<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[LLMAPI的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/LLMAPI</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; LLMAPI]]></copyright><item><title><![CDATA[从单人创作到流程化生产，AI 漫剧工具的真实表现复盘]]></title><link>https://blog.youkuaiyun.com/LLMAPI/article/details/157436288</link><guid>https://blog.youkuaiyun.com/LLMAPI/article/details/157436288</guid><author>LLMAPI</author><pubDate>Tue, 27 Jan 2026 17:28:41 +0800</pubDate><description><![CDATA[本文探讨了AI漫剧创作从单人阶段到流程化生产阶段的转变过程。在单人创作阶段，AI工具作为&quot;效率工具&quot;表现良好，主要关注单次生成效果；但当进入流程化生产后，评价标准转变为流程稳定性、失败可控性和工程维护成本。作者发现效率下降的真正原因是系统复杂度被低估，而非模型能力不足。通过对比不同平台在流程化生产中的表现，指出统一接入层的重要性——将模型作为可调度资源，而非直接依赖。最后强调，效率的本质是系统成熟度，当项目进入流程化阶段后，工具选择应视为工程架构的一部分。]]></description><category></category></item><item><title><![CDATA[从一次 API 波动开始：AI 漫剧项目的稳定性复盘]]></title><link>https://blog.youkuaiyun.com/LLMAPI/article/details/157398873</link><guid>https://blog.youkuaiyun.com/LLMAPI/article/details/157398873</guid><author>LLMAPI</author><pubDate>Mon, 26 Jan 2026 17:57:30 +0800</pubDate><description><![CDATA[在 AI 漫剧的开发过程中，稳定性是一个常常被忽视的关键因素。我们在实际项目中遇到的挑战，远远超过了模型的“聪明”与否，最大的难题出现在上。特别是像和这类国外大模型，当出现偶发的超时、限流或响应波动时，，而这一问题在 AI 漫剧项目中表现得尤为严重。本文将基于一次的实际实践，回顾我们是如何应对，并最终通过多模型接入方案来解决这个问题的。]]></description><category></category></item><item><title><![CDATA[从功能到效果：主流 AI 小说创作能力全景测评，哪些能力真的能落地？]]></title><link>https://blog.youkuaiyun.com/LLMAPI/article/details/157328783</link><guid>https://blog.youkuaiyun.com/LLMAPI/article/details/157328783</guid><author>LLMAPI</author><pubDate>Sat, 24 Jan 2026 16:37:30 +0800</pubDate><description><![CDATA[AI小说创作工具层出不穷，但功能演示与实际落地存在差距。本文从工程视角分析不同方案的实用能力：原生接口适合短篇但缺乏长文本管理；多模型聚合方案便于创意探索却难保稳定性；国产平台在算力调度上有优势但需自行封装。核心痛点在于如何长期稳定组织创作流程，而非单次生成质量。关键落地能力包括长文本稳定输出、一致性维护和多轮修改友好度。实践表明，可持续的工程方案比模型数量更重要，底层能力整合能显著降低长期维护成本。AI小说创作已进入&quot;能否持续写作&quot;的新阶段。]]></description><category></category></item><item><title><![CDATA[高频用户必看：10万Token套餐，哪家中转服务商最划算？]]></title><link>https://blog.youkuaiyun.com/LLMAPI/article/details/156275775</link><guid>https://blog.youkuaiyun.com/LLMAPI/article/details/156275775</guid><author>LLMAPI</author><pubDate>Thu, 25 Dec 2025 17:45:47 +0800</pubDate><description><![CDATA[报表显示，我们近20%的请求，其实用低一档的推理强度就足够了，我们一直用的是默认最高档。我们团队用GPT-5.2的Thinking模型做长文档分析和代码审查，量起来以后，官方的价目表——输入每百万Token 1.75美元，输出14美元——看着还行，但乘上这个量级，再换算成人民币，感觉每一行代码都在烧钱。这个成本，包括Token费用，包括团队因延迟或中断付出的时间，也包括为适配服务商各种限制而增加的开发心力。说到底，当你的Token消耗上了规模，你买的早已不是一次API调用，而是一段可预测、可持续的生产力。]]></description><category></category></item><item><title><![CDATA[国内外主流聚合AI大模型使用方法]]></title><link>https://blog.youkuaiyun.com/LLMAPI/article/details/155747825</link><guid>https://blog.youkuaiyun.com/LLMAPI/article/details/155747825</guid><author>LLMAPI</author><pubDate>Tue, 09 Dec 2025 16:27:05 +0800</pubDate><description><![CDATA[帮助读者快速了解国内api大模型，学会如何使用]]></description><category></category></item></channel></rss>