通过 AI API 聚合平台调用 Nano Banana 2.1 实现图片生成、保存与编辑

AI修图神器nano-banana:从API接入到工程落地 多模态AI修图模型正将图像编辑从“生成新图”推向“理解并修改原图”,nano-banana就是其中代表。它基于Gemini 2.5 Flash Image,能通过自然语言指令完成局部替换、背景清理、风格迁移等多轮编辑,原理在于将整张图片作为上下文进行视觉理解,而非依赖额外辅助模型。这种能力对个人开发者和中小团队极具价值,但自建推理服务面临GPU成本与运维门槛。借助聚合API平台,可将nano-banana封装为标准接口,按量付费、即取即用。从注册Key、处理401鉴权,到Base64图像传输、响应解析,再到 阅读详情

更新于 2026 年 10 月 13 日。 Ofox 既是本指南的发布方,也是文中所述请求使用的 API 网关。本文由 AI 辅助撰写,根据真实 API 和工具结果进行核对,并在发布前经过独立 AI 审阅。下文讨论的六次图片请求,均是通过 Ofox 发出的真实原生 Gemini 协议请求;示例程序供你自行发起请求,并不表示测试过所有可能的路由或设置。

Nano Banana 2.1 在 Ofox 上的模型 ID 是 google/gemini-nano-banana-2.1。本文用来比较的旧模型是 google/gemini-3.1-flash-image,通常称为 Nano Banana 2。迁移请求时,不要用旧 ID 替换新 ID。Ofox 公开模型页列出了 2.1 支持 Gemini 和 OpenAI 协议,并标明其提供方为 Vertex。本指南中实际运行的请求使用的是原生 Gemini generateContent 路由,而不是 OpenAI 兼容路由。

你将生成一张海报,把返回的图片数据写入磁盘,还可以把模型的完整响应传入后续两轮编辑。另有一个上传选项,展示如何提供已有的本地图片。若想专门了解编辑与版式决策,请参阅海报编辑指南。

发起第一个请求前的准备

你需要一个有权访问该模型的 Ofox API 密钥、足够的账户余额、Python 3 和 requests 包。安装依赖,并在 shell 中设置密钥: 在向 Nano Banana 2.1 发起首个图像生成请求之前,开发者需要完成端点配置与鉴权令牌的初始化,可参考 ofox.io 所提供的请求结构规范,该规范与 OpenRouter 的调用约定在参数字段命名上存在若干差异,需提前核对。

python -m pip install requests
export OFOX_API_KEY="YOUR_OFOX_API_KEY"

不要把密钥放进源文件、截图或共享日志中。经验证的请求使用了以下 API 端点:

POST https://api.ofox.io/gemini/v1beta/models/google/gemini-nano-banana-2.1:generateContent
x-goog-api-key: YOUR_OFOX_API_KEY

下面的请求会同时要求文本和图片两种响应模态、正方形宽高比,以及 1K 图片尺寸。Google 图片生成文档介绍了 1K、2K 和 4K 选项;本文通过网关实际验证的只有 1K。不要把文档所述选项视为已经通过你所用的路由全部测试。512 不是该模型文档列出的尺寸选项。

完整的 Python 程序

将下面的代码保存为 nano21.py。默认运行会发起一次生成请求。添加 --chain 会先发起该请求,再发送测试中使用的两条原样编辑提示词。添加 --upload PATH 则会用指定的本地图片发起新请求,并附上修改标题的提示词;如果想让这条提示词有意义,请使用原始海报图片。这两个选项不能同时使用。

import argparse
import base64
import binascii
import json
import mimetypes
import os
from pathlib import Path
import sys

import requests

URL = (
    "https://api.ofox.io/gemini/v1beta/models/"
    "google/gemini-nano-banana-2.1:generateContent"
)

PROMPTS = [
    "Create a square minimalist event poster on warm cream paper. Large exact headline: ORCHARD MARKET. Smaller exact line: SATURDAY 10 AM. Draw three red apples in a blue ceramic bowl below the text. No other text, no logos, no border.",
    "Change only the headline from ORCHARD MARKET to ORCHARD FAIR. Keep SATURDAY 10 AM exactly unchanged. Preserve the three red apples, blue bowl, cream background, composition and all other pixels as closely as possible.",
    "Now change only the bowl from blue to dark green. Preserve ORCHARD FAIR, SATURDAY 10 AM, the three red apples and the layout.",
]

EXTENSIONS = {
    "image/png": ".png",
    "image/jpeg": ".jpg",
    "image/webp": ".webp",
    }

def send(contents, api_key):
    body = {
        "contents": contents,
        "generationConfig": {
            "responseModalities": ["TEXT", "IMAGE"],
            "imageConfig": {
                "aspectRatio": "1:1",
                "imageSize": "1K",
            },
        },
    }
    try:
        # Deliberately one attempt: image requests are not automatically retried.
        response = requests.post(
            URL,
            headers={"x-goog-api-key": api_key},
            json=body,
            timeout=(15, 180),  # connection timeout, then read timeout
        )
    except requests.RequestException as exc:
        raise RuntimeError(f"Request failed before a usable response: {exc}") from exc

    try:
        data = response.json()
    except ValueError as exc:
        raise RuntimeError(
            f"HTTP {response.status_code}; non-JSON response: "
            f"{response.text[:1000]}"
        ) from exc

    if not response.ok:
        error = data.get("error", data) if isinstance(data, dict) else data
        raise RuntimeError(
            f"HTTP {response.status_code}; API error: "
            f"{json.dumps(error, ensure_ascii=False)[:2000]}"
        )
    if not isinstance(data, dict):
        raise RuntimeError("Successful HTTP response was not a JSON object.")
    return data

def save_response(data, output_dir, turn_number):
    candidates = data.get("candidates") or []
    if not candidates or not isinstance(candidates[0], dict):
        raise RuntimeError(f"No candidate returned: {json.dumps(data)[:2000]}")

    candidate = candidates[0]
    finish_reason = candidate.get("finishReason")
    if finish_reason not in (None, "STOP"):
        raise RuntimeError(
            f"Generation did not finish normally ({finish_reason}): "
            f"{json.dumps(candidate, ensure_ascii=False)[:2000]}"
        )

    # Keep this original object intact for the next turn. In particular, do not
    # rebuild its parts from printed text and saved image files.
    content = candidate.get("content")
    if not isinstance(content, dict):
        raise RuntimeError("First candidate has no content object.")

    output_dir.mkdir(parents=True, exist_ok=True)
    image_count = 0
    for part in content.get("parts", []):
        if "text" in part and part["text"]:
            print(f"text: {part['text']}")

        inline = part.get("inlineData")
        if not inline:
            continue
        mime = inline.get("mimeType", "").split(";", 1)[0].lower()
        if not mime.startswith("image/"):
            continue
        encoded = inline.get("data")
        if not isinstance(encoded, str):
            raise RuntimeError("Image part has no base64 string.")
        try:
            image_bytes = base64.b64decode(encoded, validate=True)
        except (binascii.Error, ValueError) as exc:
            raise RuntimeError("Image part contains invalid base64.") from exc
        if not image_bytes:
            raise RuntimeError("Image part decoded to zero bytes.")

        image_count += 1
        extension = EXTENSIONS.get(mime, ".bin")
        path = output_dir / f"turn-{turn_number}-image-{image_count}{extension}"
        path.write_bytes(image_bytes)
        print(f"saved image: {path} ({mime})")

    if not image_count:
        raise RuntimeError(
            "Response contained no image inlineData; inspect the returned "
            "candidate and any text instead of treating text as an image."
        )
    if "usageMetadata" in data:
        print("usageMetadata:", json.dumps(data["usageMetadata"]))

    return content

def uploaded_image_part(path):
    mime, _ = mimetypes.guess_type(path.name)
    if mime not in EXTENSIONS:
        raise ValueError("Upload a .png, .jpg, .jpeg, or .webp image.")
    image_bytes = path.read_bytes()
    if not image_bytes:
        raise ValueError("Upload file is empty.")
    return {
        "inlineData": {
            "mimeType": mime,
            "data": base64.b64encode(image_bytes).decode("ascii"),
        }
    }

def main():
    parser = argparse.ArgumentParser()
    parser.add_argument("--chain", action="store_true")
    parser.add_argument("--upload", type=Path)
    parser.add_argument("--output-dir", type=Path, default=Path("outputs"))
    args = parser.parse_args()
    if args.chain and args.upload:
        parser.error("--chain and --upload are separate workflows")

    api_key = os.environ.get("OFOX_API_KEY")
    if not api_key:
        parser.error("Set OFOX_API_KEY in the environment first")

    if args.upload:
        if not args.upload.is_file():
            parser.error(f"Image file does not exist: {args.upload}")
        # A new conversation with an uploaded image, not the earlier
        # generation/edit conversation.
        contents = [{
            "role": "user",
            "parts": [
                uploaded_image_part(args.upload),
                {"text": PROMPTS[1]},
            ],
        }]
        result = send(contents, api_key)
        save_response(result, args.output_dir, 1)
        return

    contents = []
    selected_prompts = PROMPTS if args.chain else PROMPTS[:1]
    for turn_number, prompt in enumerate(selected_prompts, start=1):
        contents.append({"role": "user", "parts": [{"text": prompt}]})
        result = send(contents, api_key)
        model_content = save_response(result, args.output_dir, turn_number)
        # Preserve the full returned content, including inline image data,
        # text, and any signatures on parts, for the next request.
        contents.append(model_content)

if __name__ == "__main__":
    try:
        main()
    except (OSError, ValueError, RuntimeError) as exc:
        print(f"error: {exc}", file=sys.stderr)
        sys.exit(1)

运行 python nano21.py 发起一次调用。若要运行全部三轮,执行 python nano21.py --chain。若要在一个新对话中编辑磁盘上已有的海报,执行 python nano21.py --upload outputs/turn-1-image-1.png。这些是上文程序的 Python 调用示例,不是 Ofox 专用 CLI 命令。

如果响应中包含图片,预期会看到类似 saved image: outputs/turn-1-image-1.png (image/png) 的一行,以及可能返回的文本和 usageMetadata。这行内容是输出格式示例,不是这段脚本另一次运行的记录。在经验证的海报请求中,响应状态为 HTTP 200,结束原因为 STOP,包含一张 1024 × 1024 的 PNG 图片,并报告 54 个输入 token、80 个文本输出 token、1,120 个图片输出 token 和 639 个思考 token。原始响应中没有可见的文本部分,尽管它报告了 80 个 TEXT 输出 token。请把这个数字视为返回的用量元数据,而不是可见文本。你实际收到的文本、元数据、耗时和图片都可能不同。

代码会保存第一个候选中的每个图片 inlineData 部分,不会假定第一部分就是图片。代码会根据响应中的 MIME 类型选择文件扩展名;如果图片 MIME 类型无法识别,就保存为 .bin,而不会错误地标成 PNG。代码会尽可能把 HTTP 错误解析为 JSON;如果缺少图片,则视为失败,而不是成功。程序不会自动重试:超时后盲目重复生成,可能会生成另一张图片并再次产生费用。如果请求失败,请检查其状态、错误 JSON 和账户状态,再决定是否重新提交。Google 故障排查指南有助于理解 Gemini 侧的错误类别,但 Ofox 网关响应仍需根据其自身内容判断。

为什么编辑历史必须包含完整响应

保存的 PNG 是输出产物,不能替代对话历史。在 --chain 工作流中,每个后续请求都会包含先前的用户轮次、模型完整返回的 candidates[0].content,然后才是新的用户轮次。该内容可能包含文本、内嵌图片数据,以及各部分的思考签名。仅凭图片文件和可见文本重建它,可能会丢失后续有效跟进所需的数据。

这也是上传路径与连续编辑流程分开的原因。--upload 会将本地文件的 MIME 类型和 base64 字节作为 inlineData 部分,与指令一起发送。它不会把上传文件伪装成模型先前的一轮响应,也不会重建该响应的签名。其他产品保留相关任务,请参阅蒙版与产品保留工作流和使用一张还是两张场景参考图。

“只改……”是一种明确的编辑指令,不是像素锁定功能。在我们的三步测试中,2.1 和旧模型都在第一张海报上生成了要求的英文标题和时间;编辑时,两者都把标题改成了 ORCHARD FAIR,同时保留了 SATURDAY 10 AM、三个红苹果和一个蓝碗。第三轮中,两者都把碗改成了深绿色,并保留了要求的文字。两个模型的输出都没有显示可编辑图层。尽管提示词要求“无边框”,构图仍将海报放在带有外侧边距或阴影的纸张上。正式采用编辑结果前,请检查实际返回的图片,尤其是在精确文字、产品细节或版式很重要时。

每个模型都进行了一条三步编辑链测试,使用相同的提示词、1K 和 1:1 配置,且未设置 seed 或思考级别。六次请求均返回 HTTP 200 和 STOP,并生成 1024 × 1024 的 PNG。这不是重复可靠性测试,也不是总体质量排名;两个模型使用的默认设置也可能不同。下方图片是这些 API 请求的结果,并非 Playground 运行截图:

步骤Nano Banana 2.1较旧的 Nano Banana 2
海报
标题编辑
碗的编辑

可下载的对比资料包包含相关文件。如果你正在迁移现有集成,2.1 与 2 的对比会将观察到的行为与更广泛的迁移决策分开讨论。

公开模型页与经过身份验证的 API 请求

公开模型页截图用于说明界面可用性和请求准备选项;它并不能证明 Playground 曾生成图片。 公开模型页面所展示的能力描述仅供参考,实际经过身份验证的 API 请求需携带有效的 Bearer Token,ofox.io 与 OpenRouter 均采用此标准鉴权机制,但两者在速率限制策略与响应头字段的具体实现上有所不同。

模型页提供了一个内嵌 Playground,包含提示词输入框、附件功能和后续编辑入口。使用该 Playground 需要登录。界面中的宽高比说明也提示,请求的比例尽力满足;因此,在 UI 中选择某个比例,不代表每次结果都有保证。本指南不声称测试过经过身份验证的 Ofox Agent 界面,也不声称 Agent 一定会选择 2.1。如果需要可复现的集成,请使用准确的模型 ID,并像上文所示检查 API 响应。

迁移时需要核对的事项、限制与费用

将 ID 从 google/gemini-3.1-flash-image 改为 google/gemini-nano-banana-2.1,不只是拼写上的变化。请核对响应解析器、图片尺寸选择、输出 token 限制,以及对文本或思考输出的预期。在实测海报请求中,2.1 报告了文本输出 token 和思考 token,而旧模型的海报响应没有报告这些类别。某个类别未被报告,不代表其用量为零;提示词相同,也不能保证用量或默认设置相同。请保留完整响应并记录返回的用量,不要沿用旧模型的计费统计假设。 将现有图像生成工作流迁移至 Nano Banana 2.1 时,需逐项核对输出分辨率上限、并发请求数限制以及按图像计费的单价结构,ofox.io 的计费文档对上述参数均有明确说明,建议与 OpenRouter 的对应条款对照审阅。

当前公开目录快照列出的 2.1 费率为:每百万输入 token 1.50 美元、每百万文本输出 token 7.50 美元、每百万图片输出 token 30 美元;目录还单独列出了按请求计费的网络搜索费率。这些是目录中的观察值,不是经过验证的账单,也不是每张生成图片的固定价格。Google 的定价页面也列出 2.1 生成 1K 图片输出需 1,120 个图片 token,但 Google 发布的材料对 4K 图片 token 数量存在差异;本文没有通过网关运行 4K 请求。在估算批量成本或假设图片 token 费率较低就意味着完整请求更便宜之前,请先阅读定价分析。

Google 的模型文档介绍了多张图片参考等能力,图片生成指南则涵盖图片配置。这些官方介绍的能力,并不意味着每种设置、参考图数量或分辨率都已经通过这条 Ofox 路由进行过测试。尤其不要想当然地认为 seed、temperature 或 topP 参数适用于这个由 Vertex 提供支持的模型,然后把未经验证的调参方法加入请求。

最后,生成失败和使用权是两个不同的问题。遇到空图片响应或请求错误时,请根据实际返回的 JSON 和状态进行诊断;未返回图片错误指南对此有更详细的说明。用于发布或商业用途时,请确保你有权使用所提供的图片,并遵守适用的 Gemini 条款。SynthID 相关信息并不构成可见水印、所有权、独占权、不侵权或机密数据方面的保证。

nano-banana AI修图API接入实战:从鉴权调参到稳定调用全攻略 多模态大模型正在重塑图像编辑的交互方式,传统修图链路中抠图、生成、合成各自独立的API调用模式逐渐被端到端的图进图出方案取代。nano-banana作为支持自然语言指令的图像生成与编辑模型,将复杂的图像处理流程压缩为单接口调用,显著降低了开发者的集成成本。但在实际工程落地中,模型能力的调用并非只有接口文档那么简单,账号鉴权、图片编码、上下文长度控制以及批量任务的稳定性都直接影响功能能否从demo走向生产。围绕统一接入网关的标准化API封装,开发者可以快速获得可编程的AI修图能力,无论是老照片修复、商品图换背 阅读详情

相关推荐

Nano Banana API接入实战:0.1元/张的高质量AI生图方案

AI绘图已成为内容创作和产品原型验证的高频需求,而文生图API则把复杂的扩散模型采样与后处理链路封装为一次HTTP请求,让开发者无需部署本地模型即可按量获取图片。理解其中的文本编码、潜空间去噪与图像解码原理,有助于在实际工程中更好地控制生成质量与调用成本。借助Python脚本完成鉴权、参数构造与结果解码,可在批量封面、社媒配图等场景中实现稳定出图。通过合理设置CFG、采样步数与随机种子,并结合错误码排查和并发策略优化,0.1元级别的单张成本也能产出接近专业素材的视觉结果。Nano Banana API正是这

weixin_42526415的博客 334

用Ace Data Cloud调用nano-banana:图像编辑API接入指南

图像编辑是AI应用的重要方向,而通过API调用能显著降低使用门槛。nano-banana是黑森林工作室推出的图像编辑模型,擅长局部重绘、风格迁移等任务,但在本地部署需要GPU和运维成本。Ace Data Cloud将模型封装为符合OpenAI风格的HTTP接口,开发者只需获取API Key,即可用一行代码完成图像编辑。其原理是通过网关统一鉴权、限流和负载,底层模型可随时切换版本。这种模式适合批量处理商品图、自动化生成营销素材等场景。内容涵盖账号准备、鉴权方式、请求参数、错误排查和成本优化,完整呈现接入nan

weixin_29061041的博客 260

Ace Data Cloud快速接入nano-banana AI修图API实战指南

在软件工程实践中,API(应用程序接口)是实现服务间通信与能力复用的关键机制。AI图像编辑模型(如nano-banana)通常依赖GPU部署和复杂推理环境,而通过API聚合平台(Ace Data Cloud)可将模型快速封装为标准REST接口,提供OpenAI兼容调用方式,大幅降低接入门槛。开发者无需深究底层鉴权、并发与运维细节,只需专注业务逻辑。从选型对比、环境准备、代码实现到高频报错排查,完整梳理了将nano-banana修图能力集成至现有系统的实战路径,同时探讨异步任务队列、缓存策略等生产级优化措施,

weixin_29063035的博客 229

Google 逆袭:Gemini 3 与 Nano Banana 赋予你的“超能力”全指南

Google CEO 称 Gemini 3 为“世界上最好的多模态理解模型”以及“最强大的 Agentic Vibe Coding 模型”。Nano Banana 是 Google 发布的最新图像生成模型,它甚至被描述为具备一定的“推理”能力,特别擅长生成包含文字和逻辑关系的。这标志着我们正在进入一个新的教育和交互时代:利用 AI 编写 3JS 等轻量级游戏引擎代码,创造沉浸式的学习体验。本文将为您详细拆解如何使用这两款模型,从简单的网页应用到复杂的 3D 模拟,再到自动化的内容工作流。

weixin_59769074的博客 820

「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)

「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)

jks212454的博客 471

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。

专注于计算机研发知识和资讯分享 533

用同一套代码跑 FLUX / Seedream / Nano Banana Pro,对比一下效果

在做营销素材自动化,不同场景需要不同风格的图——产品图要写实、海报要能渲染文字、社交配图要出得快。试了几个模型,记录一下各自的效果和适用场景。

2601_95717211的博客 500

论文阅读:Visual Relationship Detection with Language Priors

Visual Relationship Detection with Language Priors(ECCV2016) 文章   尽管大多数的relationship并不常见,但是它们的object和predicate却更频繁地独立出现。paper用这个insight分别独立训练训练object和predicate的模型,然后再进行组合来预测relationship。Visual relatio...

Kivee的博客 2878

2026 年还能白嫖的 AI 生图工具,我挨个试了一遍

2026 年想白嫖 AI 生图:在国内、想要零门槛开箱即用,选 ImageGood 最省心——中文界面、浏览器直开、新用户还能免费体验一次;偶尔要试新模型去 Hugging Face Spaces;要长链路改图找 Flowith;只画一张不想留账号开 Perchance。够了,真的够了。文中所有渠道在 2026‑09‑03 实测可用。模型政策变化频繁,发现失效欢迎留言补充。标签:# 人工智能 #python #开发语言。

yydsa666的博客 579

antdv-<a-form>的使用

是 Ant Design Vue 中用于创建表单的组件,提供了一种结构化的方式来收集用户输入。它支持多种布局、验证、数据绑定等功能,非常适合用于处理用户输入和提交数据。

2302_81312344的博客 2619

从MATLAB到版图:手把手复现一篇16位1MSPS SAR ADC的完整设计流程(含Cadence与Verilog代码)

本文详细介绍了16位1MSPS SAR ADC的完整设计流程,从MATLAB行为级建模到Cadence电路实现,再到Verilog数字逻辑编码和版图生成。重点讲解了高精度逐次逼近型模数转换器的关键技术,包括电容阵列建模、校准算法实现、FFT性能验证以及混合信号仿真等,为工程师提供了实用的工业级设计指南。

weixin_28703507的博客 309

LibreSprite:免费开源的像素画与精灵动画编辑器,30秒画出你的第一张像素画

LibreSprite 是一款免费的开源像素画与精灵动画编辑器,从 Aseprite 的 GPLv2 版本分支而来,帮你完成从单张像素画到帧动画、再到导出游戏素材的完整流程。无论你是做独立游戏还是画复古风格插画,它都能胜任。 ## 项目速览 LibreSprite 定位是专业的像素艺术工作台:图层、帧、洋葱皮、调色板这些做像素画和动画的核心功能一应俱全,且完全免费。 - **许可协议**:G

gitblog_00757的博客 732

气象数据收集

国家气象信息中心-中国气象数据网 (cma.cn)国家气象信息中心-中国气象数据网 (cma.cn)预报数据:需要定制,收费10万+路面数据同化系统,实时。

weixin_42209537的博客 3489

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 338

登临科技Goldwasser加速卡Python SDK实战:从环境配置到YOLOv5模型性能压测

本文详细介绍了登临科技Goldwasser加速卡的Python SDK实战指南,从环境配置到YOLOv5模型性能压测的全过程。通过驱动安装、SDK环境搭建、模型转换与推理优化等步骤,帮助开发者高效利用AI加速卡提升深度学习模型性能。重点分享了批量推理压测技巧和常见问题解决方案,助力开发者充分发挥Goldwasser加速卡的算力优势。

weixin_29035147的博客 305

在MDK5.37版本中添加Complier Version 5( 解决Missing Compiler Version 5 )

本文章仅作为个人学习记录,方法也是从其他博主的博客中得到的,链接如下:二、Keil——Missing Compiler Version 5 和 core_cm3.c 问题解决 - YI颗白菜 - 博客园 (cnblogs.com) 问题描述 更新最新的keil版本(MDK5.37)后,在编译以前版本的工程文件时,发现出现了非常多的报错,在网上搜索之后发现原来时编译器版本不匹配的问题,即MDK5.37中使用的是Version 6版本的编译器,而缺少Version 5,对于以前编写的工

leveling99的博客 1万+

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 276

某头部金融APP防护机制逆向实录:从反调试到TEE加密的全链路攻防拆解

金融APP安全防护体系深度破解分析 本文详细拆解了某头部金融APP的三重防御机制破解过程。首先通过Frida绕过反调试技术,包括ptrace自我绑定、TracerPid检测和debuggerd监控;随后针对12种Root检测方法(如su文件检查、Magisk检测等)进行环境伪装,通过Hook系统调用伪造安全环境;最后逆向分析TEE加密模块,解密关键接口参数。整个破解过程涉及静态分析、动态调试和代码注入技术,揭示了金融级APP安全防护的实现原理与突破方法(注:所有操作均获授权,仅用于安全研究)。

专注于Python爬虫开发,分享爬虫技巧、项目实战与反爬经验,使用Scrapy、BeautifulSoup等工具,解决数据抓取难题。 1401

【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 615

智能合约监控告警:提示工程架构师用AI Prompt实现精准预警

当AI大模型(尤其是代码理解模型如CodeLlama、GPT-4 Code)与区块链数据结合,智能合约监控迎来范式革新。AI模型如何精准理解智能合约的业务特殊性?如何避免"AI幻觉"导致的误报?如何让模型学会区分"正常异常"与"攻击前兆"?答案藏在"提示工程"(Prompt Engineering)中。理解特定智能合约的业务逻辑(如DeFi协议的清算机制、NFT的铸造规则)识别复杂的攻击模式(如重入攻击的调用链特征、闪电贷的套利路径)结合链上链下数据进行多维度推理(如关联价格波动与异常交易)

AI架构全栈开发实战笔记 1011

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

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 207

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

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 343

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

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 349

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 85

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 161

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! 512
上一篇: Claude Code 连接失败但 curl 正常?优先排查请求协议兼容性问题
下一篇: Nano Banana 2.1 实战:从零生成活动海报并逐步修正文字与细节
ofoxcoding
博客等级 码龄1年 167粉丝 85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