#多模态大模型
共 258 篇相关文章
·11 分钟
NVIDIA XR AI平台解析：AR眼镜AI Agent全栈开发方案
深度解析NVIDIA XR AI平台如何通过云端协同架构，为AR眼镜提供视觉感知、语音交互、多模态推理等AI Agent开发能力，覆盖企业级应用场景与开发者生态。
阅读全文 →
·7 分钟
六大AI模型横评：代码能力、中文水平与性价比全面对比
GPT、Claude、Gemini、混元、通义千问、DeepSeek六大主流AI模型全面横评，从代码能力、中文水平、API价格三个维度深度对比，附价格一览表，帮你按需选出最适合的AI大模型。
阅读全文 →
·8 分钟
748集AI大模型开发教程：七大板块从零基础到项目落地
解析一套748集、198小时的AI大模型应用开发教程，涵盖API调用、提示词工程、RAG知识库、AI Agent、模型微调、多模态开发及项目部署七大核心板块，附学习策略建议。
阅读全文 →
·9 分钟
Codex无限画布方案实战：AI图片精准修改新思路
详解Codex结合在线画布实现AI图片精准局部修改的完整工作流。通过生成、部署画布、可视化标注、二次生图四步闭环，解决纯文字描述修改不精确的痛点，零成本实现无限画布式渐进设计。
阅读全文 →
·9 分钟
A Giant Shot：内置MCP的AI截图工具，让AI直接操控你的电脑
A Giant Shot 是一款内置 MCP Server 的桌面截图工具，提供11种标注工具、智能OCR、AI对话及桌面自动化操控功能，支持一键接入 Cursor 和 Claude Desktop，让 AI 真正看到并操控你的屏幕。
阅读全文 →
·10 分钟
OpenLLMVTuber：开源AI虚拟人框架深度解析
深度解析GitHub 10K星标开源项目OpenLLMVTuber，一套集成语音识别、大语言模型、语音合成与Live2D角色的AI虚拟人框架，支持语音打断、视觉感知、桌面陪伴等功能，模块化架构可灵活替换各层组件。
阅读全文 →
·11 分钟
DeepSeek识图模式实测：截图转代码还原度高达80%
实测DeepSeek识图模式的界面复刻能力，通过Ant Design官网、百度、B站、苹果官网等多个案例，展示其截图转代码的实际效果，分析核心应用场景与局限性。
阅读全文 →
·11 分钟
OpenAI Codex录制与重放功能详解：演示一次AI就学会
OpenAI Codex推出Record & Replay录制与重放功能，用户只需演示一次操作流程，AI即可学会并独立重复执行。详解工作原理、技能构成及适用场景。
阅读全文 →
·9 分钟
Claude Code零基础开发AI热点新闻看板实战教程
手把手教你用Claude Code从零开发AI热点新闻看板，无需编程基础。涵盖CC安装配置、国产模型接入、后端前端开发全流程，配合智谱GLM驱动，一句话指令即可完成应用开发。
阅读全文 →
·11 分钟
Codex能力全解析：代码编写、浏览器自动化到操控电脑手机
深度解析OpenAI Codex桌面端三大核心能力：AI编程与代码调试、浏览器自动化操控、电脑及iPhone无线操控。对比ChatGPT网页端差异，附会员选择建议，帮你快速上手这款AI编程自动化利器。
阅读全文 →
·9 分钟
Codex一句话生成微信小程序：从需求到上线全流程实战
详解如何用OpenAI Codex通过纯对话方式从零构建微信小程序，涵盖需求文档生成、设计规范定义、代码自动生成与Bug调试四步完整工作流，附实战经验与避坑指南。
阅读全文 →
·11 分钟
OpenAI Codex全自主编程：从零开发微信支付会员小程序完整实录
详细记录使用OpenAI Codex的Goal Coding模式，从零全自动开发一个包含微信支付、会员体系、后台管理的完整商用级微信小程序的全过程，涵盖技术架构、踩坑总结与成本分析。
阅读全文 →
·9 分钟
Perplexity Computer整合深度研究为原生技能，AI Agent能力融合新范式
Perplexity宣布将Deep Research整合为Computer的原生技能，用户无需手动切换模式即可自动调用深度研究能力。本文解析这一Agent Harness设计哲学的意义，对比ChatGPT、Gemini等竞品路径差异，探讨AI Agent能力无缝融合的行业趋势。
阅读全文 →
·10 分钟
Replit AI循环工作流解析：多智能体协作取代提示词工程
深入解析Replit团队提出的AI循环（Loops）工作流模式，了解编排器、并行智能体、计算机使用验证器如何构建自动化闭环系统，以及多智能体协作架构对AI开发范式的深远影响。
阅读全文 →
·10 分钟
Agent Device：让AI自主操控手机验收的自动化利器
Agent Device是Costec推出的设备自动化CLI工具，通过无障碍快照技术让AI编码Agent直接操控iOS和Android手机，实现自动验收、脚本回放与持续集成测试，补齐移动开发AI闭环的关键一环。
阅读全文 →
·5 分钟
v0 Annotations功能详解：可视化标注如何革新AI代码协作
深入解析Vercel v0推出的Annotations标注功能，支持在预览界面直接点击元素、添加评论并批量提交AI处理，大幅提升AI代码生成的交互效率与协作体验。
阅读全文 →
·10 分钟
Minimax M3 vs DeepSeek V4实测：恐龙快跑游戏谁更强
用同一份提示词让Minimax M3和DeepSeek V4 Pro各生成一款恐龙快跑游戏，从画面精美度、代码质量、可玩性等维度实测对比，揭示原生多模态模型在游戏开发中的真实优势。
阅读全文 →
·12 分钟
OpenAgent：基于LLM+RAG的开源AI个人助手深度解析
深度解析OpenAgent开源AI助手项目，涵盖Computer Use电脑操控、Browser Use浏览器自动化、Coding Agent编程智能体三大核心能力，以及LLM+RAG+Agent Loops技术架构与应用场景。
阅读全文 →
