最终行动建议： • 快速评估优先级：家庭紧急事件（如生命健康）永远高于工作，无需愧疚。 • 用AI生成沟通模板：确保信息清晰、理性、有解决方案。 • 当面沟通+书面留痕：先口头说明（体现尊重），再邮件/消息发送书面请假（附交接文 档）。 • 保持灵活应对：即使领导有情绪，坚持“解决问题”而非“对抗”态度，如：“您看这样 处理是否可行？我可以再调整。” 关键提醒： • 避免：“可能”“尽量”等模糊词汇，直接说“我能做到XX”。 是引入偏误信息后的意见动态变化。使用大模型模 拟多个虚拟代理，讨论“气候变暖”、“转基因食 品的安全性”和“疫苗的有效性和安全性”三个具 有科学共识的话题。 实验一在无偏误信息条件下，代理通过社交网络进 行每日对话，记录最终信念状态和信息传播路径。 实验二改变初始信念分布，探讨初始条件对结果的 影响。实验三引入10%代理发布的偏误信息，观察 其对信念动态的影响。50个代理人在30天内共生成 194699条对话。 194699条对话。 50个智能体的在线社区模拟仿真 场景3：多智能体在线社区模拟 p 为了观测偏误信息加入后50个代理意 见动态的具体呈现，研究通过依存关系 构造三个科学共识的语义图谱，并和无 偏误状态进行对比。对每个科学共识议 题，选择图中最有代表性的40个实体 （基于节点的度）。 p 在自然语言处理中，依存关系是用于描 述句子中词与词之间的关系，帮助揭示 句子的句法结构。包括nsubj（名词性

FlowGPT 网址：https://flowgpt.com/ Figure 8: FlowGPT 包括各种工具提示词 2.5.2 ChatGPT 指令大全 在作者的公众号（郭震 AI）回复消息：gpt，获取这份 GPT 指令大全。 11 2.5.3 SD 提示词手册 为 Stability Diffusion (SD) 提供的提示词手册，旨在帮助用户更有效地使用该 模型。 2.5 可以简单理解为客户端，实现和大模型的交互。ollama 软件 win 和 mac 都包括，如图 11 所示。 13 Figure 11: Ollama 下载 在这里已经为大家准备好，只需要在我的微信公众号郭震 AI，回复消息： ollama，就能下载到软件。 下载之后打开，直接点击 Next 以及 Install 安装 ollama，安装步骤非常简 单。 3.1.2 步骤 2：安装 Llama 下载 Llama3， 界面，如图 13 所示： Figure 13: Ollama 里下载 Llama3 界面 发第一条消息，” 你是谁，用中文回答”，与 Llama2 相比，Llama3 确实在 回答速度上大幅提升，小于秒级，如图 14 所示： 15 Figure 14: 第一次提问：你是谁，用中文回答 发第二条消息，”Python 代码，冒泡排序，代码 + 解释”，回答响应非常快， 如图 15所示： Figure

，实现 从提纲到段落再到文章的迭代式生成，为用户生成内容大纲及高质量长文本。 产品 概况 功能亮点 功能亮点  资料整合与文章生成：能够浏览网络，搜集大量文献， 并通过基于主题的多个智能代理，将这些文献转化为连 贯的文章或研究论文，长度可达数万字。  模拟对话与问题生成：模拟文章写作前的调研过程，通 过发掘话题研究中的多样视角，模拟具有不同视角的作 者向话题专家提出问题的对话，并基于这些对话整理收 难以跨多个子任务自动执行，仍需人工介入。 AI 自主任务规划与执行(AI Agent) AI 能够自主分解任务、规划步骤， 并利用外部工具(如API、数据库、 自动化流程)执行任务。 多 AI 代理协作 不同 AI 代理(市场分析 Agent、法律 审核 Agent、财务预测 Agent) 可协 同完成复杂任务，形成智能工作流。 任务反馈 & 自主学习 AI 在执行任务后自动优化策略， 使任务执行效果不断增强。

都是该形态出色的产品。 tldraw v0.dev Screenshot to code 23 / 32 LLM Agent（AI Agent） LLM Agent 是一种基于 LLM 的智能代理，它能够自主学习和执行任务， 具有一定的“认知能力和决策能力”。LLM Agent 的出现，标志着 LLM 从传统的模型训练和应用模式，转向以 Agent 为中心的智能化模 式。 LLM Agent