#多模态视觉
共 22 篇相关文章
·5 分钟
LlamaFactory：统一微调100+大模型的开源框架详解
深入介绍LlamaFactory开源项目，一个支持100+大语言模型和视觉语言模型的统一微调框架，涵盖LoRA、QLoRA、RLHF等高效微调方法，提供Web UI可视化操作，GitHub超7万Star，ACL 2024收录。
阅读全文 →
科技前沿·4 分钟
Gemini 3.5 Flash视觉能力超越Pro版，速度快6倍
Roboflow评测显示Google Gemini 3.5 Flash在多项视觉理解任务中超越Gemini 3.1 Pro旗舰模型，推理速度快约6倍。轻量级模型实现性能与速度双赢，为开发者提供高性价比的多模态AI方案。
阅读全文 →
产品体验·5 分钟
Codex Computer Use自动填表：AI记忆让繁琐表单秒完成
详解OpenAI Codex Computer Use如何结合AI记忆功能自动填写表单。从求职申请到项目申报，AI直接操控界面、提取历史信息，将半小时的填表工作缩短到几秒钟完成。
阅读全文 →
前沿研究·8 分钟
SciMDR：7B小模型如何在科研推理上比肩GPT-5
耶鲁大学等机构推出SciMDR框架，通过两阶段数据合成流水线，让70亿参数小模型在科研文献阅读理解上达到接近GPT-5水平。本文详解其降维构建与升维重塑的核心技术原理及实验结果。
阅读全文 →
教程攻略·8 分钟
零代码用AI搭建SaaS网站：Bolt+Cursor全流程实战拆解
详解如何不写一行代码，仅用Bolt和Cursor两款AI编程工具，从零搭建集成AI绘画、多模态聊天、网页复刻三大功能的SaaS网站。涵盖提示词设计、架构选型、迭代技巧等完整方法论。
阅读全文 →
教程攻略·8 分钟
Bolt DIY搭建教程：免费开源AI编程工具完整指南
详细介绍Bolt DIY开源AI编程工具的搭建方法，从环境配置、免费API接入到实战建站部署，配合Google Gemini免费模型，零成本构建高性能网站和应用。
阅读全文 →
教程攻略·8 分钟
Cursor三步打造专业级UI设计系统完整教程
资深设计师分享经过验证的三步提示词工作流，从Dribbble截图提取设计语言，用Cursor生成结构化Design.json规范文件，让AI编码工具精准复制专业级UI设计系统。
阅读全文 →
产品体验
Ara开源Computer Use工具：多代理自动化的OpenClaw替代方案
·7 分钟
Ara开源Computer Use工具：多代理自动化的OpenClaw替代方案
Ara是一款开源计算机使用工具，作为OpenClaw的替代方案，通过多AI代理协作架构实现任务自动化。本文详解Ara的核心功能、多代理架构设计、适用场景及Computer Use赛道竞争格局。
阅读全文 →
深度解读·4 分钟
Qwen3.5深度解析：混合注意力架构实现19倍长上下文加速
深入解析阿里开源Qwen3.5模型的混合注意力架构创新，详解Gated Delta Net如何实现256K上下文19倍加速，多模态视觉反超Gemini 3 Pro和GPT-5.2的评测数据，以及RL后训练策略与实际应用Demo。
阅读全文 →
科技前沿·5 分钟
OpenAI Codex 2.0全面解析：AI编程智能体的五大核心升级
深度解析OpenAI Codex 2.0重大更新：新增计算机操作、图像生成、长期记忆等能力，从代码补全工具进化为全栈开发智能体。详解定价策略、功能限制及对开发者的实际影响。
阅读全文 →
产品体验·6 分钟
Codex++：解锁OpenAI Codex隐藏插件与会话管理的开源增强工具
Codex++是一款开源增强工具，通过运行时动态修补解锁OpenAI Codex桌面应用的隐藏功能，包括API模式下使用Computer Use等插件、会话删除与导出、强制安装插件等，附Windows和macOS详细安装教程。
阅读全文 →
产品体验·9 分钟
9款新兴AI工具推荐：2025年最值得尝试的自动化与智能体平台
盘点2025年9款值得关注的AI工具，涵盖工作流自动化、多智能体协作、无代码开发和自主编程。详解Active Pieces、Make、Devin AI、OpenAI Operator等工具的核心功能与实际应用场景。
阅读全文 →
产品体验·8 分钟
实测OpenAI Codex Computer Use：AI自动操控Mac桌面全流程体验
深度实测OpenAI Codex Computer Use功能，展示AI如何通过虚拟光标自动操控Mac应用，支持多任务并行、逐应用授权安全机制，以及Spark模型带来的超人类操作速度。
阅读全文 →
深度解读·10 分钟
Kortix开源Agent Computer Use：Rust打造的AI计算机操控CLI工具
Kortix AI开源Agent Computer Use项目，使用Rust构建高性能CLI工具，让AI代理直接操控计算机。本文解析其技术选型、核心优势及与Anthropic Claude Computer Use的差异，探讨开源Computer Use工具的应用前景。
阅读全文 →
深度解读·9 分钟
开源复刻OpenAI Operator：48小时打造计算机操控AI Agent
开发者48小时内基于Anthropic Computer Use开源复刻OpenAI Operator，打造全栈Docker化的计算机操控AI Agent。本文深入分析项目技术架构、实现路径及Computer Use Agent的行业趋势与未来潜力。
阅读全文 →
深度解读·9 分钟
AI-Assistant开源项目解析：用Anthropic API打造本地AI Agent
深度解析GitHub开源项目AI-Assistant，基于Anthropic Claude API构建本地AI Agent，涵盖技术架构、应用场景、安全性考量及Agentic AI发展趋势，适合想入门AI Agent开发的Python开发者。
阅读全文 →
深度解读·9 分钟
ApexUIBridge：让AI代理操控Windows桌面应用的UI自动化框架
深度解析ApexUIBridge开源项目，一个基于FlaUI和Windows UI Automation API构建的AI代理自动化框架，支持UI元素探索、语义描述与交互操作，解决AI Agent操控传统桌面应用的最后一公里问题。
阅读全文 →
深度解读·7 分钟
WKAppBot SDK：开源AI Agent框架，实现Windows桌面自动化操控
深入解析WKAppBot SDK开源项目，一款面向Windows平台的AI Agent自动化框架。支持Computer Use、无焦点操作、多AI模型接入和自愈能力，探索AI驱动RPA的技术特性与应用前景。
阅读全文 →
深度解读·8 分钟
Open Computer Use：开源AI代理自动操控计算机的全能框架
Open Computer Use是一个基于TypeScript的开源AI代理框架，支持浏览器、终端和桌面三维度自动化操控计算机。本文详解其核心功能、技术架构、应用场景及与Claude Computer Use等商业方案的对比。
阅读全文 →
深度解读·7 分钟
application-use：macOS原生桌面自动化CLI工具，对标Anthropic Computer Use
application-use是一款用Go语言开发的macOS桌面自动化CLI工具，专为AI Agent设计。对标Anthropic Computer Use，采用原生API方案替代视觉驱动，实现更快速精准的应用操控，是构建macOS平台AI Agent的轻量级基础设施。
阅读全文 →