<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[spatial_coder的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/spatial_coder</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; spatial_coder]]></copyright><item><title><![CDATA[Muse Image / Muse Video 技术解析：智能体式多模态生成与测试时计算扩展]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/162793733</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/162793733</guid><author>spatial_coder</author><pubDate>Sat, 11 Jul 2026 17:49:26 +0800</pubDate><description><![CDATA[Meta Superintelligence Labs推出新一代多模态生成模型Muse系列，采用创新的智能体式生成（Agentic Generation）范式，模型在生成过程中主动调用编码、搜索等工具，并通过自我反思优化输出。Muse Image在LMSYS Arena榜单中位列文本生成图、图像编辑等三项第二名，其核心架构支持工具使用、自我精炼和测试时计算扩展，显著提升生成质量。Muse Video（预览版）基于相同架构，支持原生音频，位列文本生成视频第三名。此外，模型内置Content Seal不可见水印]]></description><category></category></item><item><title><![CDATA[gemini storybook agent设计思路剖析]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/150654440</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/150654440</guid><author>spatial_coder</author><pubDate>Tue, 24 Mar 2026 22:48:33 +0800</pubDate><description><![CDATA[IllustratorSingleCall: An illustration director that writes detailed instructions to illustrate pages of a storybook - 为故事书页面编写详细插图指令的插画导演。Storyboarder: A storyboarder that writes illustration notes for stories - 为故事写插图说明的分镜师。]]></description><category></category></item><item><title><![CDATA[nano banana pro原理及使用技巧]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/156516039</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/156516039</guid><author>spatial_coder</author><pubDate>Fri, 02 Jan 2026 21:21:09 +0800</pubDate><description><![CDATA[数据过滤与预处理采用多种技术，包括去重、遵守 robots.txt 协议、以及符合谷歌“安全且负责任地推进 AI”承诺的在线安全过滤，并通过质量过滤以降低风险、提升训练数据可靠性。nano banana pro模型支持生成1K，2K，4K分辨率，以及1:1,2:3,3:2,16:9等多种不同比例的图片。也支持调用谷歌地图搜索；支持输入：文本串（如问题、提示、待摘要的文档）和图像，token 上下文窗口最高 1M。预训练部分数据是一个大规模、多领域、多模态的异构语料库，涵盖公开网页文档、文本、代码、]]></description><category></category></item><item><title><![CDATA[flux2提示词创作指南]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/156062809</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/156062809</guid><author>spatial_coder</author><pubDate>Thu, 18 Dec 2025 21:11:08 +0800</pubDate><description><![CDATA[分镜提示词创作指南分镜提示词使用精通分镜提示词技巧，轻松实现绘本插图设计、排版设计、精准控色及剧情还原等功能。提示词结构使用以下公式可获得稳定效果：主体 + 动作 + 风格 + 背景● 主体：核心焦点（人物、物体、角色）● 动作：主体的行为或姿态● 风格：艺术表现手法、媒介或美学风格● 背景：场景、光线、时间、氛围或环境条件示例 1。]]></description><category></category></item><item><title><![CDATA[Kimi K2万亿参数开源模型原理介绍]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/149301855</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/149301855</guid><author>spatial_coder</author><pubDate>Sat, 12 Jul 2025 23:39:57 +0800</pubDate><description><![CDATA[实际应用中，Kimi K2 在 15.5 T token 的预训练全程使用 MuonClip，未出现任何训练尖峰，证明 MuonClip 是大规模 LLM 训练稳定可靠的解决方案。可以看到编写的页面排版布局比较美观，而且遵循了RTL的阿拉伯文阅读顺序，使用的绿色、金色是中东人偏好的颜色。通过 MuonClip优化器，可学习的缩放因子 η 把 logits 限制在阈值 t 内，Kimi K2 在 15.5 T token 预训练中未出现任何 loss spike，验证了其在大规模 LLM 训练中的稳健性。]]></description><category></category></item><item><title><![CDATA[lovart design 设计类agent的系统提示词解读]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/148071188</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/148071188</guid><author>spatial_coder</author><pubDate>Mon, 19 May 2025 19:32:45 +0800</pubDate><description><![CDATA[全链路设计能力：可以快速生成完整的品牌视觉方案，包括标志、配色、品牌规范等，支持从品牌设计到包装、海报、3D 模型等多种设计任务。多模态创意生成：整合了多种顶级 AI 模型，能够生成故事板、视频（含背景音乐和旁白）、3D 动画等跨媒体内容。专业编辑功能：支持类似 PS 的图层分离和编辑，用户可以轻松修改文字、颜色等元素，还具备扩图、去背景、擦除元素等功能。高效协作：支持多人实时协作，适合团队头脑风暴和跨部门项目。]]></description><category></category></item><item><title><![CDATA[Agent2Agent(谷歌A2A)协议原理讲解]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/147717253</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/147717253</guid><author>spatial_coder</author><pubDate>Mon, 05 May 2025 20:14:41 +0800</pubDate><description><![CDATA[谷歌在25年4月初发布了A2A协议，作为MCP协议的补充。Agent2Agent协议致力于促进独立agent间的通信，帮助不同生态系统的agent沟通和协作。]]></description><category></category></item><item><title><![CDATA[MCP原理详解及实战案例(动嘴出UI稿、3D建模)]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/146443902</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/146443902</guid><author>spatial_coder</author><pubDate>Mon, 05 May 2025 14:37:11 +0800</pubDate><description><![CDATA[提出背景：随着基座大模型变得更加智能，agent与外部工具、数据和 API 交互的能力变得越来越分散：开发人员需要为代理运行和集成的每个系统实现具有特殊业务逻辑的代理，需要有一个用于执行、数据获取和工具调用的标准接口。与API的比较：API 是互联网上第一个伟大的统一器，为软件创建一种共享语言进行通信，但 AI 模型缺乏等效项。MCP补足了大模型连接数据、工具标准接口的生态位。]]></description><category></category></item><item><title><![CDATA[DeepSeek-Prover-V2模型原理速览]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/147692869</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/147692869</guid><author>spatial_coder</author><pubDate>Sun, 04 May 2025 12:30:16 +0800</pubDate><description><![CDATA[DeepSeek-Prover-V2-671B 是deepseek在4月30日放出来的一个用于数学推理的模型，模型基于deepseekV3, 在lean4证明框架内做了自动定理证明能力的训练。]]></description><category></category></item><item><title><![CDATA[llama4模型原理速览]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/147021800</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/147021800</guid><author>spatial_coder</author><pubDate>Sun, 06 Apr 2025 12:51:59 +0800</pubDate><description><![CDATA[2025年4月5日，meta发布了llama系列模型的第四代，包括Scout、Maverick和Behemoth。llama4支持多模态理解，工具调用，编程，多语种任务（暂不支持中文），知识截止到24年8月。多模态支持上，可输入文本和最多5张图片，输出文本；主要亮点：Maverick和 Scout模型此次也是首次采用了MoE混合专家结构，并且主打的亮点是原生的多模态能力、1千万上下文窗口，目前已经发布权重可用。]]></description><category></category></item><item><title><![CDATA[Django框架联合创始人Simon Willison：解锁AI写代码的高效模式]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/146361115</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/146361115</guid><author>spatial_coder</author><pubDate>Wed, 19 Mar 2025 20:45:00 +0800</pubDate><description><![CDATA[Simon Willison开发了一个让AI总结某个项目codebase的工具，利用。cd /tmpAI输出的文档总结了项目的架构、数据流转过程、各个模块之间的依赖关系、如何部署、项目的优势和潜在提升项，借此可以快速了解一个代码仓库的原理。例如让AI总结Monolith工具的codebase。]]></description><category></category></item><item><title><![CDATA[深度解析manus:技术原理剖析、开源平替方案架构分析]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/146276911</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/146276911</guid><author>spatial_coder</author><pubDate>Tue, 18 Mar 2025 22:00:00 +0800</pubDate><description><![CDATA[2025年3月初，号称首个通用性智能体的Manus发布，让agent作为7/24小时自动打工人的多个场景随即在社交媒体上引发热议，内测邀请码一时洛阳纸贵，被炒制数万元，同时带动了150多只AI智能体概念股涨停。据媒体披露，Manus背后的母公司蝴蝶效应的投资方包括真格基金、腾讯等。爆火之后，Manus的资源也是好起来了。不到两周的时间，Manus团队很快与阿里通义千问团队正式达成战略合作，双方将基于通义千问系列开源模型，在国产模型和算力平台上实现Manus的全部功能。]]></description><category></category></item><item><title><![CDATA[deepseek GRPO算法保姆级讲解(数学原理+源码解析+案例实战)]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/146103697</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/146103697</guid><author>spatial_coder</author><pubDate>Sun, 16 Mar 2025 23:06:33 +0800</pubDate><description><![CDATA[GRPO（Groupwise relative policy optimization）群组相对策略优化是deepseek提出的一种RLHF(基于人类反馈的强化学习)技术。首次提出是在DeepSeekMath中，RL被证明在SFT阶段后能有效提升LLM的数学推理能力。在GRPO提出之前，有两种流行的RLHF技术被广泛用于大模型的对齐过程中，分别是PPO和DPO。]]></description><category></category></item><item><title><![CDATA[openai agents SDK原理详解]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/146204123</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/146204123</guid><author>spatial_coder</author><pubDate>Wed, 12 Mar 2025 23:12:45 +0800</pubDate><description><![CDATA[上周manus大火，这周openai也坐不住了。3月12日凌晨，openai推出了新的agent开发套件，包括网页搜索、文件搜索、电脑使用、Responses API等，以及Agents SDK。
Responses API 是 OpenAI 推出的一种新的 API 原语，它结合了 Chat Completions API 的简洁性和 Assistants API 的工具使用能力，旨在帮助开发者更轻松地利用 OpenAI 的内置工具构建agents.
]]></description><category></category></item><item><title><![CDATA[图灵奖得主Richard S. Sutton 苦涩的教训(the bitter lesson)|AI经典重温]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/146069165</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/146069165</guid><author>spatial_coder</author><pubDate>Thu, 06 Mar 2025 20:00:00 +0800</pubDate><description><![CDATA[从70年的人工智能研究中得到的最重要的启示是，利用计算能力的通用方法最终是最有效的，而且优势巨大。其根本原因在于摩尔定律，或者更准确地说，是计算能力单位成本持续呈指数级下降的普遍趋势。大多数人工智能研究都假设智能体可利用的计算能力是固定的（在这种情况下，利用人类知识将是提升性能的少数途径之一），然而在比典型研究项目稍长的时间内，必然会有海量的计算能力可供使用。为了在短期内取得显著改进，研究人员试图利用他们对领域的专业知识，但从长远来看，唯一重要的因素是利用计算能力。]]></description><category></category></item><item><title><![CDATA[MIT 6.S184 流匹配与扩散模型公开课]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/146000847</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/146000847</guid><author>spatial_coder</author><pubDate>Mon, 03 Mar 2025 22:13:47 +0800</pubDate><description><![CDATA[MIT 2025年开设的关于流匹配算法与扩散模型的新课，6.S184: Generative AI with Stochastic Differential Equations（生成式人工智能与随机微分方程），授课教师是Peter Holderrieth和Ezrah Erives。生成式AI是一种能创建与训练数据相似的新数据的AI技术，例如生成逼真的图像、音乐或分子设计。课程涵盖涵盖扩散模型、基于流模型的训练、图像生成、生成式机器人技术和蛋白质设计等主题。并通过Google Colab提供实验代码。]]></description><category></category></item><item><title><![CDATA[claude3.7 Sonnet:首个混合推理大模型原理简介]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/145933195</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/145933195</guid><author>spatial_coder</author><pubDate>Fri, 28 Feb 2025 22:15:00 +0800</pubDate><description><![CDATA[2025 年 2 月 28 日下午 5:25，Anthropic发布了claude3.7 sonnet模型，这是首个混合推理语言大模型，即参照人类思考系统的快速反应与慢反思结合的工作模式，将LLM快速响应和思维链深度思考功能集成到统一的大模型中。其核心特点是能够在标准模式下提供近乎即时的响应，或在扩展思考模式下进行可见的逐步推理。从官网的介绍中，可以看到claude3.7在自己的长板能力(编程和前端开发)上取得了进一步的提升；]]></description><category></category></item><item><title><![CDATA[2024年金喵奖(product hunt)上榜AI产品及发展趋势盘点]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/145890097</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/145890097</guid><author>spatial_coder</author><pubDate>Wed, 26 Feb 2025 23:34:37 +0800</pubDate><description><![CDATA[AI编程工具带来开发效率跃升AI编程工具使单个开发者产出媲美传统5人团队，生产效率跃升。Cursor通过深度整合Claude 3.5 Sonnet模型，实现了代码自动补全、跨文件操作和复杂逻辑生成；Supabase通过Postgres.new优化数据库管理，结合AI助手实现智能查询；bolt.new则以AI自动化配置开发环境，形成从编码到部署的全链条辅助。多模态AI技术进入成熟落地期。]]></description><category></category></item><item><title><![CDATA[大模型安全问题详解(攻击技术、红队测试与安全漏洞)]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/145801131</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/145801131</guid><author>spatial_coder</author><pubDate>Sat, 22 Feb 2025 21:25:17 +0800</pubDate><description><![CDATA[提示注入攻击（Prompt Injection）数据投毒攻击（Data Poisoning）模型克隆攻击（Model Cloning）拒绝服务攻击（DoS）和拒绝钱包攻击（DoW）插件安全漏洞（Insecure Plug-in Design）敏感信息泄露（Sensitive Information Disclosure）模型篡改 (Model Tampering)对抗性攻击 (Evasion Attacks)软件供应链攻击什么是LLM红队测试？如何进行LLM红队测试？]]></description><category></category></item><item><title><![CDATA[openai agent第二弹：deepresearch原理介绍]]></title><link>https://blog.youkuaiyun.com/spatial_coder/article/details/145461109</link><guid>https://blog.youkuaiyun.com/spatial_coder/article/details/145461109</guid><author>spatial_coder</author><pubDate>Wed, 05 Feb 2025 22:45:19 +0800</pubDate><description><![CDATA[2月2日openai上线了第二个agent: deep research，具体功能类似24年11月google gemini发布的deep research。]]></description><category></category></item></channel></rss>