一个年仅 9岁 的男孩，利用 AI智能体 ，竟然出版了一本书！
他叫 许萌萌 ，是来自北京市第二实验小学的一名三年级学生。
萌萌与AI智能体共创的书叫做 《AI少年——火星生存大挑战》 ，是一本科普小说，讲述了发生在火星上的“密室逃脱”的故事。
而他所选用的AI，正是来自 智谱AI 的 智谱清言 。
至于这本书具体是如何跟AI共创的，萌萌也做了详细地介绍：
这便是智谱AI在今天刚刚举行的Open Day活动中所展示的较为有趣的环节。
对此，智谱AI CEO 张鹏 在现场总结道：
而纵观整场活动，我们发现作为国内大模型顶流之一的智谱AI，围绕 AI智能体 、张鹏的观点，又有了新的发布动作：
接下来，我们就来一同看下，最新的智谱清言能帮我们做些什么。
一个“@”联动AI智能体，每天速读100篇论文
首先就是这次活动的主角之一， 清流 ，正如刚才我们所述，它的可以让用户在GLM-4主对话框或任意一个AI智能体内，只需使用“@”功能，就可以召唤不同的专用AI智能体继续执行任务。
这些AI智能体可以自由组合，形成个性化工作流，以此来提高工作效率。
那么对于天下苦久矣的“读AI论文”这件事，智谱清言的AI智能体是否能帮上忙呢？
毕竟谷歌AI负责人Jeff Dean早在数年前就做过统计，单是在ML领域， 每天就会产生超过100篇新论文 。
平均三分钟速览一篇，一天也得看上个5个小时。
这个“产速”当年就已经超过了摩尔定律，再加上现在爆火的大模型…… 读不完，根本读不完！
而现在，有了智谱清言的AI智能体，就能开启“用魔法打败魔法”的模式。
例如我们可以@一下一个名叫 “arXiv论文速读/精析（计算机）” 的AI智能体：
（AI智能体：大郎~该喝药……读论文了）
如果想继续深挖某个论文，我们就可以继续用@的方式调用另一个AI智能体来帮忙，例如**“论文解读助手”：
再如下面这个名叫 “论文推荐助手” 的AI智能体，更是可以检索清华大学AMiner数据库中，近三年超过600万篇的优质论文。
这次我们提一个概括总结性的问题：
这个AI智能体从今年的各大研究中精准提炼出了 “多模态” 和这两个概念，正是今年的大热门。
如此一来，有了AI智能体们的加持，一天速读100篇论文就不再是什么难事了。
除了读论文这件事，智谱AI在现场还展示了其它AI智能体联动的案例，主打的就是实现 “跨部门协作” 。
例如“喂”给智谱清言一个5分钟的讲义PPT，让它先生成一个讲义大纲：
然后再@一下“复杂流程图”这个AI智能体，就能把讲义大纲一键转成流程图了：
再如搞个 活动策划 ，现在有了清流，相当于给你配备了多个助理。
我们先向“PPT助手”这个AI智能体提出需求：
当然，即便是AI，方案一次性通过的概率也是不大，这时候我们可以继续在上面这个AI智能体对话框中，@一下另一位AI智能体 “活动方案策划达人” 来交叉验证一下：
可以看到，“活动方案策划达人”在第一版的基础之上又做了进一步的优化工作。
最后，我们就可以要求“PPT助手”基于优化的版本，来生成PPT了：
不过有一说一，我们现在所熟知的多数AI聊天机器人，依旧是以prompt为驱动，也就是用户问一句，AI就会答一句。
而AI智能体的运作方式则是更具自主性，我们只需给出一个任务目标，它就能一步一步去完成工作。
但现实中的问题往往错综复杂，即便AI智能体能够胜任某个单一的工作，但若对于解决“复合型问题”来说依然存在挑战。
这也正是智谱AI的清流功能要啃下的硬骨头。
如 Andrej Karpathy 就不止一次的在公开演讲中表达过这个观点，并且他还认为：
OpenDay上，智谱清言还介绍了一个新的功能。知识库，还是可以构建“挂载” 超大知识库 的AI智能体功能——足足可以hold住 100000000（1亿） 个字的那种。
我们现在就不妨在亲测一下效果。例如我们上传100篇存在本地的文件（一次可上传50个）：
从上传到解析完毕，也就是不到1分钟的事。
并且基于此，我们就可以提一些更有针对性、更符合自己需求的问题，例如：
不仅如此，“上传URL”和“上传文件”，还可以一起联动。
在调试到自己满意为止之后，点击页面右上角 “发布智能体” ，就可以上架到智谱清言的智能体广场了。
而除了应用上的更新之外，智谱AI在这次的Open Day中在模型层上同样也有新动作。
第四代开源模型GLM-4-9B
，正是智谱AI此次带来的最新开源大模型，亮点如下：
有多强？我们不妨先来看下榜单性能。
整体来看，GLM-4-9B的中英文综合性能相比ChatGLM3-6B足足提升了40%！
对比训练量更多的Llama-3-8B模型，可以说是做到了 全面超越 ，中文学科方面更是有着高达50%的提升。
不仅如此，从多语言能力、函数调用、多模态能力的评测上来看，GLM-4-9B也有不小的提升。
尤其是在多模态方面，是已经可以比肩GPT-4V了！
而且在长文本 上下文窗口 上，GLM-4-9B更是从128K扩展到了1M之多。
什么概念？相当于一口气可以消化2本红楼梦和125篇论文的文字量！
同样的，通过测试表明，GLM-4V-9B在1M大海捞针任务中取得了全绿的佳绩。
接下来，我们看实测效果。
例如“喂”给它一个公式印花的T恤，即便有褶皱这样的“阻力”，GLM-4V-9B也可以精准识别出是 麦克斯韦方程组 。
再如把《三体》前三部（约90万字）内容丢进去，GLM-4-9B可以轻松基于此给出第四部的合理提纲。
而除了模型本身之外，智谱AI开放平台也有了新的升级—— MaaS开放平台步入2.0时代 。
在模型方面，智谱AI主打的就是“发布即上线”，包括刚才新发布的GLM-4-9B等，全部都已经集成到了平台当中。
并且GLM-4全系列都是无需代码，三步完成微调的那种（支持LoRA微调和全参微调），操作上也是相当的简单。
但最为吸睛的，还应当是 价格 上的调整，来感受一下这个feel：
以GLM-4-Air为例，目前只需1%的价格，在性能上就可以比肩GLM-4了！
不得不说，智谱AI又一次把大模型“多快好省”的用起来这件事狠狠地push了一把。
而这也是整场活动看下来后最为直观的感受。
并且据智谱AI CEO 张鹏 介绍：
One More Thing
其实在这场活动中，除了我们最开始提到的萌萌小朋友用AI进行了创作之外，现场还展示了众多的画作：
这些画作同样是小朋友们用智谱清言APP创作而来，并且他们岁数 最小的只有1岁半 ，最大的也不超过12岁。
这代表了一种大模型应用普惠的趋势，也意味着大模型带来的人类能力增强，年龄下探、能力门槛几乎为0、人机交互也不必再专门学习相应的计算机语言。
学习AI，比之前所有其他科目和技能的学习，都更重要。
最后的最后，就是揭秘 罗永浩 彩蛋的时候了，AI老罗成为其清言平台的首位数字员工，工号001，并在智谱清言上向公众开放。罗永浩说自己也在玩。
他在录制的视频中也给予了智谱清言高度的肯定：
视频地址：https://mp.weixin.qq.com/s/CcY91oXIdP9-sBhnyLSn2A
除此之外， 刘慈欣 也和智能体来了个梦回联动。
嗯，这次智谱AI的Open Day是有点fancy在身上的。
阅读理解 出错原因
阅读理解题出错原因总结阅读理解题答案与干扰项关系的分析正确的选项往往是命题人员把阅读材料的内容或信息用不同的语言形式再现出来。 一般而言，答案项的设置有以下几种方法：(1) 选用原代中的词句；(2) 使用原代词句的同义词或相似结构；(3) 使用原代词句的反义词或相反结构；(4) 答案项是对生词、长句或难旬的解释；(5) 答案项是对原代词句或段落的归纳、推理或演绎；(6) 使用原代的上下义结构，如用“科学”涵盖“计算机、航天、发明、电子”等概念。 干扰项的设置通常有以下几种方式：1. 张冠李戴命题者把代章作者的观点与他人的观点混淆起来，题干问的是作者的观点，选项中出现的却是他人的观点；或者题干问的是他人的观点，却把作者的观点放到选项中去。 以2006年全国卷I第60题“The author planned to stop at Oklahoma City______.”为例。 此题乍看C项“to pay at the cash register”和D项“to have more gas for his car”都对，因为原代中有这么一句“While I Was standing in line at the cash register，I said hello to an older couple who were also paying for gas”。 很明显作者是停下来付款加油时，偶遇一对老夫妇并问好，似乎选项C和D本身都没错，但题干问的是“作者计划在俄克拉荷马市逗留的原因”，如果考生没有理解题干，就会误选C项或D项。 正确选项应为A项“to visit a friend”。 2. 偷梁换柱干扰项用了与原代相似的句型结构和大部分相似的词汇，却在不易引人注意的地方换了几个词汇，造成句意的改变。 以2006年全国卷I第57题“It can be inferred that greyhounds_______. ”为例。 此题乍看应选B项“like staying in bed all day”，因为原代中有这么一句“especially they would much rather be at home in bed than walking around outside”. 殊不知选项中加了“all day”，使意思绝对化了。 正确选项应为D项“need some exercise outdoors”。 考生若注意不到此细节的变化，势必造成失分。 3. 无中生有干扰项往往是生活的基本常识和普遍接受的观点，但在原代中并无相关的信息支持点，这种选项的设置往往与问题的设问毫不相干。 以2006年全国卷Ⅰ第67题“We may infer from the last two paragraphs that______. ”为例。 干扰项C项“English courses are necessary for foreign students”就是这种情况，而正确答案应为A项“different teaching methods should be used”。 解答这类考题时考生还应注意问题中有无“In the author’s opinion”或“According to the passage”之类的限定语。 4. 以偏概全考生在做猜测代章中心思想、给代章添加标题或判断推理题时，往往会犯以偏概全的错误。 产生这类错误的原因是考生受思维定势的影响或考虑不周，以局部代替整体。 其具体表现为合理关联与不合理关联、准确概括与不准确概括之间的错位。 不合理关联就是表层理解与深层理解相混淆。 表层理解是对代章中客观事实的感知和记忆，往往是代章直接表述的结论；深层理解则是对代章中的客观事实进行逻辑推理、总结或概括后得出的结论。 例如，2006年北京卷第73题“What did Loftus find out from her research?”的正确答案为B项“People Can be led to believe in something false.”。 而误选C项“People tend to forget their childhood experiences. ”的考生显然是根据代中“it came up with an account of their early childhood experiences… The researchers then changed this detail into a manufactured memory through leading questions”的信息得出的，但它只不过是表层信息，其对原代信息的转述并不全面。 不准确概括是指不能准确地按题目要求概括或提取代中的表层或深层信息。 例如，2006年全国卷I第69题“What is the text mainly about______.”的正确答案为D项“Life after retirement”。 干扰项A项“Learning to paint in later life”与C项“An artist turned teacher”极具迷惑性，但它们只是代章中的某个细节信息。 考生如果不清楚细节信息与短代主题之间的关系，就容易犯概括不准确的错误。 找出阅读题出错的原因一、 定位错误大部分的阅读题目都是细节题，主要考察我们一种细节查找的能力，说白了就是“找”，很多同学题目做不出来的主要原因都是找不到。 而找不到一般有两个原因：(1)关键词没选对关键词主要是用于定位，其选取十分重要，如没选好我们就很难找到该题。 比如有道判断题“In 1985, AI was at its lowest point.” (剑5Test3Passage3Q33)不少同学打算拿AI或lowest去定位，但这篇文章的标题就叫“The Return of Artificial Intelligence”， AI是文章的主题词，到处都是，没办法定位到一个点上;此外，判断题有可能是错的，对于这道题最可能错的地方就是lowest，一旦此题是错的，用lowest是没法定位的。 因此，我们尽量要选取特殊且不可替代的信息作为关键词来定位。 (2)关键词的同义替换不认识或没注意有些题目的关键词在原文中会进行同义替换。 有时我们能够找对关键词，但其替换词可能不认识或没注意到。 比如某道题中的关键词“protect”在原文中出现的替换词是“conservation”，如果不认识这个替换词，很可能就找不到该题。 或者有时候是由于注意力不集中而没有注意到关键词的替换。 比如剑4中有道题出现了“1900”这个年份，在原文中的同义替换是“twentieth century”。 不少同学看到“twentieth century”一下子的反应是从2000年开始，没有意识到是1900年，这样此题也有可能错过。 因此，平时单词的积累以及考试集中注意力非常重要。 二、 定位对题错如果定位正确而题目仍然做错一般有以下原因：(1)单词单词是困扰很多学生的一个问题，相当数量的同学题目做不出来都是由于词汇量不足。 有次有个学生来询问一个单词的意思，我一看非常崩溃，是“population”。 因此，考雅思之前的词汇积累非常必要，至少大学四级核心词汇得具备。 (2)思路如果定位正确，单词理解没有问题，而题目还是没做对，那一般是思路的问题。 比如判断题FALSE和NOT GIVEN之间的区别，选择题推得过远……这需要对具体的题型具体分析，重点找出每种题型容易错的地方，一定要总结自己的做题思路。 (3)非主流错误还有些同学的题目错的非常莫名其妙，本来不该错的却错了。 比如剑5中有道题对应文章中的“battlefield(战场)”这个单词，结果有同学看成了“butterflies(蝴蝶)”，那题目就没法做出来了。 这主要是考试时过于紧张或注意力不集中造成的，因此考试时调整好自己的心理状态非常关键。
UI专业发展前景如何?
UI设计行业的平均薪资设计界平均薪资最高的一个行业，像平面设计，电商设计，室内设计，建筑设计等行业的平均薪资都没有UI设计行业薪资高，UI设计行业的平均薪资比大部分所在城市的平均薪资都要高，像我现在在北京工作，有几年的设计工作经验，是公司的UI设计主管，月薪还是挺不错的，月薪2-3万，我相信在这看我这篇回答的大部分人都没有超过这个薪资吧。
我相信在看我这篇回答的人，大部分都是想学习UI设计，对UI设计感兴趣的人，想转行学习但是顾虑有点多，担心行业前景不好， 担心学好找不到工作等等。
在这里我想说的是，只要你的技术能力足够，有自己的原创作品，不可能找不到UI设计工作，只要你能掌握运营插画设计，视觉设计，交互动效设计，小程序设计，APP设计，简单的网页设计这些，有自己的原创作品，找不到工作，我真的不信。
怎么学台湾地区那边的注音符号（类似于我们内地的汉语拼音方案）
b ㄅ(玻)p ㄆ(坡)m ㄇ(摸)f ㄈ(佛)d ㄉ(的)t ㄊ(特)n ㄋ(呢)l ㄌ(勒)g ㄍ(哥)k ㄎ(科)h ㄏ(喝)j ㄐ(基)q ㄑ(期)x ㄒ(西)zh ㄓ(知)ch ㄔ(痴)sh ㄕ(诗)r ㄖ(日)z ㄗ(资)c ㄘ(疵)s ㄙ(思)韵 母 表i 一(衣) u ㄨ(乌) ü ㄩ(于)a ㄚ(阿)ia 一ㄚ(呀)ua ㄨㄚ(哇)o ㄛ(哦)uo ㄨㄛ(窝)e ㄜ(鹅)ie 一ㄝ(耶)er ㄦ(儿)üe ㄩㄝ(约)ai ㄞ(唉) uai ㄨㄞ(歪)ei ㄟ(诶) uei ㄨㄟ(威)ao ㄠ(凹)iao 一ㄠ(腰)ou ㄡ(欧)iou 一ㄡ(忧)an ㄢ(安)ian 一ㄢ(烟)uan ㄨㄢ(弯)üan ㄩㄢ(冤)en ㄣ(恩)in 一ㄣ(因) uen ㄨㄣ(温)ün ㄩㄣ(晕)ang ㄤ(昂) iang 一ㄤ(央)uang ㄨㄤ(汪)eng ㄥ ing 一ㄥ(应)ueng ㄨㄥ(嗡)ong ㄨㄥiong ㄩㄥ(雍)2. 1168的注音符号键盘分布对照表：1键 aㄚ dㄉ bㄅ2键 aiㄞ gㄍ jㄐ 3键 zhㄓ zㄗ erㄦ anㄢ4键 oㄛ tㄊ pㄆ5键 eiㄟ kㄎ qㄑ6键 i一cㄘ chㄔ enㄣ7键 eㄜ nㄋ mㄇ8键 ouㄡ aoㄠ hㄏ xㄒ 9键 shㄕ uㄨ sㄙ angㄤ*键 ˙ ˊ ˇ ˋ 0键 fㄈ lㄌ (ㄝ) #键 üㄩ rㄖ (engㄥ)其实1168的注音符号分布非常合理好记，均是按拼音作竖式分布。 例如：ao e 为 1、2 、3 键，i u ü为 6、9 、# 键，b p m f 为 1、4 、7 、0 键等等。 注音输入法的用法与拼音输入法基本相同，区别在于注音输入法是以声韵母双拼输入，而拼音输入法是以字母全拼输入。 例如输入“中国”两字：中（zhong ）字是依次各按一次“3 键（ㄓ）、9 键（ㄨ）、# 键（ㄥ）”，再长按“1 键”选取中字；国（guo ）字是依次各按一次“2 键（ㄍ）、9 键（ㄨ）、4 键（ㄛ）”，再长按“1 键”选取国字。 另外，按* 键还可选择字的声调。 注：拼音与注音在拼法上还是有些不同之处,以下列出一些韵母的输入方法：ie 一ㄝ(耶)= 60 üe(约) ㄩㄝ = #0 ün(晕) ㄩㄣ= #6in 一ㄣ(因)= 66 eng ㄥ= # ing(应) 一ㄥ = 6#ueng ㄨㄥ(嗡) = 9# ong ㄨㄥ = 9# iong(雍) ㄩㄥ = ##拼音 yuan(冤) = 注音 üan(冤) #3
