每日和每周收藏|生产力工具和行业应用|欢迎点赞、关注和评论！

用稳定扩散画铠甲真是太美了！

对于那些不熟悉的人来说，穿甲是一种可以定制成不同款式，然后用果冻胶粘在指甲上的美甲艺术品。它们很容易穿着，可以持续一两周。

近来，AI绘画应用的新趋势来了“穿铠甲”。您可以使用稳定扩散来设计一套完整的装甲图案。工厂可以加快设计和生产速度，用户也可以指定图案进行定制。小红书上已经有很多相关分享。

博主@海思也分享了他基于SDXL训练AI美甲工具的经验。首先，通过训练LoRA，可以直接达到美甲的效果。其次，通过最新的ControlNet模型IP-Adapter，您可以直接根据参考图像提取图像来设计美甲。形状。如上图，想象空间很大⋙@海思

PaddlePaddle 黑客马拉松第五期 PaddlePaddle 黑客马拉松

/桨桨…

第五届PaddlePaddle黑客马拉松正式启动。本次活动向全球开发者开放，鼓励开发者了解并参与飞飘深度学习开源项目和文心大模型开发实践。本次飞桨黑客马拉松包括三个主要赛道。参与活动将有机会获得现金奖励和专家经验分享。

开源贡献个人挑战

大型模型应用创意大赛

飞桨护航计划训练营

9月13日，举行了赛事热身赛，并发布了框架API开发任务。 9月25日，活动正式启动，所有贡献任务全部发布。详情可以去GitHub查看⋙了解更多

为什么大型号产品的创新那么少？因为经典企业家的消亡和场景创新

这是Pure Silver最近的分享。这是他与投资者的一次对话，回答了“为什么大车型迄今为止很少推出创新的新产品？”的问题。

日报摘录了几个核心观点。你可以阅读原文，看看各点之间的逻辑细节。原创文章观点非常强烈，可以边读边听。

成功的产品不是设计出来的，而是培育出来的；用户丰富多彩的使用行为是成长的养分，往往一开始就会成长为意想不到的东西

2010年至2018年的八年黄金时代，新技术与用户场景的黄金结合创造了用户价值，创新了使用场景。

2019年之后，整个市场情绪趋于恐惧，老板担心低增长，精英担心失业。这种恐惧导致企业不愿意押注“有用户价值、有进化概率”的项目，而精英们也不愿意投资没有强确定性的项目。当你在性活跃的时候创业，你就不再有前进的勇气和乐观。

不仅市场需求萎缩，而且制造产品的路径也完全错误。他们总是从对利益的渴望出发，而不是从满足需要出发。经典企业家的死亡导致场景创新的死亡。

到了2023年，尽管大模特带来了新的希望，但大模特创业团队的不良心态却没有丝毫改变。恐惧与兴奋的混合体，偏执地追求高回报的确定性，缺乏古典企业家那种单纯的好奇心“我就是想做这件有趣的事”⋙阅读原文

我研究了 800 多个产品社区，学到了以下 6 个成长教训

Threado是一款基于AI的社区运营支持工具，可以为公司的产品社区提供实时响应、分析洞察、自动化工作流程等支持，并且可以与Slack和Discord等平台集成。

Sharath是Threado的社区领袖，当然他对社区的运营和成长有着非常敏锐的洞察力。这篇文章是他对800多个社区的观察和优化经验，涵盖不同行业和规模。独立开发、社区运营同学必读！可以帮助节省大量研究时间：

第一印象：社区体验

这需要整个团队的努力：社区参与

社区支持将不再一样

A16Z行业研究：生成式AI Top50榜单，早期赢家已浮现

近日，美国风险投资机构A16Z发表了一篇关于生成式AI的最新研究文章。文章基于网页流量和应用流量数据，探讨了生成式人工智能产品的最新趋势和市场动态。

大多数领先产品都是围绕生成式人工智能从头开始构建的：大多数领先产品都是围绕生成式人工智能从头开始构建的，80% 的网站一年前还不存在，这表明许多最具吸引力的消费者体验都是完全新颖的，并且48%上榜企业完全自筹资金

ChatGPT 目前领先优势明显：ChatGPT 目前遥遥领先，月流量占整个前 50 名榜单的 60%，成为全球访问量第 24 名的网站

LLM助理目前占主导地位，但陪伴和创意工具正在崛起：像ChatGPT这样的大型语言模型（LLM）助理占主导地位，但伴侣AI和创新工具正在上升，仍然有很多机会

一些早期的“赢家”已经出现，但大多数产品类别仍处于竞争阶段：虽然已经出现了一些早期的“赢家”，但大多数产品类别仍然有很大的增长空间，生成式人工智能领域的竞争仍然非常激烈。凶猛的

领先产品的获取完全依靠自然吸引力，消费者愿意付费：顶级产品的获取完全自然发生，消费者愿意为生成式人工智能付费； 90%的公司已经开始实现盈利，几乎全部采用认购模式

移动应用程序作为生成智能的平台仍在不断发展：目前榜单上只有 15 家公司拥有移动应用程序，尽管一些移动应用程序在移动设备上取得了显着的成功，但它们的大部分每月流量都来自网络 ⋙ 阅读原文 |微信内阅读

‍解锁LLM辅助编程：在完成项目的同时学习技能

本文作者是乔恩·乌德尔。在经历了LLM的知识学习和项目开发后，他分享了自己的经验。

一般来说，提高编程能力最好的方法仍然是沉浸式地完成一个项目，LLM也是如此；但不同的是，LLM可以在编程过程中无形地传递编程知识和技能，帮助程序员学习更多。快速掌握代码库和工具。

作者 Jon Udell 认为，手头的项目和具体的目标是学习编码的最佳方式，这比规范、文档和结构化课程更适合他；当LLM在编码过程中提供指导时，可以实现隐性知识转移

在使用React做项目时，LLM展示了useState、useEffect和JSX等概念的用法，让作者对React有了初步的了解，加速了学习过程。

在项目中，LLM传授了一些作者平时可能不会主动学习的编程技巧，但是在被LLM用于编码之后，作者通过询问了解了这些技能

LLM可以快速学习如何使用某个库，并提供特定场景下的代码示例，大大缩短了作者的学习曲线。它还可以根据作者的需要推荐更多格式的库。

与LLM的协作编码过程对于作者来说就像结对编程，可以更快地解决具体问题，同时对一些技术有更深入的理解⋙阅读原文

AI应用层的壁垒在哪里？未来有什么值得期待的？

ChatGPT流行半年多后，各方逐渐进入“冷静期”。我们最常使用的应用已经逐渐稳定下来，我们不再对各种尝试抱有饱满的热情。你也是这样吗？

本文的切入点是“AI要真正进入各行各业还缺少哪些要素？”还根据互联网的兴起以及上一轮AI技术的成功落地给出了综合判断。推荐阅读！你可以在这篇文章中锚定你未来的定位和方向：

2012-2015，上一代人工智能

聊天GPT

情境学习与微调

更远的未来

DeepLearning.AI X AWS：基于大语言模型（LLM）的生成式AI课程

……

这是DeepLearning.ai和AWS（亚马逊云）联合制作并开放的免费课程。主要讲解生成式AI的基础知识，特别是大语言模型（LLM）在生成式AI中的应用。课程难度中等，总共约16小时，需要有Python编程经验。

通过学习本课程，您可以深入了解生成式AI和LLM的工作原理，掌握训练、调优、推理、工具使用、模型部署等方面的最佳实践，建立实践经验和直觉，快速构建生成式人工智能的产品原型。 。

第 1 周 第 2 周 第 3 周

感谢ShowMeAI社区同学贡献的第一手信息、资料和经验！

◉ 点击每日每周精选，订阅每日话题#ShowMeAI，概览AI领域发展前沿，把握最新发展机遇！

◉ 点击生产力工具和行业应用合集，一起跃进信息浪潮！