筛选结果
【[安全同源补漏]]指在一次安全修复后,继续排查并补齐同一漏洞类型在其他入口、模块、调用链或实现分支中的遗漏点,避免出现“修了一处、漏了别处”的不一致防护。它不是泛指安全修复,而是围绕同类风险做统一治理、共享规则下沉与攻击面持续收敛。本文语境下,维护者在 v0.18.2 与 v0.19.0 两轮中持续补齐 4 类同源缺口,包括 UI BLOCKED_PROP...
白模视频是以简化三维几何体和预先编排的动作、镜头为基础,为视频生成提供主体运动、镜头调度、切镜节奏与重渲染结构参考的预演素材。它适合控制成片的镜头结构与运动逻辑,但不应被当作最终画面内容或角色外观参考。
本地 vLLM 部署约束是指 [[Hyper-Extract]] 在使用 vLLM 作为本地 LLM 与 embedding 服务时,为保证结构化抽取稳定可用而必须遵守的一组连接方式、服务拆分、启动参数、模型选择、thinking 模式控制与量化方案限制。重点不只是把服务启动起来,而是确保受约束解码能从第一个 token 开始产出 JSON,避免 `<thi...
本地图像生成模型生产化评测是指在消费级或自有硬件上,从模型体积、显存占用、推理速度、图像质量、编辑保真度、工作流稳定性、端到端耗时和业务适配度等维度评估图像模型是否可接入实际生产。来源文章对 FLUX.3 Image Klein 做了 41 条用例实测,环境为 RTX 4090D 24GB 与 ComfyUI 0.41.0,本地运行模型而非调用云 API,并...
本地优先 AI 写作软件是指将作品正文、设定资料和项目数据库优先保存在用户本机,只在需要 AI 生成、对话或检查时连接外部模型服务的写作工具。需要区分的是,“数据本地保存”不等于“AI 推理本地运行”:来源文章中的 Mythpen 将项目数据存放在本地 .mythpen 目录的 SQLite 数据库中,每个项目独立成库,非 AI 功能可离线使用,但 AI 功...
参考图引导视频生成是在文本提示词与视频输入之外,额外提供一张或多张图像,以约束生成或编辑结果中的角色、道具、服装、场景、Logo 与 UI 等视觉元素的工作方式。它适合将具体资产和视觉设定带入连续视频,但仍需在提示词中明确每张图的用途、时序与不可改变的内容。
超衍智能是来源文章介绍的国内递归自我改进(RSI)方向公司。文章称其成立于2026年6月,并于2026年9月16日完成天使轮和天使加轮融资,累计融资近4亿元;公司计划将资金用于基础模型、算力与递归自进化研发,并把 Research Trajectory 回流中训练和后训练。其创始人陈勇超的年龄、任职与履历等信息均以该文章陈述为准,尚未作独立核验。
程序化 3D 建模以代码构建和调用三维模型,保留可用于定位与修改的结构信息;sand3d 采用这一建模路线,并将模型库定位为 AI 素材和潜在训练数据。
递归自我改进(Recursive Self-Improvement,RSI)是让 AI 执行 AI 研究、记录研究过程及结果,并把这些经验回流到下一版模型训练与后训练中的能力提升闭环。其目标是使更擅长研究的模型持续产出更高质量的训练经验,但这一正反馈仍依赖人类指导、实验可靠性和可持续的训练闭环。
多模态 UI 元素定位是指在自动化操作中综合使用无障碍服务、UI 树、OCR、坐标和视觉识别等信息,将“点击某个按钮”“打开某项设置”等语义任务映射到真实屏幕上的可操作元素或坐标。来源文章描述,ARTEMIS 的定位策略不是单纯依赖 OCR 和 UI 树,而是优先使用 Android 无障碍服务提供的元素索引;当索引找不到目标时,再回退到坐标定位和视觉定位,...
[[复杂 Agent 图式编排]]是指把 Agent 在真实业务中的流程、状态流转、分支判断、人工审批与失败恢复机制,从 Prompt 内部或模型隐式决策中抽离出来,显式组织成可执行图结构的工程化方法。它要解决的不是“让模型更会想”,而是让复杂 Agent 的业务逻辑具备结构、边界、可恢复性与可观测性;在文中以 [[LangGraph]]、[[StateGr...
个人写作声音校准是 Humanizer 的高阶用法:用户先提供 2-3 段本人亲笔完成的过往文本,让 Skill 提取句长、过渡词、口头禅、段落开头、标点换行和正式/口语尺度等写作指纹,再把待改写的 AI 文本在去除模板化 AI 痕迹的同时,替换成更接近用户本人风格的表达。它的目标不是套用通用“真人风”,而是恢复作者性与个人声音。
[[根因调试]]是在本文语境下对 Superpowers 中 [[systematic-debugging]] 的中文概括:它要求调试时禁止先猜修复,必须先做根因调查,再做模式分析、单假设验证,最后才实现修复;四个阶段必须按顺序执行,并通过“单假设验证”避免叠加改动,在连续三次修复失败后必须暂停,退回重审是否存在架构层面问题。
共享语言是在项目中为代理与开发者统一术语的一类文档化语言体系,用来帮助 agents 解码项目行话,缓解代理修复问题时过于冗长的表达。它把讨论软件的词汇与代码中的表达尽量建立在同一套领域模型上,因此不仅能让描述更精炼,还会让变量、函数和文件命名更一致,代码库更易导航,并让代理在思考与生成时消耗更少 tokens。
今日头条抓取页面《8.9K Star!谷歌开源的移动端 AI 自动化神器,让 AI 助手像人一样操作手机》介绍了 Google 开源项目 ARTEMIS。文章称 ARTEMIS 的目标是让 AI 助手和测试套件像人一样操作真实 Android 手机,将自然语言指令转化为可靠的移动端自动化操作。原文重点介绍了 Flash/Pro 双执行模式、MCP 原生集成、...
[[光学对齐]]是界面设计与前端实现中的一种视觉修正方法,指元素不能只按几何中心、对称留白或数学等距来排布,而要根据人眼感知做小幅微调。典型场景是按钮里的文字与图标组合:即使左右 padding 数值相同,图标一侧仍可能显得偏重或偏移,因此常需要把图标侧 padding 减少约 2px,甚至在 SVG 内部继续微调。不对称图标如播放三角形尤其容易出现这种问题...
[[混合检索]] 是把关键词检索、向量检索和图遍历联合用于知识库查询的检索策略。本文语境下,它特指在 [[LLM Wiki]] 扩展到约 100 到 200 页、甚至继续增长后,单靠 `index.md` 已逐渐成为检索瓶颈,因此需要把 BM25 或 FTS5、embedding 向量搜索与[[类型化知识图谱]]上的关系遍历同时使用,并通过 RRF 融合排序...
基于智能体的社会模拟是指用大量具有不同人格、记忆、关系和行为规则的智能体构成虚拟社会,让它们在设定环境中互动、传播信息并产生群体行为,用于观察政策、市场、舆论或叙事世界的可能演化。它不是让单个大模型直接给出预测结论,而是先从“种子材料”中抽取实体关系,构建虚拟社会,再通过多智能体推演和报告智能体分析生成预测报告;来源文章中的 MiroFish 将这一思路用于...
极空间 AINAS 2.0 是极空间面向 NAS 场景推出的 AI 能力升级方案,不是单个功能,而是由自研智能体 Zeno、WorkBuddy 极空间连接器和极空间 Skill 开放技能包组成的 NAS AI 能力体系。它的目标是让用户用自然语言管理 NAS,执行找文件、清空间、整理、检索、归档、分享、硬件状态查询等操作,并让外部 AI Agent 在主动授...
来源为微信公众号文章《极空间升级AINAS 2.0!自研智能体Zeno、WorkBuddy连接器与Skill开放生态,全来啦》,作者/账号为极空间私有云,来源网站 mp.weixin.qq.com,抓取时间为 2026-11-12T11:15:05.249867+00:00。文章介绍极空间 AINAS 2.0 的升级内容:自研智能体 Zeno、WorkBud...
[[角色资产库]]是《[[我用 Hermes Agent + ComfyUI 搭了一条「AI 拍短剧」流水线(基础版) 摘要]]》里用于缓解多分镜独立生成时同一角色外观漂移问题的基础版连续性保障方案。它把角色档案、参考照片、音频样本和专属提示词按目录集中管理,并建议放入 Git 仓库规范化维护;[[Hermes Agent]] 在为每个分镜生成提示词时会自动...
[[节点-场景架构]]是指 [[Godot]] 以节点(Node)作为游戏对象基本单位、再按树状结构组织成场景(Scene)的组织方式。文中认为,这种层级明确、关系清晰、可递归遍历的数据结构,和 AI 尤其是大模型处理结构化上下文的方式高度匹配,因此比 Unity 的预制体-组件模型、Unreal 的 Actor-Component 体系更便于 AI 理解、...
节点工作流是把生成式 AI 的推理、控制、参考输入、后处理与导出拆成可执行节点,并通过显式连线组织成可复用流程的编排方式。本文语境下,它主要指以 [[ComfyUI]] 为代表的模块化工作流模式:复杂流程不再被封装在单一页面里,而是可以拆分、组合、复用,并被第三方界面进一步抽象成表单、移动端入口或团队协作界面。
结构化输出兼容性指在 Hyper-Extract 的 provider 语境中,某个模型经某个接入渠道提供时,是否真正支持 `json_schema`、约束解码以及“首 token 就必须是 JSON”的结构化输出前提。它不是泛泛的模型好不好用,而是直接决定 `with_structured_output`、[[AutoGraph]] 等依赖 schema....
[[界面打磨规则集]] 在本文语境中不是泛泛而谈的设计原则,而是一组被封装进 [[make-interfaces-feel-better]] 的 16 条可执行 UI 优化规则。它把“界面感觉不对”拆成可检查、可修复、可由 AI Agent 稳定执行的具体项,覆盖圆角、间距、[[光学对齐]]、阴影、图标切换动画、[[可打断动画]]、排版、点击热区与性能约束,...
本文整理设计工程师 [[Jakub Krehel]] 将界面打磨经验封装为 AI skill `[[make-interfaces-feel-better]]` 的经过与意义:用户可通过 `npx skills add jakubkrehel/make-interfaces-feel-better` 安装,并在 Claude Code 或 Cursor 中用...
净室与深度研究模式是区分研究目标时可使用信息和工具范围的两种权限模式:前者依据可见内容工作,后者允许读取目标代码和文件,并记录发现的获取模式。
今日头条抓取文章《开源AI视频复刻神器Hypit爆火:闲鱼已有人靠它月入过万?》介绍开源项目 Hypit 的卖点、工作流、安装使用方式和闲鱼代部署/资料售卖现象。原文称 Hypit 可把 Codex、Claude Code 等 Agent 变成视频制作工具:输入参考视频和修改要求后,按原片结构重组画面、台词、字幕、配音、素材与动效,并输出可继续修改、再次运行...
[[可打断动画]]是指界面过渡在用户中途改变操作意图时,动画不会被固定时间线锁死,而是能够在播放过程中平滑转向、反向或衔接到新状态的交互动画方式。它优先用于 hover、toggle、开关、抽屉等[[状态过渡]],常见实现是使用 CSS `transition` 而非固定时间线的 keyframe 动画,以避免界面显得僵硬、迟钝或硬切。
可追责性是指在 ToB AI 系统中,任何一个结论都不仅要可重复,还必须能回溯到具体数据、规则、判定链路与时间记录,以便在合规质疑、复议或业务追责时逐条摆出依据。它比单纯的可复现更高一层:可复现只能保证“每次一样”,可追责要求“为什么这样、依据是什么、是哪一步判出来的”都能查清,因此被视为 [[ToB AI]] 真正的商业壁垒。
[[跨平台技能语义与Harness映射]]是 [[Superpowers]] 6.0 强调的一种分层做法:skill 文本层尽量只写可迁移的方法论与动作意图,如派发子代理、读取指令文件、执行评审或交接,而不直接绑定某个 Agent 平台的专有工具名与配置入口;到了具体平台,再由 harness、插件或 reference 文件把这些抽象动作映射成实际工具、资...
[[类型化知识图谱]] 是在 [[LLM Wiki]] 语境下,为知识库中的实体、声明与页面关系显式标注语义边类型的结构化层。它不是泛指任何 graph,也不是仅靠 Markdown wikilink 或可视化连线图,而是进一步用 `uses`、`depends_on`、`contradicts`、`supersedes`、`derived_from` 等命...
--- title: "立绘->spine动画:一条完全 AI 驱动的全自动生产管线" source_url: "https://mp.weixin.qq.com/s/560zJ_dAz-Hj0YTtUow5Mw" source_site: "mp.weixin.qq.com" clipped_at: "2026-07-02T05:53:57.331648+...
--- title: "另一个DSH智能路由决策插件:每轮自动挑最省模型按质完成任务 - 今日头条" source_url: "https://www.toutiao.com/article/7698330593456603648/?log_from=23e3a471e0449_1792580119128&wid=1792580225777" source_...
逆向重建与自验收是一种将软件观察、版本重建和结果检查连接起来的工作方式,以可运行的项目及验证证据为目标;检查标准仍需由人设定。
旁观式 AI 副模型审阅机制是在主 AI 会话之外接入一个独立审阅模型,让它在每轮主对话结束后读取上下文并给出建议,而不直接改文件、跑命令、调用工具或接管控制。它的核心不是让多个模型共同执行任务,而是给主 Agent 增加一个持续旁观的“第二双眼睛”。在 dsh-advisor 语境中,建议按 nit、concern、blocker 三档标记严重程度:nit...
配置优先级规定 [[Hyper-Extract]] 在命令行参数、环境变量和配置文件同时提供同一设置时的生效顺序:命令行参数最高,其次为环境变量,最后为配置文件。它使持久化默认配置、单次覆盖以及 CI/CD 的安全密钥注入能够共存。
强类型知识提取是指把 LLM 对非结构化文本的抽取结果约束到明确的 schema 与字段语义中,使输出从松散自然语言变为固定结构的知识对象。在本文语境下,它通过基于 Pydantic 的 8 类 Auto-Types 落地,覆盖记录型结构与图结构两大类,并支持时间、空间及时空扩展;这些对象不仅可验证、可 JSON 序列化和持久化,还自带 search、vis...
确定性后处理是把 AI 生成的原始图像交给规则明确、可重复执行的程序链路进行像素级清理、切帧、对齐、缩放和打包的工程环节。本文将其作为稳定输出的重要机制,用来弥补生成模型在格式规范与可复用性上的不足。
确定性笼子是把 [[LLM]] 包裹在一套确定性工程链路中的落地方法:模型只负责自然语言理解、信息抽取与意图翻译,不直接承担最终判定、计算执行和对外交付;真正的查询执行、规则校验、交叉验算、异常降级与留痕追溯由确定性系统完成。它的目标不是消灭模型与[[系统层不确定性]],而是把不确定性限制在内层,并把未被消解的波动转化为风险信号,最终让客户只看到通过全部关卡...
任务级双结论代码评审是 [[Superpowers]] 6.0 在 [[subagent-driven-development]] 中引入的任务评审机制:每个任务完成后,不再分别调用需求符合性评审与代码质量评审两个 reviewer,而是由单一 Task Reviewer 在一次 diff 阅读中同时给出 spec 与 quality 两个独立 verdic...
[[任务颗粒化计划]] 是在 [[Superpowers]] 工作流中由 [[writing-plans]] 负责产出的计划方法:把设计文档拆成每步仅需 2 到 5 分钟、且有明确完成判定的可执行步骤。它要求零占位符、零模糊表述,禁止使用 TBD、TODO 或“后续实现”之类写法,从而为 [[subagent-driven-development]]、[[e...
这是一篇来自微信公众号、作者为“AI愚人众”的来源整理。文章围绕为什么 [[Godot]] 在 2025 到 2026 年的 AI 辅助独立游戏开发中更占优势展开,核心理由包括:Godot 采用“每个游戏对象都是节点、节点按树状结构组成场景”的 [[节点-场景架构]],其结构被描述为层级明确、关系清晰、可以递归遍历,因而更适合 AI 理解与操作;文中明确提到...
上下文预算是指在与 AI 协作时,不把上下文窗口理解为“能塞多少就塞多少”的容量问题,而是把进入模型上下文的内容按必要性、成本、冲突风险与保真要求做取舍和组织。它关心哪些信息必须保留、哪些可以压缩、哪些属于纯干扰、哪些必须保留原文。该概念在本文语境中面向普通用户而非仅开发者,适用于论文修改、面试准备、读书笔记整理等场景。其核心结论是:模型越强,越依赖清楚、稳...
设计创作 AI Agent 工作流是把品牌定位、目标用户、设计风格、交付内容及 Logo 等素材转化为可执行设计任务,并经由规划、确认、生成、编辑和迭代,交付风格统一、可持续演进的品牌视觉资产的方法。它强调以可复用 Skill、记忆和多 Agent 协同维持品牌一致性、提升团队协作效率,而不只是用单条提示词生成图片。
设计规范驱动的 AI 界面生成是将视觉风格、设计令牌、组件规则和界面约束写入项目内可读取的规范文件,作为 AI 编码工具的持久化上下文,以减少前端生成时的样式跑偏与人工返工。
设计即代码是一种将界面设计决策直接映射为可运行前端实现与项目结构的工作方式。它通过画布编辑、选区定向修改和参数化视觉控制,让设计与代码成为可共同维护、可即时验证的工程资产,以减少传统设计交接中的沟通与返工。
[[设计令牌]]是把颜色、间距、字体、圆角等视觉决策抽象为统一变量的机制;但在本文语境里,它不只是一个抽象前端概念,而是 [[Unity UI Toolkit Design System]] 中承接主题切换与视觉规范统一的核心入口。主 stylesheet 负责组件与界面的结构化样式,Token 提供底层视觉变量;因此更换主题时主要修改 Token 文件即可...
设计令牌与组件规则是将颜色、圆角、间距、字体等可复用视觉参数,以及按钮等组件的外观、结构和使用约束,明确写入项目文档的设计系统信息;AI 编码工具读取这些规则后,能更稳定地复用既定设计决策并生成风格一致的界面。
该来源为今日头条对李博杰开源书《深入理解AI Agent:设计原理与工程实践》及其 GitHub 项目的介绍,概述其以“Agent = LLM + 上下文 + 工具”为主线的十章内容、88 个实验、运行前提、学习路径与开源协作方式。