现。 多年来，电商的购物体验一直由一个搜索框和一长串的商品列表构成。这种情况即将改变……我们正通过自家的 AI 助手 Sparky 以及与 OpenAI 等伙伴的重要合作，朝着更愉快、更便捷的未来迈进。 Sparky 是沃尔玛自研的生成式 AI 购物助手，旨在提供更具对话性和个性化的购物辅助。OpenAI 的联合创始人兼首席执行官 Sam Altman 也称赞此次合作“让日常购物变得更加简单”。 行业风向：电商巨头的 AI 代理布局 在探索 “代理式 AI” 的道路上，沃尔玛并非孤例。电商巨头亚马逊也在积极布局，其理念同样是让 AI 代理（bots）代替人类执行任务。 ...

Zillow 近期在 ChatGPT 平台中推出了其官方应用，为消费者提供了一种通过对话式 AI 开启购房之旅的全新方式。此举不仅是技术上的创新，也为房地产专业人士带来了重要的发展机遇。 每周有超过 8 亿人使用 ChatGPT，现在，他们的住房搜索问题可以直接导向源自 MLS (Multiple Listing Service) 的真实房源，并完整保留经纪人和 MLS 的署名信息。这标志着负责任的 AI 在房地产领域应用的一个里程碑，它在快速演进的数字环境中，进一步巩固了经纪人、中介机构和 MLS 的核心地位。 工作原理 当用户在 ChatGPT 中提出关于房屋、社区或购房负担能力的问题时，他们可以无缝接入 Zillow 的实时房源、筛选功能和专业洞察。 用户交互流程 用户可以通过自然语言在 ChatGPT 内浏览房源、探索社区。例如，用户可以提出具体需求： “帮我找一个带装修地下室的房子。” 当用户准备采取下一步行动时，例如预约看房、联系经纪人或申请贷款，这些操作将被引导至 Zillow 的平台内完成。 如何触发 Zillow 应用 在 ChatGPT 中，有两种情况会调用 Zillow 应用来展示结果： 明确指定：用户在提示词中以“Zillow”开头，例如：“Zillow，给我看看在售的房子”。 智能推荐：当用户提出相关的住房搜索请求时，ChatGPT 会智能推荐并调用 Zillow 应用，例如：“帮我在丹佛找一个低于 2000 美元的出租房”。 出售与租赁房源 在大多数查询中，用户需要明确指出是寻找“出售”房源还是“租赁”房源。如果查询意图不明确，系统将默认显示出售房源。 数据安全与行业合规 Zillow 与 OpenAI 直接合作，确保整个体验在构建之初就严格遵守行业规则和数据保护标准。Zillow 对其在 ChatGPT 内的应用体验拥有 100% 的控制权，从而保护 MLS 数据并维持 IDX (Internet Data Exchange) 合规性。 ...