# 标签

经验

共 45 篇文章

牛人快跑:Boss 直聘自动化求职工具
置顶 精选分享

牛人快跑:Boss 直聘自动化求职工具

找工作最难熬的不是面试,而是投递期的无意义消耗:同一句打招呼发两百遍,眼睛还要替平台把关——筛掉皮包公司、跳过半年不登录的招聘方、避开挂羊头卖狗肉的僵尸职位。牛人快跑 GeekGeekRunhttps://github.…

170
AI

多模态开发(12):成本、延迟与场景决策

《多模态开发实战》走到第 12 篇/post/1661,收官。前 11 篇把图、文、视频、音频的输入与输出逐个拆开讲透:看得见的视觉、画得出的生成、听与说的语音,最后总装成多模态 Agent。零件都造完了,这篇不做新零件…

70
AI

多模态开发(10):Qwen-VL/Llama 视觉系

前 9 篇里,我们的图像理解、语音转写、视频分析几乎全部跑在闭源 API 上——快是快,但票据里有客户名称、截图里有内网拓扑、病历里有身份证号,这些图每出一次域,安全评审材料就厚一页。这篇是《多模态开发实战》第 10 篇…

234
AI

多模态开发(09):全双工对话 Agent

第 7 篇/post/1656讲 TTS 解决了"说",第 8 篇/post/1657讲 ASR 解决了"听",把两者与 LLM 串成流水线,看起来就能对话了——识别成文字、交给模型、合成语音返回。真跑起来你会发现每轮问…

91
AI

多模态开发(07):API 与开源方案

把博客变成播客要几步?技术上三行代码就够:调一个 API,传一段文字,落一个 MP3。但真把它当产品做,"能响"和"能用"之间隔着一整个工程——多音字读对了吗,长文章怎么切,各段音量一致吗,克隆声音的法律风险谁来背。本篇…

130
AI

多模态开发(06):提示词、编辑与批量

第 5 篇/post/1654把"从零生成一张图"讲完了:模型选型、文生图提示词、尺寸与质量参数。但生产里的图像需求,一大半不是凭空生成,而是改已有的图——电商要把产品图批量换成节日氛围背景,家谱项目要修复扫描的老照片,…

151
AI

多模态开发(05):DALL·E/GPT-Image/FLUX API

本系列前四篇都在解决"看图":图片怎么编码送进模型、图表数字能不能信、UI 截图怎么变成点击坐标。输入侧打通之后,自然轮到输出侧——让 API 替你画图。2026 年的图像生成 API 已经从演示玩具变成了基础设施:博客…

79
AI

多模态开发(04):帧采样与时间推理

本系列第 3 篇/post/1652把"看图"落到了文档、图表、UI 三个场景,但真实业务里还有一大块内容天生是多张图的序列:教程录像、会议回放、产品演示、监控片段。视频就是图像加上时间维度——多了这一维,输入方式、to…

156
AI

多模态开发(02):图像输入与结构化提取

在 Agent 系列里我们用十几行代码让模型看过一次图:把截图转成 base64 塞进消息就完事。那样跑通 demo 够了,可一旦进了生产,问题接踵而来——为什么同一张图三个厂商标价差三倍?为什么手机拍的图在服务端被"躺…

117
AI

编码之王之争:2026 编码模型深评与实战选型

编码之王之争:2026 编码模型深评与实战选型"写代码用哪个模型?"是开发者每天都要回答的问题。但"编码能力"不是一个分数能概括的——补全一行、生成一个函数、重构一个模块、调试一个疑难 Bug,是四种完全不同的活,各自的最优解并不重合。本文不和"全维度横评"重复,而是钻进"编码"这一条纵深:拆开编码能力的细分维度、深读基准、按工作流分维度对比,帮你把对的活交给对的模型。1、编码之争的核心转变:从"

294