- 博客(27)
- 收藏
- 关注
RSS订阅原创 多Agent协同技术讲解
本文系统剖析多智能体技术演进，指出其核心并非“智能叠加”，而是通过独立上下文窗口实现并行推理，代价为约15倍token消耗。基于Anthropic实测，token用量解释80%性能差异，凸显其本质是“用算力换能力”。架构上采用主从编排（orchestrator-worker），强调任务必须可拆分、信息量超单窗、需多工具协同，才适合应用。典型场景如研究调研、合规核查等，而强依赖任务则不适用。关键成功要素包括清晰派活指令、合理规模投入与小样本评测。平台侧需警惕无预算控制风险，建议引入统一监控工具如LinkTok
2026-11-06 18:01:23
38
原创 MiniMaxH3技术解读
MiniMax于2022年创立，使命为“与每个人共创智能”。其核心突破在于H3视频模型——首次以自然语言统一文、图、音、视频生成任务，打破传统多模态孤岛。通过四组件流水线架构与“上下文描述式”提示设计，实现跨模态参考与精准控制，支持2K分辨率、15秒内生成，且原生立体声输出。定价分五档，最低档成本仅为2K的19%，形成“试错-定稿”工作流。与Sora2相比，H3在画质、开放权重与内容政策上更具商业灵活性，尤其适合广告、电商等需高保真品牌渲染的场景。
2026-11-06 17:31:16
66
原创 IT 系统集成项目投标技术方案编制全流程
本文以农业农村部政务外网DeepSeek大模型智算基础设施采购项目为例，系统阐述IT系统集成投标技术方案编制的全流程。通过“取出文件→拆解指标→归档响应→倒推章节→搭建骨架→逐章撰写→自检交付”七步法，确保响应精准、结构清晰、材料完备。重点强调以评分标准为导向，按分值分配篇幅，逐条对应实质性条款，前置准备证明材料，强化图表与排版规范，最终实现方案可读性、合规性与得分最大化，有效规避无效投标风险。
2026-11-05 20:07:52
270
原创 Agent技术解读
本文系统梳理Agent技术演进，提出五级能力台阶与三大并行路线：从单轮问答到托管运行时，核心在于“循环自主性”；界定Agent与API边界，强调长任务需平台托管以保障状态与安全；剖析成功率指数衰减原理，提出压步数、确定性优先、每步可校验三原则；结合手机智能助理等案例，揭示动作空间在界面操作中的挑战，倡导用协议互通与可观测性推动生产落地。
2026-11-05 20:03:18
279
原创 GPT Image 全景解读
GPTImage是一组可编程的出图接口，非聊天功能，支持指定尺寸、质量、张数等参数，具备高可控性与生产可用性。技术路线呈现精度与速度双支并行，型号分层明确，2.5系列支持自定义宽高与人脸保持，1系列仅三档固定尺寸。接口返回base64，需自行处理存储与分发，且请求长度限4000字符。核心能力包括局部重绘、多模态输入、内容审核拦截。2026年3月4日dall-e-3强制退役，暴露接口断代风险，迁移成本显著。选型应优先考虑成本、速度与一致性，避免误用mini型号或依赖多轮编辑。
2026-11-04 14:24:10
722
原创 OpenAI Videos API 技术解读
本文系统梳理OpenAI视频生成API的技术演进，聚焦接口形态从“作业”到“资源”的变革，揭示其作为可编程生成能力的核心价值。基于v1 API规范，解析五端点架构、三路输入与异步状态机，明确并发2、留存24小时等硬约束，并通过官方上限推导流水线吞吐极限。强调remix编辑、素材复用与提示词工程在电商、影视等场景的应用逻辑，指出当前仍处preview阶段，不宜直接用于生产关键路径。最后提出“错峰+拆镜+落盘即公民”三大优化策略，辅以LinkTokenView平台实现多模态统一接入。
2026-11-04 14:13:06
256
原创 Deepseek Harness软件开发实用指南
DeepSeek Harness 是一款面向开发者与AI应用构建者的开源框架，核心价值在于将模型能力封装为可插拔的工程化组件。它通过“一切皆插件”架构，实现模型适配、工具注册、会话日志与Agent循环的灵活替换，无需修改核心代码。本文从公司定位、技术演进、架构设计到实战技巧（如环境配置、兼容性开关、工程化部署）层层展开，并以真实桌面软件LinkTokenView为例，验证其93%依赖来自Harness的生态优势。关键结论：模型决定上限，Harness决定能否稳定交付——它让开发者专注业务，而非重复造轮子。
2026-10-27 10:24:42
574
原创 GLM-5.3-Flash私有化部署实践指南
本文系统解析智谱AI旗下GLM-5.3-Flash模型的私有化部署全链路，涵盖其320B总参、仅激活18B的高效架构、显存计算公式与三档硬件配置建议。通过拆解推理链为编码、预填充、解码三池，结合张量并行、混合量化与层切分等技术实现性能提升。成本方面，六项支出需综合评估，盈亏平衡点约384亿token/月，中低用量下私有化不具性价比。案例显示国产芯片集群已成功跑通，强调“以算力换带宽、以通信换显存”的优化路径。最终指出，私有化核心价值在于数据合规与可控性，而非单纯降本。
2026-10-26 19:24:00
385
原创 DeepSeek-V4.1-Flash-1017 全景解读
9 月 10 日，V4.1-Flash 发布——全新非对称 Causal Encoder-Decoder 架构，原生支持视觉理解，生成速度约 284 token/s（上一代约 97），官方明确表示其在性能、响应速度、计算费用等核心指标上全面超越此前的 V4 Pro，并将所有指向 V4 Pro 的请求自动路由到 Flash 按更低价格计费，罕见地实现了「升级与降价同步」。V4.1-Flash-1017 的发布逻辑很清晰：当「能力够用」成为常态，竞争的主战场就转向「单位成本下的可用性」。
2026-10-26 00:38:11
674
原创 大模型技术原理与应用全景
直观理解：处理"票"这个字时，模型会把注意力集中在"机票"的"机"和"贵"上，让"票"的新表示融合全句语境。国内综合竞争力榜单（中国数据研究中心《2026 中国 AI 大模型竞争力 TOP20》）给出清晰梯队：字节豆包（96.2 分，日活超 1 亿）、阿里通义千问（94.8）、DeepSeek（93.5）、智谱 GLM（91.0）、百度文心（89.3）、腾讯混元（87.6）、月之暗面 Kimi（86.2）。大模型的能力曲线仍在陡峭上行，但行业竞争的重心已经从"参数竞赛"转向"每 token 的产出效率"。
2026-10-25 04:13:54
863
原创 GitHu全景研究
它解决的是分布式协作与性能问题，能力很强，但形态是纯命令行的：没有网页界面，没有账号体系，也没有「把仓库放到一处、大家互相看得见」的地方。生成本报告当日通过 GitHub API 检索，星标超过 15 万的公开仓库共 62 个，排名靠前的既有学习清单，也有 Linux 内核这样的重量级工程。单仓库 6.4 GB、六万多次 fork、上千名维护者，这套协作能跑起来，靠的是 Pull Request 审查流程、持续集成与维护者梯队，而不是某个人的个人能力。值得注意的是，这三件事都不需要新的算法。
2026-10-24 08:02:55
283
原创 AI 大模型驱动的应用软件逆向生成
成果上，可重执行率已经从早期的四成出头爬到六成以上，但真实复刻项目对照商业软件的就绪度只有 45% 左右，“能复刻是什么"和"能复刻好不好用"之间还隔着一条很宽的沟。它的价值不在于新发明了一种反编译算法，而在于把一串原本需要人工串联的工具接了起来——开发者只要提出"弄清这款软件的搜索功能是怎么操作的"，它会自己去调工具、翻译二进制、拆安卓安装包，最后把结论和证据一起交回来。NDSS 的研究数据显示，它把理解反编译输出的认知负担降低了 24.4%，生成的注释中有 62.9% 能提供实用语义。
2026-10-23 10:55:52
160
原创 AI 大模型驱动的应用软件逆向生成
成果上，可重执行率已经从早期的四成出头爬到六成以上，但真实复刻项目对照商业软件的就绪度只有 45% 左右，“能复刻是什么"和"能复刻好不好用"之间还隔着一条很宽的沟。它的价值不在于新发明了一种反编译算法，而在于把一串原本需要人工串联的工具接了起来——开发者只要提出"弄清这款软件的搜索功能是怎么操作的"，它会自己去调工具、翻译二进制、拆安卓安装包，最后把结论和证据一起交回来。NDSS 的研究数据显示，它把理解反编译输出的认知负担降低了 24.4%，生成的注释中有 62.9% 能提供实用语义。
2026-10-23 10:53:12
306
原创 用deepseek harness做软件开发需要安装的插件介绍
## 先厘清一个概念 DeepSeek 官方并没有名为 "harness" 的独立 IDE 插件市场，社区语境中的 **deepseek harness** 通常指围绕 DeepSeek 模型搭建的本地开发脚手架/代理层（Agent 运行时），它通过插件（plugin）机制把模型能力接入到编辑器、终端、Git、测试等环节。所以"装插件"本质上是为这套 harness 配置工具链扩展。 ## 常用插件及作用 - **编辑器桥接插件（VS Code / JetBrains）**：把 harness 的补全、改写
2026-10-22 10:48:15
188
原创 deepseek harness 实战手册
# deepseek harness 实战手册 DeepSeek Harness 是面向 DeepSeek 模型的开源推理与评测框架，提供统一接口、任务编排与插件机制。下面按安装、配置、使用和插件扩展快速落地。 ## 开源与安装 项目采用 Apache-2.0 许可，核心目录为 `core/`、`configs/`、`plugins/`，需 Python 3.10+。 ```bash git clone https://github.com/deepseek-ai/harness.git cd harnes
2026-10-21 09:48:14
241
原创 开源大模型私有化部署优势和劣势？
私有化部署几乎成了中大型企业落地大模型的默认选项，但它既不是万能药，也不是纯负担。下面从五个维度拆开看。 ## 一、软硬件技术视角 优势在于全链路可控：模型权重、推理框架（vLLM、SGLang、TensorRT-LLM）都可自选，能做量化、剪枝、LoRA 微调，数据不出内网。 劣势是显存硬约束。7B 模型 FP16 约需 14GB 显存，70B 则要 140GB 以上，往往 2×A100/H800 起步。推理框架还得专门调参： ```bash python -m vllm.entrypoints.open
2026-10-20 13:22:06
168
1
原创 deepseek-v4.1-flash + Blender MCP 做短视频
这套组合的本质是“LLM 出代码、DCC 执行”，把短视频生产从手工操作变成可版本管理的工程流程。它不追求电影级质感，但在可控、可批量、可复现三个维度上优势明显，适合作为中小团队的内容流水线底座。
2026-10-19 20:22:31
190
原创 从 429 到熔断：AI 聚合网关的故障切换与并发治理
先分类再重试，只有限流、超时、5xx 值得消耗重试预算；熔断粒度要细到「上游 + 模型」，否则故障会横向传染；并发治理必须分层，重试会放大并发，全局信号量要包住整个重试过程；流式请求只有首 token 前可以安全切换；指标是切换策略的输入，没有观测就没有有效的降级。如果不想自己维护这一整套路由、熔断和配额体系，也可以直接选用现成的聚合网关。这类平台把多上游的凭证池、熔断策略和重试预算收敛在统一入口，业务侧只面对一个 OpenAI 兼容接口。
2026-10-18 07:27:33
955
原创 大模型中MCP的介绍及应用场景
# 大模型中MCP的介绍及应用场景 ## 一、MCP 是什么 MCP（Model Context Protocol，模型上下文协议）由 Anthropic 于 2024 年 11 月开源，目标是为大模型与外部工具、数据源之间提供统一的「USB-C」式接口。它基于 JSON-RPC 2.0，把过去散落在各家 Agent 框架里的私有函数调用协议标准化。 ## 二、技术架构 MCP 采用经典的客户端—服务端结构： - **Host（宿主）**：运行大模型的应用，如 Claude Desktop、Cursor 或
2026-10-18 06:55:39
601
原创 大模型和统计学、概率学之间的关系
## 一句话结论 大模型的训练目标是极大似然，推理过程是概率采样，评估手段是统计度量——它是一条概率流水线，而不是符号推理机。 ## 语言模型 = 条件概率分布 自回归语言模型的数学定义非常朴素： P(x_1,...,x_T) = ∏ P(x_t | x_1,...,x_{t-1}; θ) 模型输出的 logits 经 softmax 归一化后，就是词表上的概率分布；所谓“生成”，就是从这个分布里逐个采样 token。 ```python import torch, torch.nn.functional
2026-10-17 13:01:53
208
原创 linktokenview网站内嵌gpt image 2大模型生图工具，欢迎大家试用测试。
linktokenview 把 GPT Image 2 装进了浏览器，也留出了 API 出口：想快速试效果，直接打开网页输入提示词；想接进产品，就调接口。0.1 元一张高清图的定价，让它适合做原型验证和中小规模生产。欢迎大家试用测试，把遇到的问题和想要的功能反馈给平台。
2026-10-16 19:20:40
260
原创 如何用comfUI去做文生图呢？
## 如何用comfUI去做文生图呢？ ### 一、ComfyUI（comfUI）是什么 ComfyUI 是节点式 Stable Diffusion 前端，把模型加载、文本编码、采样、解码等环节拆成独立节点，通过连线组成工作流。相比 WebUI 的一键生成，它更灵活、可复用、显存占用也更友好，适合批量出图和复杂管线。 ### 二、环境准备 - 安装：从 GitHub 获取 ComfyUI，Windows 可直接用整合包；Python 3.10+，PyTorch 需匹配 CUDA 版本。 - 模型：check
2026-10-15 10:32:45
194
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人