AI 筆記
為非技術背景讀者而寫的 AI 短文。主題包括:入門設定、數位人、語音代理、檢索增強生成(RAG)、人臉辨識、美妝與關鍵點、AI 影片製作,以及網站。
如何為 AI 代理建立網頁抓取工具?
代理無法自己開啟網頁。這個 31 行的工具下載頁面、保留可讀文字、存成檔案,並回傳檔名,讓下一步可以使用。
人臉比對應有多嚴格(人臉辨識,版本 9)?
只改兩行:加一個容差旋鈕,決定兩張臉算不算同一個人,以及這個數值該怎樣選。
如何讓即時人臉辨識跑得更快(人臉辨識,版本 8)?
先縮到半寬半高再搜尋,再把框乘回原尺寸:畫面更流暢,畫質不變。
如何在即時影片中辨識人臉(人臉辨識,版本 7)?
先把資料夾裡的人臉編碼一次,再在每一格影格裡辨識並標註姓名,認不出就寫 Unknown。
如何在每一格畫面上畫框和標籤(人臉辨識,版本 6)?
用 rectangle 和 putText 每格畫一個紅框和測試標籤,為版本 7 的姓名留出位置。
如何修改來自鏡頭的一格畫面(人臉辨識,版本 5)?
在讀出影格與顯示之間加一行修改:轉成灰階只是示例,後續版本都在這中間一步做文章。
如何顯示鏡頭的即時畫面(人臉辨識,版本 4)?
用 VideoCapture 打開鏡頭,逐格顯示,按 q 退出。這一版不認臉,只驗證鏡頭。
如何看出照片裡的人是誰(人臉辨識,版本 3)?
用 compare_faces 與 face_distance 判斷相片裡是誰,並說明「最像」不等於「就是」。
如何把每一張人臉變成一串數字(人臉辨識,版本 2)?
用 face_encodings 把每張人臉變成 128 個數字,檔名就是標籤。
如何顯示資料夾裡的每一張人臉照片(人臉辨識,版本 1)?
用 OpenCV 顯示資料夾裡的每一張相片,檔名就是人名:13 行程式,整個系列的起點。
如何使用即夢短劇工作室製作一部短劇影片?
用自然語言描述故事,即夢會自動分三步完成:劇本生成、資產庫製作、分鏡影片。以完整的 10 集都市戀愛短劇《雙城之戀》為例,附角色設定圖。
如何在 Google Search Console 驗證你的網站?
向 Google 證明你的網站真的是你的:下載一個細小檔案、放到網站最上層資料夾,然後按「驗證」。
如何使用 AI 代理刪去草稿中的重複句子(Research,版本 5)?
代理加入第四個工具。enhance_draft 讀取七句的草稿,永遠保留第 1 句,並刪去只重複已出現數字的句子 — 最後輸出五句和五條尾註,程式還會印出它跳過了甚麼。
如何使用 AI 代理撰寫附有尾註的草稿(Research,版本 4)?
代理加入第三個工具。模型從七個保留的結果中各挑一句,逐字照抄,write_draft 再為尾註編號 — 文字沒有被摘要,所以每句都可以追溯回它的來源網頁。
如何使用 AI 代理挑選有用的搜尋結果(Research,版本 3)?
代理加入第二個工具:generate_draft 讀取已儲存的搜尋,保留分數 0.5 或以上的結果,並按網址剔除 Wikipedia — 十個結果變成七個,數字和連結原封不動。
如何使用 AI 代理搜尋網頁(Research,版本 2)?
版本 1 的 Tavily 呼叫變成一個工具,由模型決定何時呼叫,return_direct=True 讓執行到此為止 — 十個原始結果原樣交回,上面沒有加上任何摘要。
如何用 Python 搜尋網頁(Research,版本 1)?
這個系列由沒有代理開始:一個問題送到 Tavily,回來十個結果,每個都印出分數、連結和網頁首 200 個字 — 這是之後每個版本加工的原素材。
多個 AI 代理如何在主管之下運作(ReAct,版本 10)?
一個主管代理,手上三個工具 — 讀網頁、翻譯、改寫成廣東話 — 而其中兩個工具本身就是代理。程式從不固定次序;主管自己規劃,並把計劃印出來讓你核對。
AI 代理如何讀取網頁(ReAct,版本 9)?
版本 9 終於讀取真實網頁:requests 下載 HTML,BeautifulSoup 只留下標題、段落和清單項目,版本 8 的句子規則再為頁面上每句編號。
程式如何把一段文字分成句子(ReAct,版本 8)?
版本 9 將要讀取網頁,所以文字必須先切成句子。一行就能做到 — 帶後顧斷言的 re.split — 本篇逐步拆解那一行,包括為甚麼 HK$60.10 不會被切開。
如何在 AI 代理中使用 LangChain(ReAct,版本 7)?
與版本 6 同一個代理 — Tavily 搜尋加 memory.json — 但改用 LangChain 重寫。create_agent() 替我們跑思考 → 行動 → 觀察的迴圈:不用解析 search[...] 文字,沒有停止詞,也不用自己累積提示詞字串。
如何讓 AI 代理擁有記憶(ReAct,版本 6,memory.json)?
版本 5 因為代理忘記了任務 1,在追問上失手。版本 6 加入一個小檔案:每個完成的答案都存到 memory.json,再載入下一個提示詞,所以「香港有了嗎?」終於知道「它」是甚麼。
AI 代理如何處理追問(ReAct,版本 5,無記憶)?
把可重用的代理連續呼叫兩次:先問「Mark 何時推出 Muse?」,再問「香港有了嗎?」。第二次呼叫完全不知道「它」是甚麼,因為每次呼叫都從空白提示詞開始。補救方法:把上下文交給代理。
如何讓 AI 代理可以重用(ReAct,版本 4,一個函數,任何任務)?
同一個研究代理,兩個結構改動:迴圈搬進 perform_task(task),任何問題都可以研究;函數把答案以文字回傳,讓你的程式可以儲存、傳送或顯示 — 不只是印出來。
AI 代理如何研究一個問題(ReAct,版本 3,在迴圈中進行網上搜尋)?
同一個問題,一個工具:真實的網上搜尋。代理思考、搜尋、閱讀,再思考,最多五輪;它發現兩個來源對日期說法不一,於是收窄查詢,最後交出有出處的答案,而不是「我不知道」。
AI 代理如何在沒有工具的情況下回答(ReAct,版本 2,只推理)?
只推理,不行動,不觀察:問「Mark 何時推出 Muse?」,看一個會思考但無法查證的模型。答案可能出錯 — 或者代理乾脆回答「我不知道」。
AI 代理如何思考、行動與觀察(ReAct,版本 1)?
最小的 ReAct 代理:模型寫下推理,指名一個要呼叫的工具,Python 真實執行它,最終答案建立在觀察到的結果之上 — 而不是猜測。
如何為 AI 代理建立天氣工具?
AI 代理無法走到戶外,也不知道你身在何處。兩個免費服務加一個 Python 函數,就能讓它用一句話說出當前氣溫。
如何為 AI 代理建立時間工具?
AI 代理不知道當下的時間和日期。寫一個九行的 Python 函數回傳兩者,並在代理使用之前先測試它。
如何使用 Google Flow 製作文字轉影片?
在 Google Flow 輸入一句話,回答它關於語氣和重點時刻的幾個問題,核對它寫好的六格分鏡,它就會替你拍出一段 30 秒廣告 — 一次一段片段,附示範影片。
Seedance 影片系列 · 第 3 篇(共 3 篇)
如何使用 Seedance 2.5 影片接影片(版本 3)?
從已有的影片出發:上載片段後用 @Video 1、@Video 2 稱呼它們,一句提示詞吩咐鏡頭如何從一段飛入下一段 — 內附示範片段和下載連結。
Seedance 影片系列 · 第 2 篇(共 3 篇)
如何使用 Seedance 2.5 製作長影片(版本 2)?
有多個步驟的長影片:把提示詞拆成幾幕,每幕寫明開初狀態、一個主要事件和結束狀態,再加一段「保持一致」讓人物、衣服、道具不變。
Seedance 影片系列 · 第 1 篇(共 3 篇)
如何使用 Seedance 2.5 文字生成影片(版本 1)?
六部份公式:主體和動作必填,場景、鏡頭、光影、氛圍選填 — 附可複製的範本,以及 ByteDance 官方的陶藝師完整示例。
數位人系列 · 第 6 篇(共 6 篇)
如何在網頁中使用 LiveKit 和 Synthesia Avatar 並在網頁點餐(版本 6)——英文?
Lin 化身餐廳領班:工具由一個變成四個,逐道菜帶你點餐、把不能吃的菜變灰、打開菜式卡片,還在頁面角落記住整張帳單。
數位人系列 · 第 5 篇(共 6 篇)
如何在網頁中使用 LiveKit 和 Synthesia Avatar(版本 5)——廣東話?
Lin 改用香港廣東話:換上講廣東話的耳朵和聲音,來自另外兩家供應商,仍然不需要額外金鑰 — 頁面照樣跟著她捲動。
數位人系列 · 第 4 篇(共 6 篇)
如何在網頁中使用 LiveKit 和 Synthesia Avatar(版本 4)——普通話?
Lin 學會說普通話:換上中文的耳朵和聲音,並改用靜音偵測判斷你是否說完了 — 頁面依然跟著她捲動。
數位人系列 · 第 3 篇(共 6 篇)
如何在網頁中使用 LiveKit 和 Synthesia Avatar(版本 3)?
會說話的 AI avatar 住進真正的網頁:當 Lin 回答問題時,頁面會捲動到她正在講的部份 — 她的第一個工具 show_section。
如何在 username.github.io 建立一個免費網站?
一步步教你開立免費 GitHub 帳戶,用 GitHub Pages 在 username.github.io 發佈個人網站,無需託管費用,也無需安裝額外軟件。
如何取得 Google 標籤來了解網站的流量?
從 Google Analytics 取得一小段 Google 標籤程式碼,貼到網站的每個頁面,就能知道有多少人看過你的網站、他們從哪裡來、用甚麼裝置。
AI 如何在影片中計算人數?
一個短短的 Python 程式,用 YOLO 觀看影片,計算每個走過畫面上那條線的人,最後另存一份標好方框的影片,並印出總數。
數位人系列 · 第 2 篇(共 6 篇)
如何用 LiveKit + Synthesia 數位人(版本 2)?
會說話的 AI 數位人,知識庫放在一份純文字檔——改一下 FAQs.txt、存檔,數位人就學會了新東西。
數位人系列 · 第 1 篇(共 6 篇)
如何用 LiveKit + Synthesia 數位人(版本 1)?
在瀏覽器裡做一個會說話的 AI 數位人——對著麥克風開口,Synthesia 數位人就會即時回答你,由 LiveKit Agents 驅動。
如何用 LiveKit 語音代理聊天?
在終端機跑起一個即時語音代理——語音辨識、LLM、文字轉語音——只需要兩條指令。
如何用 LiveKit 語音代理查天氣?
一個語音代理,會說話的 LLM,還能呼叫外部 API——問它「東京現在下雨嗎?」,它會去抓即時天氣。
如何在 macOS 安裝 Homebrew 套件管理程式?
在終端機貼上一行、把 Homebrew 加入 PATH,之後用一條指令就能安裝命令工具或桌面應用。
如何用檢索增強生成(RAG)在沒有幻覺的情況下回答問題?
一個程式,把同一條問題問 DeepSeek 兩次——第一次純粹憑模型訓練所學,第二次以真實網頁檢索出的句子作為依據——答案還會附上可核對的行號。
Python 程式如何找出與問題最相似的句子?
一個 20 行的 Python 程式,讀取餐廳資料檔,找出與問題意思最接近的句子並印出來。
Python 程式如何用 DeepSeek API?
一個 21 行的 Python 程式,把問題送給 DeepSeek AI 模型,並印出它的文字回答。
Python 程式如何用 Tavily API 搜尋互聯網?
一個 11 行的 Python 程式,用 Tavily 搜尋互聯網,並直接取得一段整理好的答案。
網頁抓取如何把網頁變成一個句子檔案?
一個 32 行的網頁抓取程式:下載網頁、只保留可讀文字、切成句子,並逐行存入文字檔。
程式如何把一段文字切分成句子?
一個 12 行的程式,用正規表示式在真正的句子邊界切開文字,而不是見到句號就切。
如何提供網頁,用檢索增強生成(RAG)減少 AI 幻覺?
這個程式會擷取你指定的網頁,先把文字交給模型,然後才產生回答。
如何用 AI 即時為你塗上口紅?
這個 35 行的程式會在每一格網路攝影機畫面中找到你的臉,隨著你的動作把嘴唇塗成櫻桃紅。
如何從網路攝影機取得即時影像?
這個 10 行的程式會開啟鏡頭,在視窗中顯示即時影像,並教你如何儲存一格畫面。
如何用 AI 為你塗口紅?
兩個為嘴唇上色的程式:一個是深紅色配更深的唇線,另一個會試用 10 種具名色號。
如何用 AI 改變你的眉毛?
這個 12 行的程式會把兩條眉毛塗上半透明的棕色,你原本的眉毛仍然看得見。
AI 如何找出你臉上的關鍵點?
這個 25 行的程式會在相片上標出 72 個關鍵點,並說明這些點有甚麼用途。
如何安裝 Visual Studio Code?
官方下載頁面、Windows 與 Mac 的安裝步驟,以及如何確認編輯器能正常開啟。
如何在 Mac 上安裝及使用 uv 套件管理工具?
Mac 的官方 curl 指令、如何驗證安裝,以及如何用 uv 選擇 Python 版本並執行自己的程式。
如何在 Windows 安裝及使用 uv 套件管理工具?
官方 PowerShell 指令、如何驗證安裝,以及如何用 uv 鎖定 Python 版本並執行自己的程式。
如何在 Windows 解壓縮檔案?
使用 Windows 內建功能解壓縮檔案的步驟。
如何在無程式碼、低程式碼、氛圍編程與傳統編程中使用 AI?
使用 AI 的四種方式——從聊天框、氛圍編程到代理與 IDE 模式——以及為甚麼學一點程式仍然值得。