极境
  • 首页
  • about
把视频变成图文博客:Agent + 豆包 Seed2.0 lite 重做 Karpathy 两年前的工作流

把视频变成图文博客:Agent + 豆包 Seed2.0 lite 重做 Karpathy 两年前的工作流

[!abstract] 摘要 用 Agent + 豆包 Seed 2.0 lite 重做 Karpathy 两年前提出的视频转图文博客工作流:通过多模态 Skill 对长视频切片、整体理解、自动挑关键帧,最终生成图文并茂的博客,并分享这套模式在在线课堂报告等场景的迁移思路。 两年前,Andrej K
2026-05-07
人工智能
#多模态#Agent#工作流#视频转博客
开源一个 PPT Skill|压进了我 10 年的设计经验

开源一个 PPT Skill|压进了我 10 年的设计经验

上周被李继刚老师邀请去做了场私享会关于 AI 和组织的访谈。 散场之后,发现大家问得最多的一句话是:“那个 PPT 是什么做的,能不能开源一下?” 没想到副产品成了主产品。 索性就把它开源了,叫 guizang-ppt-skill(https://github.com/op7418/guizang-
2026-05-07
AI
#AI#PPT#Skill#设计经验#杂志风
Codex goal命令高级技巧保姆级教程,Plan模式+Spec-Driven+自研Skill,三大高级技巧组合让开发效率倍增!真正内置Ralph Loop

Codex goal命令高级技巧保姆级教程,Plan模式+Spec-Driven+自研Skill,三大高级技巧组合让开发效率倍增!真正内置Ralph Loop

/goal 是 OpenAI 在 Codex CLI 0.128.0 (2026 年 4 月 30 日发布)中新增的一条命令。它不是又一个普通的提示词模板,而是 Codex 内部新增了一整套 目标生命周期管理 机制——给一个目标,Codex 会自己一轮接一轮往下推进,真正实现无人值守。社区里已经出现
2026-05-05
教程
#codex#openai#开发效率#goal#ralph loop#skill#spec-driven
Hermes + Qwen3.6:本地最强 Agent 组合!零成本、无限 Token,太香了!

Hermes + Qwen3.6:本地最强 Agent 组合!零成本、无限 Token,太香了!

1. 部署教程 重启后再执行安装 Ubuntu 24.04 系统 wsl --install -d Ubuntu-24.04 装完会自动重启,重启后会弹出 Ubuntu 窗口让你设置用户名和密码(随便设,记住就行)。 Ubuntu 24.04 装好并登录成功,现在先验证 GPU 是否直通正常: n
2026-05-04
ai
#Agent#llama.cpp#Hermes#Qwen3#本地AI
假如 xxx 设计 GitHub,你最喜欢哪个?

假如 xxx 设计 GitHub,你最喜欢哪个?

1- 假如 xxx 设计 GitHub,你最喜欢哪个? 这两天网上有个很有意思的梗:把 GitHub 交给不同品牌、不同平台,甚至不同历史人物"重新设计"。 你会看到 Netflix 版 GitHub、Apple 版 GitHub、拼多多版 GitHub,也会看到李世民版、宋徽宗版、动物森友会版。形
2026-05-04
设计
#ai#产品设计#github#设计#品牌#用户体验#梗图
Cursor 复盘 Harness:模型决定能力上限,Harness 决定生产下限

Cursor 复盘 Harness:模型决定能力上限,Harness 决定生产下限

最近把前面几篇 Harness 文章翻回来,我发现自己一直在绕一个很朴素的问题打转。 同一个模型,放进不同 Coding Agent,体感为什么差那么多? 4 月初整理《模型差距在缩小,Harness 差距在放大》时,我还主要是在外层找答案:Repo Context、结构化工具、工作记忆、缓存策略、
2026-05-03
ai
#Cursor#Agent#上下文管理#AI 编程#Harness#CursorBench#模型评估#工程实践
大模型推理框架全景解析从原理到选型

大模型推理框架全景解析从原理到选型

当你向 ChatGPT 发送一句话、或者在本地跑一个开源模型时,背后有一套"推理引擎"在默默工作——它负责把模型从磁盘加载到显存,管理数千个请求的排队与调度,同时榨干每一块 GPU 的算力。这就是 LLM 推理框架做的事。 本文将逐个拆解当前主流的推理框架,用通俗语言讲清楚它们的核心原理,帮你建立完
2026-05-02
大模型
#LLM#vLLM#推理框架#SGLang#TensorRT-LLM#llama.cpp#技术选型
Multi-Agent和SubAgent并发让Agent团队跑得飞起

Multi-Agent和SubAgent并发让Agent团队跑得飞起

我们的 PaiCLI Agent 已经实现了 ReAct、Plan-and-Execute、Memory、RAG,一个单 Agent 已经能读文件、跑命令、搜代码、记住上下文了。 但我们还想要更多。 OK,今天我们就来完成 Multi-Agent,把一个全能型 Agent 拆成多个专职角色,让它们协
2026-05-01
multi-agent
#llm#multi-agent#subagent#java#orchestrator#paicli
索尼开源 AI 模型 Woosh:一句话生成音效,一键为视频配音

索尼开源 AI 模型 Woosh:一句话生成音效,一键为视频配音

1. 索尼开源 AI 模型 Woosh:一句话生成音效,一键为视频配音 [!abstract] 本文要点 索尼人工智能研究院(Sony AI)发布的音效生成基础模型。 1.1. 项目定位 Woosh 是专为音效生成(Sound Effects)优化的多模态生成
2026-04-29
AI工具
#开源模型#Woosh#音效生成#视频配音
让机器读懂文字:词向量的前世今生

让机器读懂文字:词向量的前世今生

在自然语言处理(NLP)中,最基础的问题之一是:如何把一个词表示成计算机能处理的数学对象? 这个问题的答案,几乎决定了整个 NLP 系统的上限。 过去几十年,词的表示方法经历了几次范式转变: 离散符号表示 → 矩阵分解降维 → 静态稠密向量 → 上下文动态表示 (One-Hot)
2026-04-27
人工智能
#GPT#大语言模型#NLP#Word2Vec#词向量#BERT
1 … 96 97 98 … 110
© 极境 · 保持好奇