#VLM
共 39 篇相关文章
DeepSeek V4 Pro接入Codex和Claude Code全攻略
·10 分钟
DeepSeek V4 Pro接入Codex和Claude Code全攻略
详细教程：如何将DeepSeek V4 Pro低价API接入Codex和Claude Code桌面端，含安装配置步骤、实测Token消耗与费用对比，助你以几分钱成本完成AI辅助编程任务。
阅读全文 →
·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 →
前沿研究·9 分钟
MementoGUI：解决长周期GUI智能体健忘症的多模态记忆管理框架
MementoGUI是一个插件式多模态记忆管理框架，通过双时间尺度记忆系统和四个记忆控制算子，有效解决GUI智能体在长周期任务中的遗忘问题，无需微调即可显著提升长任务完成率。
阅读全文 →
产品体验·9 分钟
Augment Remote Agent实测：10个云端AI Agent并行编程体验
深入实测Augment Remote Agent功能，支持10个云端AI Agent并行编程，涵盖自动修Bug、生成PR、文档生成等场景。详解使用流程、实战案例与核心优势，帮助开发者提升编程效率。
阅读全文 →
科技前沿·6 分钟
GLM5架构曝光745B参数，DeepSeek V4或先发量化版小模型
GLM5代码泄露揭示745B参数MoE架构，复刻DeepSeek V3设计。DeepSeek V4或先发200B量化版小模型，旗舰版参数超1T。一文解读国产大模型最新竞争格局与技术路线。
阅读全文 →
教程攻略·8 分钟
Claude Code+Skills：AI驱动测试用例生成效率提升10倍实战
详解Claude Code结合Skills技能封装的AI驱动软件测试方案，通过将测试专家经验编码化，实现从33条到400+条测试用例的质变。涵盖Skill封装思路、智能体工作流构建及测试工程师角色转型指南。
阅读全文 →
产品体验·3 分钟
Gemini 3 Pro零代码实战：用AI Studio构建三款完整应用
实测Google Gemini 3 Pro的Vibe Coding能力，通过AI Studio零代码构建AI课程网站、SaaS数据仪表盘和3D射击游戏三个完整应用，深度体验标注模式、自动纠错等核心功能。
阅读全文 →
行业洞察·5 分钟
Vibe Coding是什么？AI氛围编程的原理、工具与实践指南
深入解析Vibe Coding（氛围编程）的概念与工作原理，梳理Cursor、Bolt等主流AI编程工具生态，探讨Vibe Coding对开发者的影响、面临的挑战及未来发展方向。
阅读全文 →
教程攻略·6 分钟
OpenCode实战：零代码搭建YOLOv8目标检测全自动流水线
详解如何用OpenCode的Skill模型，通过自然语言指令实现YOLOv8目标检测全流程自动化——从摄像头录制视频、自动抽帧标注、模型训练到实时识别，全程零代码，两小时完成完整项目。
阅读全文 →
教程攻略·3 分钟
Claude计算机操控最佳实践：截图缩放与坐标映射全攻略
详解Anthropic官方发布的Claude计算机操控最佳实践，涵盖截图缩放分辨率选择、坐标映射代码实现、模型搭配策略、小目标点击技巧及长任务上下文管理，解决Agent点击偏移的核心问题。
阅读全文 →
产品体验·7 分钟
OpenAI Codex移动端上线：手机远程操控编程开发实测
OpenAI Codex正式登陆ChatGPT手机端，支持扫码连接远程操控电脑端编程。实测覆盖代码修改、UI测试、浏览器自动化及跨Agent调度，延迟低于Claude方案，开发者一部手机即可完成完整开发工作流。
阅读全文 →
深度解读·9 分钟
NVIDIA AI Agent如何将海量视频变成可搜索的实时情报
深度解析NVIDIA最新视频AI Agent方案，通过多模态大模型与Skills模块化架构，将海量监控视频转化为可自然语言搜索的实时智能情报，覆盖安防、工业质检、零售分析等场景。
阅读全文 →
产品体验·8 分钟
GitHub 8K Star：最全LLM大模型资源宝库深度解析
深度解析GitHub热门项目awesome-LLM-resources，涵盖多模态生成、AI Agent、MCP协议、模型训练推理、o1模型、小语言模型等LLM核心方向，8200+ Star社区验证的大语言模型学习资源一站式导航。
阅读全文 →
产品体验·10 分钟
GitHub 8K星：最全LLM资源宝库深度解析
深度解析GitHub 8200+星的awesome-LLM-resources项目，涵盖多模态、AI Agent、MCP协议、模型训练推理、o1模型、小语言模型等十大核心板块，为LLM从业者提供最全面的中文学习资源索引。
阅读全文 →
教程攻略·10 分钟
RAGFlow部署教程：从Docker安装到Agent工作流完整实战指南
手把手教你RAGFlow部署全流程：Docker安装启动、DeepSeek模型接入、知识库搭建与文档解析、聊天助理创建及Agent工作流编排。涵盖网站嵌入与API调用，助你快速上手这款GitHub 5万Star的开源RAG引擎。
阅读全文 →
科技前沿·9 分钟
Hugging Face开源Agent生态全解：从本地部署到AI自动训练
深度解析Hugging Face开源Agent生态系统：开源模型已追平闭源表现，本地Agent部署方案对比（Hermes/LLama/Plandex），Skills系统实现对话式自动训练模型，MCP集成实战案例，一文掌握AI Agent开发全链路。
阅读全文 →
科技前沿·7 分钟
Mistral AI首届峰会AI Now Summit：四大议题揭示开源AI企业化路线图
Mistral AI将于5月28日在巴黎举办首届AI Now Summit，聚焦开源AI转型、规模化部署、企业级基础设施及多模态AI四大议题。深度解读这家欧洲AI独角兽的战略布局与行业影响。
阅读全文 →
科技前沿·8 分钟
NemoClaw路线图解读：开源协作与真实世界机器人落地
深度解读NVIDIA NemoClaw扩展路线图，涵盖与OpenClaw开源协作、sim-to-real仿真迁移、灵巧操控技术突破及商业化落地路径，全面分析具身智能领域最新竞争格局与发展前景。
阅读全文 →
产品体验·7 分钟
awesome-LLM-resources：GitHub 8200星LLM学习资源库全面解析
深度解析GitHub万星项目awesome-LLM-resources，涵盖LLM多模态生成、Agent智能体、模型训练推理、MCP协议等十大核心模块，为AI从业者提供一站式大语言模型学习导航。
阅读全文 →
教程攻略·7 分钟
GitHub 8K Star：最全LLM大语言模型资源库深度解析
深度解析GitHub热门项目awesome-LLM-resources，8200+ Star的LLM资源宝库，覆盖多模态、AI Agent、MCP协议、模型训练推理、辅助编程等核心方向，为AI从业者提供系统性学习路线图。
阅读全文 →