想搞个非 +86 的手机号方便收验证码，就是自己手机2个卡槽都满了，想100块以内买个老人机来插这个小白卡，专门接收验证码。 不知道有没有佬友试过，有没有信号？能不能收码？ 3 个帖子 - 3 位参与者 阅读完整话题
agent 是智能体的意思，什么是智能体呢，为啥不叫AI了啊，也不叫大模型了，其实这并不是孤立的概念，AI中文就是人工智能，英文全称：Artificial Intelligence，其实就是计算机科学的一个分支，用来研究开发模拟，延伸人的理论方法技术和应用研究。大模型是ai具象化的技术产品，大模型还分了LLM语言大模型、VLM视觉大模型、MLLM多模态、技术上又出现了很多细节，比如混合专家模型-MOE。 MCP 是定的ai识别的上下文协议，用来，调用外部的服务器，返回固定内容信息的一个规则，大家都用这个规则，不就方便了ai调用外部工具获取信息了。方便打通不同企业数据库和ai的交互。 tools 就是工具的意思，这里和mcp紧密相连，tools泛指一类工具，遵循的上下文协议也未必是mcp。方便ai通过这个工具进行获取信息。 plugin是插件的意思，就是个扩展包，这不是ai独有的概念，浏览器有插件，任何应用都可能有插件，一个插件里面东西就多了，可以包含skill，agents，hooks，mcp severs等内容。 prompt是提示词的意思，大模型学的东西多了，大模型要在知识汪洋中预测你想要的下一个词，简直不要太难，那么就帮她缩小范围降低幻觉，那就是定人物，定任务范围，定目标，这样将结合以上的信息，进行数据处理，就大大降低了，大模型胡说八道的可能性。大模型本身就是个统计学问题，根本不具备任何智慧，和反思能力，并非动态进化的，而是提前通过人类社会无数的现有文档，向量化，然后通过多维向量的训练出来的，一个具备无数维度的数学矩阵，通过通过上下文的切割成token又称词元，一个词元就是一个数字，多个词元就组成了一个数学矩阵，将这个数学矩阵扔到transform架构的数学矩阵中。我也不知道是不是百亿参数是不是也决定了词元的数量呢，会影响回应呢？ workflow就是工作流，针对一项工作设计的工作流程，使其完成特定的任务，取代繁重的工作。 hook钩子的意思，什么是钩子啊就是，当执行到特定情况或者涉及特殊判断的时候就会触发的程序，相当于一个钩子，勾住了你的工作流，在特定情况下触发，进而保证进程的稳定和顺利。 skill技能的意思，技能可以是一个md说明的工作文档，也可以是md说明文档加一些小程序、或者一些模板的综合体，目标就是让大模型能按你的md说明文档进行工作。 harness就是一个工作台，工作台上啥也有，自由搭配，想用啥就用啥，比如有plugin、tools、prompt、workflow、hook、skill、和设定好的agent。 AI / 人工智能 └── 大模型 / LLM / VLM / MLLM └── Agentic System / 智能体系统 ├── Prompt：给模型的指令 ├── Context：当前任务上下文 ├── Memory：可长期保存或检索的历史信息 ├── Tools：模型可调用的外部能力 │ └── MCP：连接 tools / resources / prompts 的标准协议之一 ├── Workflow：预设流程 ├── Hook：生命周期触发器 ├── Skill：可复用能力包 ├── Plugin：可安装扩展包 └── Harness：运行框架 / 执行外壳 agent 是配置了 instructions、tools，以及可选运行行为的 LLM MCP Server 可以向 AI 应用暴露 resources、prompts 和 tools。这样不同 AI 应用和不同外部系统之间就不用每次都重新写一套私有接口。 Tool：一个具体能力 MCP Tool：通过 MCP 协议暴露出来的 tool MCP Server：把一组 tools / resources / prompts 提供给 AI 应用 Agent：根据任务需要决定是否调用这些工具 plugin 可能包含 tools、skills、agents、hooks、MCP servers 等内容。简单说，plugin 是“打包和分发能力”的方式。 prompt 帮模型缩小范围，降低幻觉。这个是对的。OpenAI 文档也把 prompt engineering 描述为编写有效指令，让模型更稳定地产生符合要求的内容。 大模型本质上是通过大量数据训练出来的神经网络，它没有人类意义上的主观意识，也不会在普通对话中自动修改自己的模型参数。它的回答来自当前输入、上下文、训练得到的参数，以及推理时的生成过程。我们看到的“推理”“反思”“自我检查”，更多是模型在特定提示、上下文或工具流程下表现出来的能力，而不是人类式的自我意识。 Token：文本被切分后的处理单位。 Token ID：token 被映射成的数字编号。 Embedding：token ID 进入模型后对应的向量表示。 Parameter：模型训练出来的权重和偏置。 Context window：一次输入/输出能处理的 token 上限。 Training tokens：训练时看过的数据 token 数量。 Vocabulary size：分词器支持的 token 种类数量。 文本会先被 tokenizer 切成 token，再映射成 token ID。模型会把 token ID 转成向量表示，也就是 embedding，然后送入 Transformer 网络中计算。Transformer 通过注意力机制和多层神经网络，结合上下文预测后续 token。参数量指的是模型内部训练出来的权重数量，和输入 token 数不是同一个概念。 Workflow 是预先设计好的流程。它强调“步骤固定、路径清楚、可控性强”。比如先读订单，再判断退款规则，再调用退款接口，再发送通知。workflow 里可以用大模型，也可以不用大模型。它和 agent 的区别是：workflow 的路径主要由人或程序提前写好；agent 的路径更多由模型根据目标和中间结果动态决定。 Anthropic 对这个区别说得很清楚：workflows 是 LLM 和工具通过预定义代码路径编排；agents 则是 LLM 动态决定自己的流程和工具使用。 这个方向对。Anthropic 的 Agent Skills 文档也把 skill 描述为模块化能力包，包含 instructions、metadata 和可选资源，比如 scripts、templates，Claude 会在相关任务中自动使用。 另一个官方指南也说 Skills 可以是由 instructions、scripts、resources 组成的文件夹 Context：这次对话/这次任务临时放进来的信息。 Memory：跨会话保存、以后还能拿出来用的信息。 Context 是模型当前这次任务能看到的信息，比如用户问题、系统指令、聊天历史、检索到的文档、工具返回结果等。Memory 是被长期保存、之后还能被取出来的信息，比如用户偏好、项目背景、历史决策、常用规则等。Memory 不是模型参数本身发生了变化，而是系统把相关历史信息保存下来，在需要时重新塞回 context。 5 个帖子 - 4 位参与者 阅读完整话题
佬友如果方便，请说下这些信息，有助于我来选择 1、车辆型号，购买年限，估计还能用多久，排量，发动机型号，变速箱类型等信息 2、驾驶舒适性，油耗等，使用体验比如大概多久维修一次 3、后续换车，还会买这个型号或者这个品牌吗 1 个帖子 - 1 位参与者 阅读完整话题
本来所有资料都是转markdown的，最近有人推荐用html，这么卷下去以后岂不是要转latex？ 1 个帖子 - 1 位参与者 阅读完整话题
像这种的买来插卡就能注册新的openai号了吗，快续费了，想提前买个卡准备下，旧的openai号是几年前接码平台注册的号了，没办法接码了不敢续费了，虽然一直不需要二验 https://linux.do/t/topic/2342557 这个帖子的CTE说激活麻烦，有佬亲测好弄吗，问客服好不好激活，客服说帮忙搞定后发货 5 个帖子 - 4 位参与者 阅读完整话题
每次会话结束时，会为本次会话生成一个描述性的标题，方便在 session list 中一眼看出来到底历史会话是关于什么的 以主题作为上下文开启会话时，提供了两个快捷方式按钮，不需要输入，点击就可以开启会话：
为何没人探讨 MAF Microsoft Agent Framework 六边形架构，开发起来很顺手 中间件注入也很方便 架构层 telemetry 声明式 Func tool 开发 + doc String 上下文注入，无脑 tool 渐进式披露 内置 harness agent 模板 安利一波
为何没人探讨 MAF Microsoft Agent Framework 六边形架构，开发起来很顺手 中间件注入也很方便 架构层 telemetry 声明式 Func tool 开发 + doc String 上下文注入，无脑 tool 渐进式披露 内置 harness agent 模板 安利一波
为何没人探讨 MAF Microsoft Agent Framework 六边形架构，开发起来很顺手 中间件注入也很方便 架构层 telemetry 声明式 Func tool 开发 + doc String 上下文注入，无脑 tool 渐进式披露 内置 harness agent 模板 安利一波
为何没人探讨 MAF Microsoft Agent Framework 六边形架构，开发起来很顺手 中间件注入也很方便 架构层 telemetry 声明式 Func tool 开发 + doc String 上下文注入，无脑 tool 渐进式披露 内置 harness agent 模板 安利一波
以前一直用claude code，用了codex后，突发发现客户端也挺方便的。佬们知不知道还有没有什么客户端好用？我下载了claude的桌面版，感觉比codex差多了 3 个帖子 - 3 位参与者 阅读完整话题
为何没人探讨 MAF Microsoft Agent Framework 六边形架构，开发起来很顺手 中间件注入也很方便 架构层 telemetry 声明式 Func tool 开发 + doc String 上下文注入，无脑 tool 渐进式披露 内置 harness agent 模板 安利一波
为何没人探讨 MAF Microsoft Agent Framework 六边形架构，开发起来很顺手 中间件注入也很方便 架构层 telemetry 声明式 Func tool 开发 + doc String 上下文注入，无脑 tool 渐进式披露 内置 harness agent 模板 安利一波
为何没人探讨 MAF Microsoft Agent Framework 六边形架构，开发起来很顺手 中间件注入也很方便 架构层 telemetry 声明式 Func tool 开发 + doc String 上下文注入，无脑 tool 渐进式披露 内置 harness agent 模板 安利一波
如题，我想了解下。 有没有可以在手机浏览器的插件，可以快速保存 x 的文章为 md 格式。方便存储到我自己的 Obsidian 中？ 8 个帖子 - 7 位参与者 阅读完整话题
最近搬家，迁移宽带的时候，运营商把家里的IPv4动态公网IP回收了，说是现在无论什么原因都不给IPv4公网IP。 没办法，让运营商给开了IPv6（你没看错，运营商默认不给开IPv6，投诉了2次才给开）。 但现在的问题是在外面，大部分地方使用的还是纯IPv4，这就导致了在大部分情况下，无法访问家里的资料。 上网查了一下，好像大概就是两种思路： 1、买一个域名，利用外部服务器做代理中转（包括CF，FRP这种好像都属于这种中转）。 这种方式，如果在中国买域名，就必须备案。如果在中国以外买了域名，可以不用备案，但是在中国无法访问。 2、使用内网穿透工具，比如ZeroTier等组建局域网。 这种方式，在一些设备上（比如安卓），会与VPN通道冲突。虽然可以使用类似exitnode的方式，但是现在中国运营商给的上传带宽，一言难尽，访问速率大打折扣。 这两种方式，虽然解决了数据通讯问题，但还是各有痛点在里面。 请问除了这两种之外，是否还有其他不记名方式，或者不影响VPN使用的方式，来解决IPv4和IPv6互通的问题？ 4 个帖子 - 2 位参与者 阅读完整话题
IT之家 6 月 9 日消息，苹果今日正式公布了 iOS 27 系统更新，除了发布会上提到的重要内容，还包括一系列细节改进。 根据苹果在发布会上展示的一张功能细节图，以及网友的使用体验， iOS 27 悄悄更新优化了中文输入法 ，带来中文标点建议，根据上下文联想词语的准确度也得到了提升，比如输入左半边的括号可以自动生成右半边括号。 此外，iOS 27 的输入法优化了汉字拆字逻辑， 用户可以通过输入两个部分的拼音，来查找一个生僻字 。比如“珲”字就可以通过输入“wang jun”来查找到。IT之家小伙伴也可以体验一下。
Codex 自从支持了 image 2 之后，拿来生成 galgame 超方便。从剧本的生产、人物设计、cg制作、配音、音乐生成，一条龙。 基本可以实现2天1个500-1000张高品质立绘、CG的含配音的 galgame 。 目前在做的2个不同画风的女形象galgame，如下，还是挺有意思的。 整体工作流程 Claude OPUS 4.8 来进行整体游戏框架的构建，包含agent.md、剧本骨架、美术资产列表（含对应素材提示词、人设等）、技术框架； 拆分不同的 agent 来落地关键区块，Opus 4.6 来根据剧本框架按章节完善剧本，每个剧本15-20w字体量； Codex 负责美术部分，生产全部的人设、场景，接着根据剧本里的故事情节、游戏资产，通过垫图，依次生产所有游戏素材；这里设置一个/goal 即可，正常2天可以生产完； Gemini 负责生产游戏音乐，一个游戏音效+音乐大概100个文件以内，音乐非常不错，很贴合主题，这部分的素材是Claude opus 4.8设计，gemini执行； 配音剧本是通过本地 tts + 网上取音色来生成，这里需要注意几点，有的开源模型是不可以商用的，如果希望投放steam，或者itch，那么就需要考虑这部分。还有就是不要使用明星的音色，容易被粉丝冲墙。 全程用Codex也是可以实现的 这里 Codex 批量生成图片，让游戏cg全程保持画风、人物一致性，太重要了，成本也比 lovart 等低很多，一个 GPT pro 可以跑1周生成2-3个游戏； 以往一个小成本 2小时以上的 galgame，基本没个5-10w是很难落地的，更何况还要结合配音、音乐等，现在1个 gpt pro，一个月生产5-8个没什么问题。 最后放几张游戏的截图，还是蛮好玩的 4 个帖子 - 4 位参与者 阅读完整话题
周末去康师傅方便面杭州下沙工厂逛了逛 门票 29.9 ，我买的是 39.9 的有多一个玩偶，那个玩偶巨丑，非常不推荐，还是 29.9 的好。 主要是三个内容 小火车（全国之最，最短，只有 300 米，确实很最） 参观生产车间（不能拍照，手机需要装袋子里，也正常，别人工厂挺好的了，拍了网上胡说不好的） 泡面 diy （ 2 荤 2 素，流水线自动泡面，机器人端面上桌） 参观的话，有一个方便面的面饼制作和包装线可以看到，面饼制作那一段全无人的，自动进料揉面，加冰水温控维持至 25℃，然后是 13 级压面成面饼（讲解小姑娘说别的厂家一般只有 5 级），再切成面条顺便弄弯曲，之后 180 秒蒸熟，落到模具里面弄成圆形的，然后油炸定型脱水，再通风冷却。全程原料只有面粉、水、棕榈油，没有别的调料，也没有防腐剂。 然后就传送到包装线了，这里工人稍微多一点了，人工盯着机器有没有漏放调料和叉子，后面是机器视检和称重检测。他这个包装线面饼过来之后就分成双路的了，可以生产双拼口味的，一箱里面可以有两种口味。再后面还有金属检测。 最后的打包段也蛮自动的，工业机器人几箱几箱这样抓码在一起，凑成一个叉车托盘再传送到仓库去。 遗憾的就是，没看到酱料/调料生产线，也没看到其他车间（厂区里应该还有调料车间和包装生产车间吧）。 整个感想，方便面的生产线好简单！我有亲戚以前开过食品厂，生产流程复杂很多。方便面这种，东西简单，硬的牌子不愁卖。
周末去康师傅方便面杭州下沙工厂逛了逛 门票 29.9 ，我买的是 39.9 的有多一个玩偶，那个玩偶巨丑，非常不推荐，还是 29.9 的好。 主要是三个内容 小火车（全国之最，最短，只有 300 米，确实很最） 参观生产车间（不能拍照，手机需要装袋子里，也正常，别人工厂挺好的了，拍了网上胡说不好的） 泡面 diy （ 2 荤 2 素，流水线自动泡面，机器人端面上桌） 参观的话，有一个方便面的面饼制作和包装线可以看到，面饼制作那一段全无人的，自动进料揉面，加冰水温控维持至 25℃，然后是 13 级压面成面饼（讲解小姑娘说别的厂家一般只有 5 级），再切成面条顺便弄弯曲，之后 180 秒蒸熟，落到模具里面弄成圆形的，然后油炸定型脱水，再通风冷却。全程原料只有面粉、水、棕榈油，没有别的调料，也没有防腐剂。 然后就传送到包装线了，这里工人稍微多一点了，人工盯着机器有没有漏放调料和叉子，后面是机器视检和称重检测。他这个包装线面饼过来之后就分成双路的了，可以生产双拼口味的，一箱里面可以有两种口味。再后面还有金属检测。 最后的打包段也蛮自动的，工业机器人几箱几箱这样抓码在一起，凑成一个叉车托盘再传送到仓库去。 遗憾的就是，没看到酱料/调料生产线，也没看到其他车间（厂区里应该还有调料车间和包装生产车间吧）。 整个感想，方便面的生产线好简单！我有亲戚以前开过食品厂，生产流程复杂很多。方便面这种，东西简单，硬的牌子不愁卖。