commanderScott的博客

原创 【无标题】学习笔记

解决的痛点很具体：过去做一个 Agent 应用，前端要自己用 WebSocket/SSE 手搓一套流式协议——怎么推 token、怎么显示"正在调用工具"、怎么同步 Agent 内部状态、怎么让用户中途打断或补充信息。messages=[{"role": "user", "content": "帮我策划Q4的市场活动，做一个完整的规划。2. 分层记忆机制：4层（工作、情景、语义、元信息）、记忆权限隔离、保留周期控制。1. 用大模型输出选择调用的函数，然后用正则解析，获取大模型想要调用的函数名。

原创 软考高级 架构师

调用tool，更改外部中间件；问题自动定位，自动修复。哪些环节需要人工确认。

原创 有害广告识别

基于内容解析Agent输出的结构化内容，对8类有害信息风险进行逐一检测，输出风险类型、风险等级、证据片段和判定理由。VLM理解深度：不仅描述画面"有什么"，还要理解"在做什么"——例如人物是否在做引导性手势、画面是否有暗示性构图。LLM分析文案/音频中的引导性行为话术（"搜索""加""私信""扫码"等动词 + 宾语组合）谐音词典 + 拼音相似度匹配 + LLM语义推理（"威信"→"微信"，"薇芯"→"微信"）对比音频转写与画面内容，检测"音频口述但画面不展示"或"画面闪现但音频不提及"的不一致模式。

原创 计算机网络

物理层：中继器，集线器。负责 物理媒体。数据链路层：通过Mac地址，物理地址寻址、数据的封装成帧、流量控制。

原创 自动应用生成

步骤1: 技术方案设计。我将使用 HTML、CSS 和 JavaScript 创建游戏，结合 CSS 框架实现界面设计，并使用图表库处理数据可视化。我将创建一个单文件 HTML 应用，包含所有 HTML、CSS 和 JavaScript 代码。接下来我需要生成游戏场景和 UI 元素，然后开始编写游戏代码。我需要搜索原神角色和元素系统的信息，步骤3: 外部资源获取和生成。然后生成游戏所需的图片资源。设计风格： 指令、选择模板。生成一个原神风格的塔防游戏。步骤2: 项目框架生成。我需要创建项目目录结构。

原创 OpenClaw skills

Claude Skills 是 Anthropic 推出的一种模块化能力包，通过封装标准化的流程知识（SOP）实现任务自动化。它不是一次性提示词，而是一个可保存、复用、共享的“技能包”。‌，而 MCP（也是Anthropic公司推出的） 是它的“工具箱”。

原创 开源模型——文心ERNIE 4.5 vl

参考以下文章：https://blog.youkuaiyun.com/sherlockMa/article/details/149026603代码地址：https://github.com/PaddlePaddle/ERNIE论文地址：https://yiyan.baidu.com/blog/publication/ERNIE_Technical_Report.pdf[ERNIE-4.5-VL-28B-A3B-Thinking] Supports SFT training and function call train

原创 大模型智能体

相比之下，PathFinder-PRM会先进行错误分类： - 第1步：数学√，一致性√ → 奖励分数0.95 - 第2步：数学√，一致性√ → 奖励分数0.37（尽管没有错误，但步骤冗余） - 第3步：数学×，一致性√ → 奖励分数0 - 第4步：数学√，一致性× → 奖励分数0。如果你只看最终答案并说"错了，重做"，这对朋友的帮助不大。传统的PRMs会直接给每一步分配一个分数，比如第1步0.85分，第2步0.63分，第3步0.46分，第4步0.35分，但不会明确指出错误的类型。

原创 PPT生成

PPT编辑是基于html的。

原创 mcp理论和实践

要点：接口规范和提示词工程。对功能描述以及输入输出的详细描述。# 注册一个工具：乘法运算。

原创 开源 大模型数据集收集或者制作

Easy Dataset： 简化的，从文本到微调数据集。

原创 图文理解多模态大模型VLM原理

2. 目前模型的利用率不够，参数量太大。这依赖于更好的模型架构、融合策略、训练数据和方式。北京智研研究院的EMU3。微软的cosmos2。清华的mmreact，谷歌最新的gemini，百万级别输入，视频输入。openAI的GPT4o，能支持语音输入输出；全模态大模型：理解与生成一体化。1. 模态融合和对齐 策略。输入包含：位置+内容。

原创 高考学校和专业的选择

但基本通过打分也可以得出，如果一个专业，3项 中直接有2样都不占的，我建议你不用犹豫了。这儿要说明的是，一些比较窄细或者冷门的专业，诸如：影视、考古、音乐，没有靠谱的亲朋关系，个人再感兴趣，也别考虑了。这儿值得一提的是，地域优势很多人都会忽略，实际结合我多年经验来看，优势蛮大的。学校占比，国内就是按这个顺序，清北、C9、985、211、其它有一定名气的一二本、普通二本、末流二本原三本、大专。大学混得好，工作不一定好的原因，很多时候，就是：专业前景、亲朋行业优势的差别还没体现出来。

翻译 Qwen3-VL开源图文多模态大模型

Qwen3-VL 系列包含以下变体：Dense 模型： Qwen3-VL-2B, 4B, 8B, 32B。MoE 模型： Qwen3-VL-30B-A3B (Active 3B), Qwen3-VL-235B-A22B (Total 235B, Active 22B)。所有模型均支持 256K 的上下文窗口。训练过程分为预训练（Pre-training）和后训练（Post-training）两个阶段，并在后训练阶段区分了非思考（Non-thinking）和思考（Thinking）两种变体。​。

原创 百度comate

成员云天化人工智能应用项目组。

原创 开源大模型相关存储

P800的vllm开源：https://github.com/baidu/vLLM-Kunlun

原创 pdf2zh -i 报错： ImportError: libGL.so.1: cannot open shared object file: No such file or directory

apt-get update 解决。

原创 文生图经典方法概览

传统方法依赖手工设计的特征提取（如颜色直方图、纹理描述符）和模板匹配技术，结合简单的生成规则（如基于规则的图形渲染）实现图像生成。其核心逻辑是通过预设的数学模型或统计规律，将文本描述映射到图像空间。Picture：并非真正的“生成”，而是通过分析文本关键词，从图像库中检索并拼接已有的视觉元素。或通过纹理合成或基于草图的生成来创建图像。：通过逻辑规则（如“生成红色圆形”→绘制红色圆形）生成简单图像。实现简单，计算成本低无创造性，质量低、依赖库。

原创 AIGC（大模型）关键知识点

原创 function calling如何调用

d '{"messages":[{"role":"user","content":"上海市今天天气如何？

原创 千帆ab mb的使用说明