AI网文写作全景调研(四):文风蒸馏与作品DNA——AI能不能“学会“一个作者的写法?

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

《60分天花板:AI网文写作行业全景调研》
全15篇(14篇正文+1篇开篇导读),覆盖13个主题:商业工具、开源项目、文风蒸馏、学术前沿、瓶颈分析、路线判断、行动指南、失败案例、合规政策、多模态、经济学、实验验证、方法论

样本范围:4条核心技术路线(预训练/SFT/少样本嵌入/作品DNA提取),10+个代表项目与论文
研究方法:GitHub项目代码分析 + 论文实验数据交叉验证 + 技术路线对比矩阵
核心问题:能不能让AI学会某本书/某个作者的写作风格,然后按那个风格写新内容?
覆盖路线:预训练 → SFT微调 → 少样本嵌入 → 作品DNA提取
结论先行:语言层风格迁移已经能用了,但叙事结构层的"风格复制"还是早期阶段。

数据可信度说明:

  • ✅ 项目基本信息(star/技术栈/许可证):来自GitHub,可信
  • ⭕ 效果描述:RWKV/StyleLLM为项目方自述demo效果,TinyStyler有论文实验数据但仅限英文短篇
  • ❌ works-dna-extractor:项目极小(5star),效果未独立验证
  • ❌ 趋势判断和路线对比:为分析结论,非事实

结论先行

能,但要看"风格"定义在哪一层。

风格层次代表技术成熟度效果
题材级(玄幻/言情)预训练(RWKV)⭐⭐⭐能有那个味儿,但不精确
作品级(水浒风/红楼风)SFT微调(StyleLLM)⭐⭐风格辨识度高,但每个风格一个模型
作者级(张三的写法)少样本嵌入(TinyStyler)⭐⭐英文短篇效果不错,中文长篇未验证
方法级(怎么叙事/怎么铺节奏)作品DNA提取⭐⭐思路最对,但最早期

一句话总结:语言层的风格迁移基本跑通了,叙事结构层的风格复制才刚起步。

当前所有"文风模仿"工具,模仿的都是"用词和句式"——也就是"这个人说话的味儿"。但网文真正值钱的不是"味儿",是"法"。所谓"法",指的是节奏控制、信息差铺设、人物塑造、爽点布局——这部分还没有人做出来。

作品DNA路线(works-dna-extractor为代表)是当前唯一瞄准"法"这个层面的。但它的问题是:太早期了,成熟度低,效果还没大规模验证。


研究方法与数据来源

数据来源

本文的数据来自三个层面:

数据类型来源可信度用途
开源项目信息GitHub(star数、技术栈、许可证、代码结构)✅ 高路线成熟度判断、技术细节核实
学术论文EMNLP/ACL/arXiv等顶会论文⭕ 中高方法原理、实验结果、效果评估
项目Demo/自述项目README、官方Demo、技术博客⭕ 中效果描述、功能特性说明

评估框架

本文从四个维度对每条技术路线进行横向对比:

  • 技术成熟度:基于项目star数、维护活跃度、论文发表情况
  • 风格粒度:题材级/作品级/作者级/方法级,从粗到细
  • 成本门槛:训练成本、推理成本、部署难度
  • 中文网文适配度:是否支持中文、是否针对长篇小说场景优化

样本筛选

  • 入选标准:有公开代码或论文、面向风格迁移/文风模仿/写作方法提取、有可验证的效果展示
  • 排除标准:纯商业产品无技术细节披露、仅停留在概念阶段无实际产出、与网文写作场景无关的通用风格迁移研究
  • 最终样本:4条技术路线、10+个代表项目/论文,覆盖从预训练到DNA提取的完整技术谱系

样本量说明

样本量较小(9+个)是因为这个方向本身还处于早期阶段——真正做"文风蒸馏+作品DNA"且有公开成果的项目不多。本文的价值在于路线梳理和方向判断,而非大样本统计。


一、四条技术路线全景

传统预训练(RWKV)
    ↓  从"写网文"到"控风格"
SFT微调(StyleLLM)
    ↓  从"每风格一个模型"到"少样本灵活迁移"
少样本嵌入(TinyStyler)
    ↓  从"语言风格"到"叙事结构方法论"
作品DNA提取(works-dna-extractor)
维度预训练SFT微调少样本嵌入DNA提取
代表RWKV AI-WriterStyleLLMTinyStylerworks-dna-extractor
技术路线从零预训练全量/LoRA微调作者嵌入+条件重建纯Prompt工程+Agent
模型规模1.5B-7B6B800M无(调用外部LLM)
风格粒度题材级作品级作者级方法级(16层)
训练成本极高高中零
推理成本低中低高
可解释性低低中最高
中文支持✅ 原生✅ 四大名著❌ 英文为主✅ 原生
Star数3.8k362335

二、路线一:传统预训练——RWKV AI-Writer

是什么

彭博(BlinkDL)的早期作品,基于RWKV架构从零预训练的中文网文生成模型。RWKV是一种结合了RNN(循环神经网络)和Transformer的混合架构,推理效率极高。

怎么做的

  • 底座:RWKV(100% attention-free,训练用Transformer范式,推理用RNN范式)
  • 训练数据:几万本网文小说,每步随机采样512字片段
  • 训练方式:纯next-token prediction预训练
  • 词表:8849个汉字

演进路线

  • AI-Writer v1/v2(早期小模型,2G显存就能跑)
  • RWKV-Runner(1.5B/3B/7B网文大模型,带GUI和API)
  • RWKV-PEFT(9G显存可微调7B模型)

效果与局限

优点:

  • 网言语感地道(纯网文语料训练,不是通用模型改的)
  • 效率极高(RNN线性复杂度,7B int8仅需7.5G显存)
  • 本地部署,完全可控,没有审查

根本问题:

  • 风格粒度太粗:只能做到"玄幻/言情"这种题材级,不能精确到某本书或某个作者
  • 没有结构控制:纯续写模型,写着写着就跑偏
  • 质量不如通用大模型:和DeepSeek/Qwen等比,整体质量差一截
  • 作者自己都标了"过时"

结论

这条路在2023-2024年有价值(那时候通用大模型中文网文能力弱)。2025年以后,通用大模型+好的Prompt已经全面超过了专用小模型。除非你有本地离线部署的硬需求,否则不用考虑。


三、路线二:SFT微调——StyleLLM文风大模型

是什么

基于Yi-6B底座,用四大名著(三国/水浒/西游/红楼)分别做SFT微调,每个风格一个模型。输入一段现代文,输出对应风格的改写版本。

效果

白雪公主→三国演义风格:

「时值隆冬,大雪压境,王后坐于王宫之窗下,正与女作绣,寒风入室,吹落乌木窗台之雪。」

风格辨识度确实很高,一眼就能看出是"三国味儿"。

技术细节

  • 底座:01-ai/Yi-6B(60亿参数)
  • 训练框架:LLaMA-Factory
  • 量化:AWQ 4-bit(显存4.2GB)
  • 推理方式:原文 + "改成X风格"的指令

优点

  • ✅ 效果直观:Demo很惊艳,风格辨识度拉满
  • ✅ 工具链完整:数据集、训练框架、推理示例齐全
  • ✅ 部署门槛低:量化版4.2GB显存就能跑
  • ✅ 可扩展:同一套流程可以用于任意风格

致命问题

  1. 每个风格一个6B模型:你想模仿10个作者就要存60GB模型,切换风格=切模型
  2. 风格不可控:只能全量迁移,不能调"70%红楼风+30%原文"
  3. 只验证了古典风格:四大名著的语言特征非常鲜明,容易学。现代网文风格能不能同样效果?存疑
  4. 训练数据构造黑盒:没公开怎么造的"原文-风格文"配对数据

训练方法推测

没公开,大概率是两种之一:

  1. 回译法:原文 → 通用语 → 目标风格(用GPT-4生成配对)
  2. 指令微调:构造"将X改成Y风格"的instruction-response对

结论

适合固定几种风格、追求稳定效果的场景。比如你就想要"三国风"或"红楼风"的改写工具,这个方案很成熟。

但如果你想像换衣服一样随时换风格——不行。存储成本和切换成本太高了。


四、路线三:少样本嵌入——TinyStyler

是什么

宾夕法尼亚大学EMNLP 2024 Findings论文。仅需少量目标风格样本文本,就能实现风格迁移,而且可以精细控制风格强度。

核心思路

用作者嵌入(authorship embedding)捕捉写作风格,通过条件重建实现风格迁移。

不是让模型学"某个风格怎么写",而是让模型学"怎么根据风格嵌入调整输出"。

技术路线

底座:T5-v1.1 800M参数(比StyleLLM小一个数量级)

两步训练:

  1. 风格重建训练(自监督):输入是"原文的释义(风格中性化)+ 原文的作者嵌入",输出是"重建后的原文"。核心思想:让模型学会"给定内容骨架 + 风格嵌入 → 还原风格化文本"。
  2. 自举微调:用第一步的模型生成大量风格迁移样本(16万→过滤到4万),用自动指标筛选高质量对,再微调。

推理时怎么用

1. 提取目标风格文本的 authorship embedding(几段就行,可多个取平均)
2. 源文本 + 目标风格 embedding → 输入模型
3. 输出风格化后的文本

最厉害的是可以插值:在源风格嵌入和目标风格嵌入之间做线性插值,即可精确控制两种风格的混合比例。

实验结果

  • 作者风格迁移:在作者归属任务上超过GPT-4
  • 正式/非正式迁移:自动评估+人工评估均优于当时的可控生成方法
  • 效率优势:800M参数 vs GPT-4,两个数量级的计算量差异

局限

  • ❌ 英文为主:训练数据和评估都是英文,中文效果没人测过
  • ❌ 短文本为主:论文实验是句子/段落级,长篇小说效果未验证
  • ❌ 依赖作者嵌入模型:嵌入的质量决定了迁移的上限
  • ❌ 只有语言层:捕捉的是用词和句式风格,不涉及叙事结构

结论

学术上很漂亮的工作。思路对(少样本+可插值),模型小(800M),效果好(超过GPT-4在作者归属上的表现)。

但对于中文网文写作来说,两个硬伤:没有中文版、只做了句子/段落级。

如果有人做个中文版的TinyStyler(用中文网文数据训练),价值会很大。当前还没有。


五、路线四:作品DNA提取——works-dna-extractor

是什么

最"不AI"的一条路线——不训练模型,纯用Prompt工程+Agent架构,从小说原文里提取结构化的"写作方法DNA"。

核心思想:提取方法,而非模仿文字。

16层DNA结构

层级维度说明
1叙事引擎靠什么驱动读者翻页
2POV与聚焦谁在看,读者知道多少
3场景架构开头/升级/转折/收尾的固定模式
4语言纹理句法节奏、用词偏好、比喻来源
5对话系统轮次长度、潜台词、权力动态
6内心戏系统直接思想/自由间接体/身体反应
7意象与母题反复出现的物体、感官通道、颜色
8情感算法情绪如何升起、伪装、转移、释放
9信息控制读者知道多少 vs 角色知道多少
10角色行为语法决策模式、说话风格、压力反应
11-16……(6层未完全公开)

工作流

1. 提取 DNA:输入原文 → LLM分析 → 输出结构化DNA档案
2. 指导续写:DNA + 续写指令 → LLM按DNA规范生成
3. 质量评估:续写文本 vs DNA → 8维度打分+修复建议
4. 迭代优化:根据评估反馈调整生成

为什么这条路线值得关注

  1. 粒度最细:16层结构,从叙事引擎到语言纹理全覆盖
  2. 零训练成本:不需要GPU,调用现成LLM就行
  3. 可解释可编辑:DNA是可读的结构化文本,人可以改
  4. 可评估:自带8维度rubric,能量化风格一致性
  5. 不绑死模型:可以和任意基座模型搭配使用

问题

  • ❌ 依赖基座LLM能力:提取质量完全取决于调用的大模型够不够聪明
  • ❌ 推理成本高:每次提取和生成都要消耗大量token
  • ❌ 长篇一致性未验证:DNA说起来好,写50章能不能保证不跑偏?不知道
  • ❌ 项目太小众:只有5个stars,成熟度低

但它的方向是对的

因为它瞄准的是网文真正值钱的东西——不是"这个人说话像谁",而是"这个人怎么讲故事"。

前面三条路线(预训练/SFT/少样本嵌入)全在"语言层"使劲——换用词、换句式、换修辞。但网文的核心竞争力在"结构层"——节奏、人物弧光、信息差、爽点布局。DNA路线是当前唯一试图系统复制"叙事方法"的方案。


六、横向对比:路线选择建议

你的需求推荐方案理由
追求网言语感地道,不在乎风格精度RWKV-Runner原生网文预训练,生成自然
固定1-2种风格,追求稳定效果StyleLLM每个风格单独微调,效果有保障
风格经常换,样本少,但只做短篇TinyStyler(等中文版)少样本+嵌入插值,灵活高效
需要深度控制叙事结构/人物/节奏works-dna-extractor16层DNA精细控制,可评估可迭代
长篇小说风格一致性续写DNA + 任意基座模型DNA做约束,配合生成模型
快速风格化润色(句子/段落级)StyleLLM / TinyStyler轻量高效,端到端输出

七、三个判断

判断1:语言层风格迁移基本可用,结构层还是空白

“改成X风格说话"这件事,SFT和少样本嵌入都已经做得不错了。但"用X的叙事方法写一个新故事”——还没有成熟方案。

这也是为什么所有"AI模仿某作者风格"的demo都是"一段话改写",没有"按某作者的风格写一本新书"的。

判断2:作品DNA路线现在最早期,但长期价值最大

如果有谁能真正解决"AI学会一个作者的写作方法"这个问题,大概率是从DNA/方法论提取这条路线出来的,而不是从训练模型这条路线。

因为训练模型学到的是"统计规律",不是"方法"。给模型看100张西红柿炒鸡蛋的照片,它也学不会炒菜。但DNA路线是直接把"菜谱"提取出来。

判断3:最有希望的组合——DNA高层约束 + 风格模型语言层润色

大纲/细纲 → 按DNA生成初稿 → 用风格模型做语言层润色
  • DNA管"怎么讲故事"(结构层、叙事层)
  • 风格模型管"说话的味儿"(语言层)
  • 两者结合 = 既有骨架,又有血肉

当前还没有项目把这两条路线真正整合起来。这可能是一个机会。


趋势判断(未来6-12个月,高不确定性)

以下判断基于当前信息推演,不确定性很高,仅供参考,不作为决策依据。

[风格注入的主流方法会从"prompt里塞标杆文"走向"微调/对齐"路径] — 当前大部分工具仍靠few-shot(少样本示例)塞prompt来实现风格控制。但本文调研显示,SFT微调、GRPO对齐等训练路线在风格分数上已能做到0.89+。随着微调成本下降和工具链成熟,6-12个月内"风格微调"会从专业技术变成普通用户也能使用的标准化功能。

[作品DNA/方法论提取会成为热门研究方向,但短期内难以跑出成熟可用方案] — 语言层风格迁移已基本可用,下一个前沿是结构层/方法论层的提取。本文判断DNA路线长期价值最大,会吸引更多研究者和创业者进入。但这个方向难度高(需跨学科的写作认知+AI技术),6-12个月内难以出现真正跑通的成熟方案。

[文风评估方法会从"主观感觉"走向"更量化的客观指标",但不会完全替代人工判断] — 当前文风好坏主要靠人读了感觉,评估的主观性很强。随着风格迁移技术的发展,对客观评估方法的需求会增加。未来可能出现基于风格特征提取、AI打分模型、多维度对比的评估工具。但文风的审美属性决定了纯客观指标无法完全替代人的判断。

[DNA高层约束 + 风格模型语言层润色的组合路线,会有项目开始尝试整合] — 本文提出的"DNA管结构层 + 风格模型管语言层"组合方案,逻辑上是当前最有希望的路径。6-12个月内可能会有项目开始尝试把两条路线整合起来。但整合难度高(两个系统的接口、粒度匹配、质量控制都是挑战),大概率还是实验性阶段。


边界与局限

本文的结论有以下边界,超出范围的外推可能不成立:

  1. 时间边界:所有项目数据和论文信息截至2026年上半年。AI模型迭代快,半年后可能已有新的路线和进展
  2. 样本量有限:每条路线只有1-3个代表项目/论文,统计意义有限,更多是方向性判断
  3. 效果验证不足:大部分项目的效果描述来自项目方自述或论文实验,未做独立复现和盲评
  4. 中文场景偏差:TinyStyler等代表性工作基于英文,中文网文场景的效果只是推测,未经验证
  5. 路线成熟度差异大:从预训练(成熟)到作品DNA(极早期)跨度大,放在一起对比容易高估早期路线的可行性
  6. 缺少成本-效果量化对比:不同路线的"性价比"判断为定性分析,没有统一的量化评估标准

本文为《60分天花板》系列第4篇
上一篇:P3(开源项目技术路线拆解·下)
下一篇:P5(学术前沿研究综述)

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

例题讲解拉格朗日乘子法、线性可分支持向量机(SVM)的推导

支持向量机(Support Vector Machine, SVM)的简单推导及例题

zzzssszzzzsz的博客 5684

AI网文写作全景调研(二·下):开源项目技术路线拆解——训练、DNA与路线选择

同时针对中文网文的SFT微调项目在增多,模型质量提升会直接降低开源工具的使用门槛,本地部署从"技术爱好者的玩具"变成"有实用价值的选项"。:开源项目技术路线拆解的下篇,覆盖训练路线(预训练/SFT)、作品DNA路线、其他值得关注的项目。:路线很务实——不是"从零写新书",而是"基于成熟作品的骨架做改编仿写"。全15篇(14篇正文+1篇开篇导读),覆盖13个主题:商业工具、开源项目、文风蒸馏、学术前沿、瓶颈分析、路线判断、行动指南、失败案例、合规政策、多模态、经济学、实验验证、方法论。相对早期,值得关注。

loopne的博客 749

一键转换B站M4S缓存为MP4:无需FFMPEG命令的简易工具

本文介绍了一款专为B站用户设计的绿色工具,可将缓存的M4S视频和音频文件一键转换为通用MP4格式。该工具完全图形化操作,无需学习复杂的FFmpeg命令,解决了普通用户处理B站缓存视频的痛点。文章详细讲解了从下载、配置到转换的完整流程,并提供了常见问题排查与安全使用建议,帮助用户高效、安全地管理离线视频内容。

joy55的博客 481

AI网文写作全景调研(二·上):开源项目技术路线拆解——Agent与平台路线

全15篇(14篇正文+1篇开篇导读),覆盖13个主题:商业工具、开源项目、文风蒸馏、学术前沿、瓶颈分析、路线判断、行动指南、失败案例、合规政策、多模态、经济学、实验验证、方法论:本系列技术路线的完整分析分布在P2(工程架构)、P3(训练与DNA)、P4(文风专项),三篇合起来构成技术全景。,训练路线、文风蒸馏、作品DNA见P3/P4。:10个核心项目 + 10+个边缘项目 + 4个文风蒸馏项目(GitHub):GitHub数据采集 + 代码架构分析 + README/文档研读 + 社区活跃度评估。

loopne的博客 1299

Julia Ann老司机管理系统

https://content.badgirlsusa.com/Julia_Ann-Sexy_Julia_Ann_Fucks_A_Lil_Elf's_Big_Cock_/Julia-Ann-Naughty-America-%E6%80%A7%E6%84%9F%E7%9A%84%E8%A3%98%E8%8E%89%E5%A9%AD%E5%AE%89%E4%BA%82%E6%90%9E-lil-%E7%B2%BE%E9%9D%88%E7%9A%84%E5%A4%A7%E5%85%AC%E9%9B%9E-2020

www_oracle_com的博客 22万+

【计算机三级-数据库技术】操作题大题(第1套)

从触发器的语法中可知,【1】处应该填写的是执行触发器的表,【2】处应该填写指定在表或视图上执行哪些数据修改语句时将激活触发器的关键字。使用FOR或AFTER选顶定义的触发器为后触发器,即只有在引发触发器执行的语句中的操作都已成功执行,并且所有的约束检查也成功完成后,才执行触发器。转换成新的独立的模式,模式的属性由联系本身的属性及两个实体的键构成,主键由两端实体的键组合而成。实体的转换:在从ER图转换为关系模式时,一个实体转换成一个关系模式,实体的属性就是关系模式的属性,实体的键就是关系的主键。

放纵小开爱的博客 1105

AI网文写作全景调研(七):路线价值判断——7条路线,每条的天花板在哪?

全15篇(14篇正文+1篇开篇导读),覆盖13个主题:商业工具、开源项目、文风蒸馏、学术前沿、瓶颈分析、路线判断、行动指南、失败案例、合规政策、多模态、经济学、实验验证、方法论。调prompt的边际贡献非常有限——模型升级会把天花板整体抬高(比如从55分到60分),但人力调优的空间被模型本身的上限锁死。语言层的风格化能做到80分的相似度,但故事本身的质量还是基座模型的水平——50-60分。7条路线覆盖当前AI网文写作的全部主流技术路径,从纯模型直出到方法论编码,按"离生成的距离"排序。

loopne的博客 282

Qt代码-软件商店

ui->statusBar->showMessage(QString("%1 已卸载").arg(app["name"].toString()));ui->statusBar->showMessage(QString("开始下载 %1...").arg(app["name"].toString()));QString("%1 已下载完成,是否立即安装?ui->statusBar->showMessage(QString("%1 下载完成").arg(app["name"].toString()));

寒寒豆豆软件公司的博客 112

孙割网文火了,我把他的写法蒸馏成了一个能重复使用的写作skill

<think>我们只需要根据用户要求,生成≤150字的文章摘要。文章内容是关于把热点事件(孙宇晨网文)拆解成可复用skill的过程,以及作者用workbuddy制作了一个写作skill并验证。摘要需要简洁概括核心。字数限制≤150字。注意不要用markdown,直接文本。我们需要提取关键点:孙割(孙宇晨)网文引发关注;作者关注其写法而非瓜;将文风蒸馏成写作skill(名为“sun-ge-writing”),内含手法与门规;用workbuddy自动生成并推送GitHub;通过示例《我楼下的独身女人》验证。最后

guohwa659的专栏 200

工业相机通用SDK封装实战:C#硬件抽象层(HAL)实现多品牌无缝切换

本文介绍了一种解决工业相机SDK碎片化问题的通用解决方案。作者基于多年工业视觉项目经验,提出通过硬件抽象层(HAL)和适配器模式封装不同品牌相机的SDK差异,实现统一的相机操作接口。文章详细分析了传统直接对接SDK方式的四大痛点:接口碎片化、维护成本高、业务耦合度高和稳定性差,并给出了分层架构设计方案。该方案采用三层架构(业务层、抽象层、实现层),遵循最小接口原则和高内聚低耦合等设计理念,定义了包括触发模式、像素格式等通用枚举类型,以及图像数据结构等核心抽象。最终实现的HAL层能够支持多种品牌相机,显著降低

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。 578

基于百度地图API在AI Studio上的卫星地图块图像处理与分类

本项目基于百度地图API获取了不同的瓦片地图并进行合并等处理,可用于遥感和抽象地图的地图块的图像分类、分割、检测等数据的制作。瓦片地图金字塔模型是一种多分辨率层次模型,从瓦片金字塔的底层到顶层,分辨率越来越低,但表示的地理范围不变。首先确定地图服务平台所要提供的缩放级别的数量N,把缩放级别最高、地图比例尺最大的地图图片作为金字塔的底层,即第0层,并对其进行分块,从地图图片的左上角开始,从左至右、从上到下进行切割,分割成相同大小(比如256x256像素)的正方形地图瓦片,形成第0层瓦片矩阵;

斌擎科技 748

开篇:AI写网文的天花板在哪?

不卖工具,不卖课,没有万能提示词。这是实验笔记的"研究底座"——记录AI网文写作这件事在2026年8月的全行业真实状态。实验笔记还在继续,这个专栏先把行业全景放这里。

loopne的博客 267

汇川H5U模拟量输出模拟量转换FC: S_RTI

汇川H5U模拟量输入模拟量转换 FC S_ITR_RXXW_Dor的博客-优快云博客接口中的临时变量,如果优化的可以省去一些,感兴趣的可以自行编写修改下,这里不在举例。至此模拟量输入转换FC编写完成。

RXXW_Dor的博客 6687

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 341

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 280

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 616

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 209

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 345

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 363

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 87

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 163

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 514

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 619

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

408

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 402

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程

WorkBuddy 实战:一句话需求 → 七屏可交互原型,户外徒步 App 的 AI 设计全流程,跟着博主一起来还原整个过程。

夜郎King的博客 5168
上一篇: AI网文写作实验笔记(十):AI 写情绪只有对话拿得出手——载体蓝图实测 80% 遵守,其余载体一写就是 AI 味
下一篇: AI网文写作全景调研(五):学术前沿综述——2025-2026年,论文圈在解决什么问题?
loopne
博客等级 码龄11年 0粉丝 26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