loop-me 165K 开源 Skills 系列 Skills For Real Engineers 新添一个 Skill「loop-me」:目前还在 in-progress 阶段,在多轮会话里,用当前目录作有状态工作区,通过「拷问」把想法磨成可落地的工作流规格。 loop-me 和 grill-me 共用 gr 2026-07-23 开发工具 #grill-me#Skill#工作流#Agent#loop-me
Lovart分层编辑:在超越设计工具的路上更进一步 1. Lovart 分层编辑:在超越设计工具的路上更进一步 [!info] 阅读导览 主体 Lovart 图层分离功能(编辑元素、3 层拆分、文字可改) → 1.1 不止于图片(内置视频/3D 模型) → 1.2 Fast mode 快速模式 2. Lova 2026-07-23 设计工具 #Lovart#AI设计#图层分离#生图#Hailuo#LTX#Fast mode
MCP 传输方式,stdio、HTTP SSE 和 Streamable HTTP 1. MCP 传输方式,stdio、HTTP SSE 和 Streamable HTTP MCP 使用 JSON-RPC 协议来编码消息。为了在客户端和服务器之间传递消息,需要相应的传输机制。 根据版本的不同,MCP 协议定义了两类三种传输方式。两类方式是 stdio 和 HTTP。三种分别是 st 2026-07-23 技术文档 #MCP#网络协议#stdio#HTTP#SSE#Streamable HTTP#JSON-RPC
MCP-Use:让 AI 智能体轻松调用任何工具的开源神器 1. MCP-Use:让 AI 智能体轻松调用任何工具的开源神器 1.1. 什么是 MCP-Use? 在 AI 智能体开发中,我们经常遇到一个问题:如何让大语言模型(LLM)真正"动起来",不仅仅是回答问题,还能执行实际的操作?比如浏览网页、操作文件、搜索信息等。 MCP-Use 就是解决这个问题的 2026-07-23 开发框架 #MCP#AI智能体#开源#工具调用#Python#LangChain#AI技术
MoE_让大模型更大_更准_还更快 Mixture of Experts (MoE) 是一种神经网络架构,它的核心思想是将一个复杂的任务分解成若干个子任务,并为每个子任务分配一个专家网络来处理。这种架构在处理大规模模型时,能够显著提高效率和性能。 近些年,MoE 与 LLMs 的结合,LLMs 的性能和效率得到进一步提升。如今 MoE 2026-07-23 人工智能 #大语言模型#机器学习#深度学习#MoE#人工智能#专家混合
n8n-案例-n8n平台助手 1. 简介 本工作流借助一个由 AI 驱动的助手,让您能毫不费力地找到 n8n 平台相关问题的答案。您只需提出问题,该助手便会搜索相关文档、论坛帖子及示例工作流,从而根据您的具体需求,提供全面而准确的答复。 请注意:本工作流使用了社区节点 ( n8n-nodes-mcp.mcpClientTool 2026-07-23 n8n #n8n#工作流#AI#助手#MCP#自动化
n8n 已死?我用 Kimi 跑通了 Claude Skills 直接替代工作流 前段时间 Trae 下架了 Claude,标志着但凡跟中国沾边的 AI 工具都禁止使用 Claude。 但我一点都不慌,因为已经很久没用 Claude 了。 尤其在编程赛道上,国产大模型已经通过内部互卷站起来了。 昨天 Kimi 发布并开源了 Kimi K2-Thinking,没有悬念,参数上已经坐 2026-07-23 大语言模型 #Claude Skills#Claude Code#n8n#Agent#Kimi#工作流自动化#信息图
Obsidian 多端同步全方案对比:11 种方式怎么选? 1. 为什么你需要 Obsidian 同步 1.1. 同步是 Obsidian 用户绕不开的难题 Obsidian 把所有数据都放在你自己电脑上,离线能用、隐私自己掌握、也不会被某家公司绑住。这是它最好的地方,但麻烦也跟着来了: 一个 vau 2026-07-23 obsidian #Obsidian#效率工具#同步#多端同步#Obsidian Sync#iCloud#Syncthing#Git
OCR 精度再突破:YOLO 11 与 Ollama 的强强联合 OCR 精度再突破:YOLO 11 与 Ollama 的强强联合 1. 引言 🎯 我们之前在不同文章中分别探讨了两个强大的框架:Ultralytics YOLO 11,一个高精度的对象检测模型,以及Ollama,一个用于部署 LLM 模型的框架。但如果我们把这两者结合起来,打造一个超精准的 OCR 2026-07-23 计算机视觉 #OCR#Ollama#视觉语言模型#YOLO 11#Ultralytics#计算机视觉#Qwen
Ollama 魔搭社区超简单的大模型本地部署方案 [!info] 阅读导览 1.1 开源小模型部署的优势 → 1.2 两种主流部署方法 → 1.3 显存需求快速估算 → 1.4 参数量、量化与位宽概念(魔搭社区实操) → 第 2 章 Ollama 安装与模型拉取实战 1. 小参数模型本地部署概述 随着大模型的不断发展,小参数模型的能力也在逐渐进步。 2026-07-23 本地AI #Ollama#本地部署#vLLM#模型量化#魔搭社区#ModelScope#Qwen3#GGUF