AI 笔记
面向非技术读者的 AI 短文。主题包括:入门设置、数字人、语音代理、检索增强生成(RAG)、人脸识别、美妆与关键点、AI 视频制作,以及网站。
如何为 AI 代理创建网页抓取工具?
代理无法自己打开网页。这个 31 行的工具下载页面、保留可读文字、存成文件,并返回文件名,让下一步可以使用。
人脸比对应有多严格(人脸识别,版本 9)?
只改两行:加一个容差旋钮,决定两张脸算不算同一个人,以及这个数值该怎么选。
如何让实时人脸识别跑得更快(人脸识别,版本 8)?
先缩到半宽半高再搜索,再把框乘回原尺寸:画面更流畅,画质不变。
如何在实时视频中识别人脸(人脸识别,版本 7)?
先把文件夹里的人脸编码一次,再在每一帧里识别并标注姓名,认不出就写 Unknown。
如何在每一格画面上画框和标签(人脸识别,版本 6)?
用 rectangle 和 putText 每帧画一个红框和测试标签,为版本 7 的姓名留出位置。
如何修改来自摄像头的一帧画面(人脸识别,版本 5)?
在读出画面与显示之间加一行修改:转成灰度只是示例,后续版本都在这中间一步做文章。
如何显示摄像头的实时画面(人脸识别,版本 4)?
用 VideoCapture 打开摄像头,逐帧显示,按 q 退出。这一版不认脸,只验证摄像头。
如何看出照片里的人是谁(人脸识别,版本 3)?
用 compare_faces 与 face_distance 判断照片里的人是谁,并说明「最像」不等于「就是」。
如何把每一张人脸变成一串数字(人脸识别,版本 2)?
用 face_encodings 把每张人脸变成 128 个数字,文件名就是标签。
如何显示文件夹里的每一张人脸照片(人脸识别,版本 1)?
用 OpenCV 显示文件夹里的每一张照片,文件名就是人名:13 行程序,整个系列的起点。
如何使用即梦短剧工作室制作一部短剧视频?
用自然语言描述故事,即梦会自动分三步完成:剧本生成、资产库制作、分镜视频。以完整的 10 集都市恋爱短剧《双城之恋》为例,附角色设定图。
如何在 Google Search Console 验证你的网站?
向 Google 证明你的网站真的是你的:下载一个很小的文件、放到网站最上层文件夹,然后点击“验证”。
如何使用 AI 代理删除草稿中的重复句子(Research,版本 5)?
代理加入第四个工具。enhance_draft 读取七句的草稿,永远保留第 1 句,并删去只重复已出现数字的句子 —— 最后输出五句和五条尾注,程序还会打印它跳过了什么。
如何使用 AI 代理撰写附有尾注的草稿(Research,版本 4)?
代理加入第三个工具。模型从七个保留的结果中各挑一句,逐字照抄,write_draft 再为尾注编号 —— 文字没有被摘要,所以每句都可以追溯回它的来源网页。
如何使用 AI 代理挑选有用的搜索结果(Research,版本 3)?
代理加入第二个工具:generate_draft 读取已保存的搜索,保留分数 0.5 或以上的结果,并按网址剔除 Wikipedia —— 十个结果变成七个,数字和链接原封不动。
如何使用 AI 代理搜索网页(Research,版本 2)?
版本 1 的 Tavily 调用变成一个工具,由模型决定何时调用,return_direct=True 让运行到此为止 —— 十个原始结果原样返回,上面没有加上任何摘要。
如何用 Python 搜索网页(Research,版本 1)?
这个系列从没有代理开始:一个问题送到 Tavily,回来十个结果,每个都打印分数、链接和网页前 200 个字符 —— 这是之后每个版本加工的材料。
多个 AI 代理如何在主管之下运作(ReAct,版本 10)?
一个主管代理,手上三个工具 —— 读取网页、翻译、改写成粤语 —— 而其中两个工具本身就是代理。代码从不固定顺序;主管自己规划,并把计划打印出来让你核对。
AI 代理如何读取网页(ReAct,版本 9)?
版本 9 终于读取真实网页:requests 下载 HTML,BeautifulSoup 只保留标题、段落和列表项,版本 8 的句子规则再为页面上每句编号。
程序如何把一段文字分成句子(ReAct,版本 8)?
版本 9 将要读取网页,所以文字必须先切成句子。一行就能做到 —— 带后顾断言的 re.split —— 本篇逐步拆解那一行,包括为什么 HK$60.10 不会被切开。
如何在 AI 代理中使用 LangChain(ReAct,版本 7)?
与版本 6 同一个代理 —— Tavily 搜索加 memory.json —— 但改用 LangChain 重写。create_agent() 替我们跑思考 → 行动 → 观察的循环:不用解析 search[...] 文本,没有停止词,也不用自己累积提示词字符串。
如何让 AI 代理拥有记忆(ReAct,版本 6,memory.json)?
版本 5 因为代理忘记了任务 1,在追问上失手。版本 6 加入一个小文件:每个完成的答案都存到 memory.json,再载入下一个提示词,所以“香港有了吗?”终于知道“它”是什么。
AI 代理如何处理追问(ReAct,版本 5,无记忆)?
把可复用的代理连续调用两次:先问“Mark 何时推出 Muse?”,再问“香港有了吗?”。第二次调用完全不知道“它”是什么,因为每次调用都从空白提示词开始。补救方法:把上下文交给代理。
如何让 AI 代理可以复用(ReAct,版本 4,一个函数,任何任务)?
同一个研究代理,两个结构改动:循环搬进 perform_task(task),任何问题都可以研究;函数把答案以文本返回,让你的程序可以保存、发送或显示 —— 不只是打印出来。
AI 代理如何研究一个问题(ReAct,版本 3,在循环中进行网上搜索)?
同一个问题,一个工具:真实的网上搜索。代理思考、搜索、阅读,再思考,最多五轮;它发现两个来源对日期说法不一,于是收窄查询,最后交出有出处的答案,而不是“我不知道”。
AI 代理如何在没有任何工具的情况下回答(ReAct,版本 2,只推理)?
只推理,不行动,不观察:问“Mark 何时推出 Muse?”,看一个会思考但无法查证的模型。答案可能出错 —— 或者代理干脆回答“我不知道”。
AI 代理如何思考、行动与观察(ReAct,版本 1)?
最小的 ReAct 代理:模型写下推理,指名一个要调用的工具,Python 真实执行它,最终答案建立在观察到的结果之上 —— 而不是猜测。
如何为 AI 代理创建天气工具?
AI 代理无法走到户外,也不知道你身在何处。两个免费服务加一个 Python 函数,就能让它用一句话说出当前气温。
如何为 AI 代理创建时间工具?
AI 代理不知道当下的时间和日期。写一个九行的 Python 函数返回两者,并在代理使用之前先测试它。
如何使用 Google Flow 制作文字转视频?
在 Google Flow 里输入一句话,回答它关于语气和关键瞬间的几个问题,核对它写好的六格分镜,它就会替你拍出一支 30 秒广告 — 一次一段视频,附演示视频。
Seedance 视频系列 · 第 3 篇(共 3 篇)
如何使用 Seedance 2.5 视频接视频(版本 3)?
从已有的视频出发:上传片段后用 @Video 1、@Video 2 称呼它们,一句提示词告诉镜头如何从一段飞入下一段 — 内附示范片段和下载链接。
Seedance 视频系列 · 第 2 篇(共 3 篇)
如何使用 Seedance 2.5 制作长视频(版本 2)?
有多个步骤的长视频:把提示词拆成几幕,每幕写明初始状态、一个主要事件和结束状态,再加一段“保持一致”让人物、衣服、道具不变。
Seedance 视频系列 · 第 1 篇(共 3 篇)
如何使用 Seedance 2.5 文字生成视频(版本 1)?
六部分公式:主体和动作必填,场景、镜头、光影、氛围选填 — 附可复制的模板,以及 ByteDance 官方的陶艺师完整示例。
数字人系列 · 第 6 篇(共 6 篇)
如何在网页中使用 LiveKit 和 Synthesia Avatar 并通过网页点餐(版本 6)——英语?
Lin 化身餐厅领班:工具从一个变成四个,逐道菜带你点餐、把不能吃的菜变灰、打开菜品卡片,还在页面角落记住整张账单。
数字人系列 · 第 5 篇(共 6 篇)
如何在网页中使用 LiveKit 和 Synthesia Avatar(版本 5)——粤语?
Lin 改用香港粤语:换上讲粤语的耳朵和声音,来自另外两家供应商,仍然不需要额外密钥 — 页面照样跟着她滚动。
数字人系列 · 第 4 篇(共 6 篇)
如何在网页中使用 LiveKit 和 Synthesia Avatar(版本 4)——普通话?
Lin 学会说普通话:换上中文的耳朵和声音,并改用静音检测判断你是否说完了 — 页面依然跟着她滚动。
数字人系列 · 第 3 篇(共 6 篇)
如何在网页中使用 LiveKit 和 Synthesia Avatar(版本 3)?
会说话的 AI avatar 住进真正的网页:当 Lin 回答问题时,页面会滚动到她正在讲的部分 — 她的第一个工具 show_section。
如何在 username.github.io 创建一个免费网站?
一步步教你开立免费 GitHub 账户,用 GitHub Pages 在 username.github.io 发布个人网站,无需托管费用,也无需安装额外软件。
如何取得 Google 标签来了解网站的流量?
从 Google Analytics 取得一小段 Google 标签程序代码,贴到网站的每个页面,就能知道有多少人看过你的网站、他们从哪里来、用什么装置。
AI 如何在视频中计算人数?
一个简短的 Python 程序,用 YOLO 观看视频,统计每一个走过画面中那条线的人,最后另存一份标好框的视频,并打印总数。
数字人系列 · 第 2 篇(共 6 篇)
如何用 LiveKit + Synthesia 数字人(版本 2)?
会说话的 AI 数字人,知识库里装着一份纯文字档——改一下 FAQs.txt、存档,数字人就学会了新东西。
数字人系列 · 第 1 篇(共 6 篇)
如何用 LiveKit + Synthesia 数字人(版本 1)?
在浏览器里做一个会说话的 AI 数字人——对着麦克风开口,Synthesia 数字人就会实时回答你,由 LiveKit Agents 驱动。
如何用 LiveKit 语音代理聊天?
在终端跑起一个实时语音代理——语音识别、LLM、文字转语音——只需要两条命令。
如何用 LiveKit 语音代理查天气?
一个语音代理,会说话的 LLM,还能调用外部 API——问它「东京现在下雨吗?」,它会去抓实时天气。
如何在 macOS 安装 Homebrew 套件管理程序?
在终端贴上一行、把 Homebrew 加入 PATH,之后用一条命令就能安装命令工具或桌面应用。
如何用检索增强生成(RAG)在没有幻觉的情况下回答问题?
一个程序,把同一条问题问 DeepSeek 两次——第一次纯粹凭模型训练所学,第二次以真实网页检索出的句子作为依据——答案还会附上可核对的行号。
Python 程序如何找出与问题最相似的句子?
一个 20 行的 Python 程序,读取餐厅资料文件,找出与问题意思最接近的句子并打印出来。
Python 程序如何用 DeepSeek API?
一个 21 行的 Python 程序,把问题发送给 DeepSeek AI 模型,并打印出它的文字回复。
Python 程序如何用 Tavily API 搜索互联网?
一个 11 行的 Python 程序,用 Tavily 搜索互联网,并直接获得一段整理好的答案。
网页抓取如何把网页变成一个句子文件?
一个 32 行的网页抓取程序:下载网页、只保留可读文字、切成句子,并逐行存入文本文件。
程序如何把一段文字切分成句子?
一个 12 行的程序,用正则表达式在真正的句子边界切开文字,而不是见到句号就切。
如何提供网页,用检索增强生成(RAG)减少 AI 幻觉?
这个程序会抓取你指定的网页,先把文字交给模型,然后再生成回答。
如何用 AI 实时为你涂上口红?
这个 35 行的程序会在每一帧摄像头画面中找到你的脸,随着你的动作把嘴唇涂成樱桃红。
如何从摄像头获取实时画面?
这个 10 行的程序会打开摄像头,在窗口中显示实时画面,并教你如何保存一帧画面。
如何用 AI 为你涂口红?
两个为嘴唇上色的程序:一个是深红色配更深的唇线,另一个会试用 10 种具名色号。
如何用 AI 改变你的眉毛?
这个 12 行的程序会把两条眉毛涂上半透明的棕色,你原本的眉毛仍然看得见。
AI 如何找出你脸上的关键点?
这个 25 行的程序会在照片上标出 72 个关键点,并说明这些点有什么用途。
如何安装 Visual Studio Code?
官方下载页面、Windows 与 Mac 的安装步骤,以及如何确认编辑器能正常打开。
如何在 Mac 上安装及使用 uv 包管理工具?
Mac 的官方 curl 命令、如何验证安装,以及如何用 uv 选择 Python 版本并运行自己的程序。
如何在 Windows 安装及使用 uv 包管理工具?
官方 PowerShell 命令、如何验证安装,以及如何用 uv 固定 Python 版本并运行自己的程序。
如何在 Windows 解压文件?
使用 Windows 内置功能解压文件的步骤。
如何在无代码、低代码、氛围编程与传统编程中使用 AI?
使用 AI 的四种方式——从聊天框、氛围编程到智能体与 IDE 模式——以及为什么学一点编程仍然值得。