[Grok Bot 仓颉实践] 让 AI 助手替你干活之前,先想清楚谁来拍板——我用 Grok Bot 做游戏的做法

Grok Bot:x.ai 模型状态信标与实时版本同步机制 模型状态服务(Model State as a Service, MSaaS)正成为大模型基础设施的关键演进方向,其核心是将模型的版本、更新时间、行为变更等元信息以标准化、可编程方式对外暴露。Grok Bot 作为 x.ai 推出的轻量级状态端点,通过 JSON 接口提供确定性事实(status/version/last_updated),本质是面向下游系统的‘模型认知信标’。它不提供对话能力,却支撑 RSS 订阅、CI/CD 自动化、API 版本绑定、行为漂移预警等工程实践,显著提升模型调用的可预测性与可 阅读详情

把活交给 AI 助手,我觉得最怕的不是它不会做,而是你还没拿定主意,它就动手了。我在用 xAI 的 Grok Bot 做一个小游戏。Grok Bot 带一台云电脑(放在云端,你名下的几个 Grok Bot 共用这一台),能开应用、定时做事,还能先发消息问你。所以我目前的做法是:正式动手之前,先等我拍板——拍板,就是由我决定能不能正式动手。我拍板有三种说法:锁定(照这版正式做)、继续改(还只是草稿)、先按住(先别开新活)。

这篇讲这个做法怎么用,也讲我为什么从之前用的 OpenClaw、Hermes(两个我用来做多助手协作的工具)换到了 Grok Bot。游戏叫「驿路巡点」(下文简称驿路),我把其中涿郡一章的十个关卡叫作涿郡十盘。我把助手分成排活的项目管理 Grok Bot,和各管一块的专长 Grok Bot(设计师、程序员、测试等)。这是我现在正在用的做法,给第一次上手的人一个能试的起点;已经带过多个助手的,也可以拿更稳的拍板方式和我对一对。它不是 xAI 的教程,也还没写成最终方法。

有一次,设计师助手把几关的修订稿交了上来,侧边栏的助手列表里程序员那一项也闪了起来,在等我拍板,我却还没拍板。项目管理 Grok Bot 问我:这一版算定稿,还是继续改?

助手像同事:我拍板三选一(锁定/继续改/先按住),云电脑承接长时间运行的任务与装工具,本地电脑碰真工程

为什么换到 Grok Bot:机器边界我先卡住了

多助手协作,我不是从 Grok Bot 才开始的:先用 OpenClaw,后来迁到 Hermes,多助手分角色干活已经是日常(时间线见下图)。大约 8 月,赶上活动用 99 美元购入 Grok Heavy,这才真正用上 Grok Bot。

云电脑的数是我们的实测,截至 2026-10-03,用 nproc 和 /proc/meminfo 的 MemTotal 读出(合 15.6 GiB),非厂商对外 SLA。对我这条产线,云和本地能同开,我觉得是换过来的主要原因之一。

OpenClaw → Hermes → Grok Bot 三方对比:协作起点、机器边界、云加本地能否同开(Grok Bot 云电脑为 2026-10-03 实测,非厂商对外承诺)

9 月前后出现的几款个人 agent 产品

换过来之后,我也留意到了这些。

最近发布的几款个人 agent 产品各有侧重(日期均为各页面标注日)。Meta 的 Muse(9 月 8 日)称为个人 AI agent,跑在专属的安全虚拟机上,在 Muse 应用或 WhatsApp 里对话,发邮件、购买这类敏感操作前会先问本人;Meta 官方页写明正在美国通过 iOS、Android 和 muse.ai 推出。Manus 的 Cue(9 月 28 日)是独立应用,每个 agent 有自己的邮箱、电话号码、钱包和电脑,多个 agent 可拉进群聊协作;Manus 官方博客写明目前是早期访问,需邀请码。OpenAI 的 dots(9 月 29 日)是 ChatGPT 里的常驻 agent,有自己的云电脑;OpenAI 官方页写明正开始向 Pro、Business Premium、Enterprise 套餐推出,限符合条件的市场,Enterprise 需工作区管理员开启后才能试用。

我们的实测,截至 2026-10-03(引用他人说法的地方已注明出处),都标在下面两张表里;表里没写的只有一点:Muse 的 Mac 版选窗口失败,我们已反馈。

两张表放在下面:表一看能做什么,表二看怎么用上。

表一:四款个人 agent 能做什么(截至 2026-10-03;标「我们的实测」的是我们自己的使用所见,其余注明具体出处)
表二:四款个人 agent 怎么用上(截至 2026-10-03;标「我们的实测」的是我们自己的使用所见,其余注明具体出处)

这里只做并排介绍,不比功能高下;这篇只讲 Grok Bot 用法里拍板这一步。

拍板有三个选项:锁定、继续改、先按住

开头说的这三种说法,我叫它三态。我第一次先做的,是在项目管理 Grok Bot 那边把这三态讲清楚;我没拍板之前,我的做法是专长先不进真工程(驿路正式的游戏工程,不是草稿)。后面讲的流程是展开版,不是第一天必做清单。

对照 xAI 官方 Galaxy 第一天演示(对照材料:xAI 官方公开演示与幻灯,不是我这套分工的起点),最扎眼的不是「同事四件事」的英文幻灯,而是窗口里三个按钮。屏上弹出的问句大概是:这张管理后台的草稿——锁定它、继续改,还是先按住?同屏还有一句旁注:定时任务是 Grok Bot 按日程反复跑的活。

屏摄·Galaxy 第一天演示(2026-09-17 回放截屏):锁定 / 继续改 / 先按住三态(屏上英文 Lock / Iterate / Hold)
截图:Radar 的屏幕(Grok Bot 101 页)与例行任务列表

xAI 官方导览(https://x.ai/bot/guides/grok-bot-101)把 Grok Bot 写成带电脑的助手:能浏览、写代码、跑命令;电脑在云端,点开窗口可以当远程桌面用。Galaxy 第一天幻灯第一屏把「同事」钉成四件事——能把工具串成结果、能记住先前的工作、能独立干活、能异步发消息。在我看来,这四件事解释的是能力,不是「什么时候能动真格」。我这条产线会不会白忙,目前先卡在我怎么拍板。

没拍板就整包推过来,会出什么事

没拍板就往下做,常见有两种情况。一种是专长还在继续改,就把整包设计稿或半成品构建塞到我面前「先看看」——我的拍板被跳过,我被迫当临时项目经理。另一种是口头说「先让程序员动手」,但验收标准还没写清——后面打回的成本,全堆在联调(把各部分拼到一起跑通)上。

云电脑和我的本地电脑,各做什么

拍板之后,活在哪台电脑上做,也要分清。云电脑和本地电脑各做什么,开头那张图已经画了;这里补一张设置截图,看本地电脑怎么授权。

本地电脑执行授权截图:设置里「在本地电脑上执行」,碰真工程前先授权

操控真桌面(xAI 官方常叫 computer use),不是让 Grok Bot 只在聊天里吐字,而是让它去点按钮、敲键盘、滚页面、开应用。它做事是个循环,每一步见下图。

操控真桌面循环:截屏读界面 → 决定动作 → 桌面执行并核对,再回到第一步(云电脑与已授权本地电脑同属;本地电脑须先授权)

我这套分工:我、项目管理、专长、知识雷达

驿路巡点那一周,我把角色分成四类:我、项目管理 Grok Bot、专长 Grok Bot、知识雷达(侧边栏里叫 Radar)。我没有用一个聊天窗口包办所有角色。

  • 我:定验收标准;拍板放行、改稿,还是停住。没拍板,专长 Grok Bot 不进真工程。

  • 项目管理 Grok Bot(Projects Manager):跟我对齐这一周要什么结果,排谁上场,卡住「什么时候能往下走」。它自己不写业务代码、不画设计稿。

  • 专长 Grok Bot:各认领一块。驿路周里常用到的有设计师 designer、程序员 coder、测试 tester、挑刺 reviewer、文案 writer、调研 researcher。

  • 知识雷达:扫公开素材、串事件编排,把「该读什么」摆上台面。它不替专长做产品终稿调研,也不写可外发终稿。

截屏 2026-09-18:侧边栏专长列表

驿路实战:从定验收到拍板

以涿郡十盘那一轮为例。我先把验收写清:盘面(一关的棋盘画面)外形尽量可辨认、难度区间尽量别太窄、解最好唯一且能画过关图(把解法画在盘面上的图)。项目管理 Grok Bot 澄清范围后,1:1 派设计改盘、程序员等锁定再动真工程,测试按过关图验。专长先交「能审的一小块稿」——某几关修订稿,而不是整包闷一周。挑刺 reviewer 盯盘面外形是否撞脸与可解性;缺过关图的话,我倾向于先打回。我的做法是:点锁定,代码才开始正式改;点继续改,只改草稿;点先按住,先不开新任务。

窄活我习惯进单聊;要对齐过关图标准、打回话术时,才拉群,免得把所有人塞进一个窗口。

变更摘要怎么批、批准项怎么转发——第二篇;证据挂哪、上线看什么数——第三篇。

现在做到哪,还差什么

分工已经有了,我觉得缺的不是再多分几个角色,而是两件事。一是拍板还常写成散文,专长 Grok Bot 吃不准现在是锁定、继续改还是先按住。二是缺一张按产线(游戏 / 应用 / 三方库 / 仓颉;仓颉是驿路用的编程语言)写清「谁负责什么,由哪个助手做」的对照,现在还靠口头分工。

仍待验证:专长是否必须拆这么细;本地电脑授权是不是人人都要开;三态够不够,要不要多一个「可以试跑、先不并进主线代码」。

我还没想清楚的两点:有电脑的助手,拍板放在人这里、放在项目管理 Grok Bot 的字段里,还是写进技能条文(助手「技能」里写明做法的那几条规定),哪种更不容易被绕开?只开一个聊天窗口包办所有角色,在什么规模下可能更省事?

这是我现在的做法,可能不是最优解;大家可能有更好的拍板办法,欢迎在评论区讨论。

Grok Bot与仓颉语言实战:游戏自动化中的分层决策与人工兜底 游戏自动化与AI决策系统正成为开发者关注的热点,其核心在于如何平衡机器自主与人类控制。通过多模态感知与并发决策引擎,系统能够实时评估游戏状态并生成动作建议,而分层决策机制则根据风险等级动态调整AI自主权与人工介入程度。这种架构在重复性任务中可显著提升效率,在关键场景下保留人类否决权,有效降低误操作风险。基于Grok Bot的感知能力和仓颉语言的并发模型,构建具备拍板层与保守回退策略的自动化框架,为AI辅助决策提供可复用的工程实践。 阅读详情

相关推荐

AI生成代码时谁拍板?Grok Bot游戏开发协作实践

AI生成代码已成为软件开发中的常态,但模型输出的“看似合理”往往隐藏着决策断层。大语言模型擅长在给定约束下生成文本,一旦约束缺失,它会自动补全一套未经确认的假设,导致代码在真实场景中崩塌。因此,人机协作的核心不是让AI多干活,而是通过明确需求解释权、架构决定权,以及设计精细的提示词规范,让AI在既定框架内执行局部实现。从游戏开发到企业级应用,建立背景、任务、约束、验收标准与风险清单的协作流程,能显著提升生成代码的可用性与可维护性。本文以原生JavaScript+Canvas平台跳跃游戏为例,展示如何通过拍板

weixin_29038537的博客 84

拆解 Grok Bot 架构:持久云电脑、Durable Workflows 与多 Agent 编排 | RiseClaw玄策

Grok Bot 的 always-on 是一套系统工程:云电脑跑在 Firecracker 微虚拟机上按需启停;Temporal 持久化工作流支持断点续跑与中途改指令;Orchestrator 把复杂工作拆给带独立上下文的子代理;记忆按偏好、日志、临时笔记分层落文件系统;动态工具探索、结果落盘、Compaction 四杠杆压住 Token 成本。全文逐条对源核验,附多 Agent 系统借鉴清单。

wolffei的专栏 182

AI内容生产中的责任锚点设计:从Prompt到人工拍板的闭环实践

大模型应用的核心挑战从来不是生成能力,而是如何界定人与AI的决策边界。当AI生成内容涉及价值判断、风险敞口或用户感知时,单纯依赖Prompt优化或模型微调已无法保障可控性。本文基于Grok Bot在游戏内容生成场景的真实落地经验,阐述结构化契约(contract.json)如何将模糊的人工职责转化为可审计、可追溯、可问责的技术流程。通过执行层(Bot干)、判断层(规则卡)、拍板层(人定)三层解耦,结合数字签名、上下文快照、三重锁审批等工程实践,实现AI产出与组织权责的精准对齐。关键词‘仓颉实践’即指以文字契

weixin_29054399的博客 159

【Grok Bot 仓颉实践】助手一次汇报七八条,我只批准一条往下做

用Grok Bot做游戏驿路巡点:项目管理Bot汇总变更摘要,我一次只批准一条转给专长Bot,其余留摘要不整包转。Notion为事实源,分阶段推进也停在等我拍板。

falsebeetle的博客 1024

ESP32-C3微型9轴感知模块的硬件工程实践

在嵌入式系统小型化趋势下,低功耗微控制器与多传感器融合成为智能终端的基础技术路径。其核心原理在于芯片能效比、射频合规性与电源噪声抑制的协同优化,技术价值体现在降低认证门槛、提升EMC鲁棒性及保障MEMS传感器精度。典型应用场景包括可穿戴设备、微型无人机姿态控制和工业边缘传感节点。本文围绕ESP32-C3平台展开,深入解析QFN封装选型逻辑、同步降压电源设计、LSM9DS1九轴校准策略等关键环节,覆盖FCC/CE认证规避、USB-C接口EMC防护等高频工程痛点。

weixin_42607969的博客 366

双相机坐标系标定

工业双相机对位标定

sinat_33762356的博客 8317

【Grok Bot 仓颉实践】 编译通过了,我没让它合并——验证和证据我怎么卡

编译通过」不等于真能玩。作者的验收规矩:交活必须附过关图和全屏证据(截图或视频),缺一样就打回、不合并;证据只放合并说明和 Notion,不进仓库。对照 xAI Galaxy 演示,他的验证还没写成始终启用的技能;没有真实用量数据,也不宣称「可玩发布」。

falsebeetle的博客 1035

Win11 24H2家庭版共享打印机失败?别慌,一个批处理脚本搞定所有设置

本文提供了Win11 24H2家庭版共享打印机失败的解决方案,通过一个批处理脚本自动修复所有设置问题。脚本包含安装组策略组件、修改关键注册表项等操作,帮助用户快速恢复打印机共享功能,适用于普通家庭用户。

weixin_30632089的博客 418

游戏AI协作中的规则驱动设计:仓颉实践指南

在AI辅助游戏开发中,'自动化'不等于'无约束生成'。理解大模型的统计确定性本质与游戏业务的高不确定性之间的根本矛盾,是构建可靠人机协作系统的第一步。本文围绕规则驱动架构(Rule-Driven Architecture)展开,解析如何通过结构化规则描述语言(RDL)、轻量级规则引擎与输出校验机制,在Grok Bot等大模型调用中嵌入可解释、可追溯、可干预的决策边界。技术价值在于将模糊的prompt工程转化为可版本管理、可业务对齐、可策划直管的规则资产;典型应用于NPC对话生成、关卡数值平衡、任务逻辑校验等

weixin_29031057的博客 279

Win系统蓝牙设备频繁卡顿/断连 - 解决方案

无线网卡有2个模块,一个是WiFi,一个是蓝牙,因此蓝牙问题可能和无线网卡有关。在某些情况下,例如高温或WiFi速率过高,会导致蓝牙频繁卡顿/断连。解决方法分为2种,1是更新驱动,2是更换无线网卡。

NSJim的博客 2万+

【零基础入门unity游戏开发——unity通用篇30】Resources资源加载(基于unity6开发介绍)

Resources资源加载(基于unity6开发介绍)

向宇的博客,专注php/web全栈 unity游戏开发,欢迎大家评论纠错 4114

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 187

一文读懂 SAP ICF Services:从 SICF 激活到 ABAP OData V2/V4 安全与实战

本文系统化介绍了ABAP系统中ICF服务的关键概念及实践要点。主要内容包括:ICF服务的核心安全机制,需显式激活才能响应HTTP请求;在SICF中正确激活服务的操作步骤;OData V2/V4服务所需的不同ICF节点配置,如V4统一入口节点/sap/opu/odata4;典型问题如default_host未激活会导致HOST_INACTIVE错误;安全实践包括CSRF防护机制和权限对象(S_ICF_ADM)配置;以及实际案例分析和常见ICF服务节点的功能说明。文章为ABAP开发者与运维人员提供了ICF服务管

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 469

6 款电商 AI 图片生成软件实测|国内 + 跨境卖家工具清单

电商 AI 作图工具已经从 "能不能用" 进入了 "好不好用" 的阶段。对于绝大多数卖家而言,现在的 AI 工具已经可以覆盖 60%-80% 的基础商品图需求,显著降低拍摄和设计成本。选择工具的核心逻辑不是 "哪款最强",而是 "哪款最适配你的品类、平台规模和团队能力"。垂直电商工具胜在工作流效率,通用生图工具强在创意上限,模板类工具赢在上手速度。建议根据自身业务阶段,搭配 1-2 款主力工具 + 1 款辅助工具,形成适合自己的视觉生产流程。

Mardi_Ladin的博客 332

机床上位机实战:CNC设备数据采集+工艺参数存储全流程(附C#代码+SQL设计)

如果能正常输出转速和状态,说明通信通了——这步是基础,没通的话别往下走,先查CNC的IP对不对、Modbus功能有没有开、地址是不是错了(我当初卡了2小时,发现是Fanuc的Modbus从站地址设成了2,不是默认1)。这篇文章就把整个开发过程拆透:从CNC通信协议选型,到数据采集代码落地,再到工艺参数的数据库设计,连中间踩过的“Fanuc系统寄存器地址对应错”“断连后数据补传”这些坑都给大家说清楚,新手跟着做也能跑通。工艺参数要跟“工单”和“设备”绑定,不然查的时候不知道是哪个工单、哪台设备的参数。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 791

软件设计师---UML

软件设计师---UML

我从不打没有准备的仗! 1万+

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

您您这可以把问小白的多个会话比如说。左侧的多个会话一次性导出吗?不是单条会话里面的多次会对话。AI导出鸭

第三层是格式编译层。这个决策背后的判断很清晰:一个批量导出工具的价值,不在于“试三次”,而在于你真正用它处理了几十份技术文档、访谈记录或课程讲义之后,它是否值得留在你的工作流里。问小白的会话列表通过分页接口加载,AI导出鸭 在页面运行时建立旁路监听,捕获每一次分页请求返回的完整对话清单,包括会话 ID、标题、时间戳和隐藏的元数据字段。让AI导出回归优雅——这句话说的是:导出不该是体力活,而应该是一次完整的、可预期的文件交付。注意:这里的“批量”指的是左侧列表里的多个独立会话,不是一条会话内的多轮对话。

laoyunsi的博客 229

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

锂电池充电器电路设计 里面有电路

锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。

在Codex 让AI模型 拥有长期智能记忆

本文介绍Claude-Mem V15新功能——智能记忆召回,解决AI遗忘、重复提示、执行不一致等问题。通过本地部署claude-mem,实现自动记录决策(如数据库选型)、跨会话智能召回,支持记忆写入、检索、遗忘全流程闭环。相比传统记忆方案,其基于Hooks自动捕获工具调用,结构化存储,可追溯、可共享、可清理,显著提升工程效率与协作一致性,是长期项目中理想的“工作黑匣子”与“工程脑”。

米莱虾 265

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

医疗 AI 有两种,别混着谈:一个改流程,一个改范式

InfoXMed 是面向医生、医学生和医学科研人员的 AI 医学工具平台,提供文献检索、全文翻译、AI 解读、指南查询和题库练习等功能,辅助临床学习、科研汇报与医学备考。原文是日本医学会杂志(JMA Journal)的一篇综述(Review Article):基本事实:这一点必须先说清:这篇论文提出的是一个研究纲领。它文中的"预测"指的是科学设想,不是可以拿来用的临床预测能力。文中甚至自己承认了一个硬缺口(见第三节)。本文只谈它的术语辨析与科学方法论,不转述任何可作为临床依据的预测或处置主张。这篇论文的全部

2601_96948740的博客 221

河道漂浮物目标检测数据集

目标检测,yolo,河道漂浮物目标检测数据集

DL_data_set的博客 186

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 185

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 535

大模型 Embedding 与向量相似度详解

Embedding 解决的问题:计算机不懂文字,但懂数字│▼文本 → 向量(1024维浮点数数组)│▼相似度解决的问题:怎么判断两个向量(文本)有多接近│▼余弦相似度:看向量方向的夹角,越接近0°越相似│▼最终效果:语义搜索——理解意思,而非字面匹配一句话总结:Embedding 把文字变成数字,余弦相似度比较数字的方向,两者结合实现了"理解语义"的搜索。

T3165919332的博客 72

AI前沿日报 · 2026-11-04 | 祛魅时刻:Astra“纯读权重“神话的崩塌

①Astra"裸权重通吃"被spaCy创始人Honnibal精准祛魅——仅1/3实验真裸读,数学能力提升依赖Python+50次迭代;②Simon Willison用Qwen 3.8-27B端侧复现权重空间编程;③Nvidia开源Auto-Ontology自动知识图谱;④$800开源全域抓取机器人Stringman;⑤OpenAI悄然重开Codex训练开关引信任危机;⑥DeepMind发布Gemini 4 Argon机器人基础模型;⑦美国科技巨头隐性AI债务达3.2万亿美元,6个月增90%。

johnsong2009的博客 519

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 244
上一篇: 模型跑分到底怎么看? Gemini 4 Argon 发了一张官方对照表,除了跑鹈鹕, 我们应该怎么测试模型能力?
下一篇: 【Github周报】VoiceStudio 空降第一,大厂八席只剩一席
猛码象限
博客等级 码龄12年 5粉丝 32原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值