之前用claude+手工来修改代码跑实验，现在有了codex就懒得自己弄了 连idea都是让他找，但是目前跑了上百次试验，没有什么提升，人已经麻了。 有没有佬懂这方向的 或者会用ai调优的。哪怕是告诉我几个我不知道的skills也可以啊。 救救孩子！ 3 个帖子 - 2 位参与者 阅读完整话题
比如 计算机视觉、图像处理与多模态感知、人工智能、大模型、机器学习与智能算法、物联网、边缘计算这些方向如果要选择该怎么选呢，有无这些方向毕业的研究生大哥。
比如 计算机视觉、图像处理与多模态感知、人工智能、大模型、机器学习与智能算法、物联网、边缘计算这些方向如果要选择该怎么选呢，有无这些方向毕业的研究生大哥。
比如 计算机视觉、图像处理与多模态感知、人工智能、大模型、机器学习与智能算法、物联网、边缘计算这些方向如果要选择该怎么选呢，有无这些方向毕业的研究生大哥。
比如 计算机视觉、图像处理与多模态感知、人工智能、大模型、机器学习与智能算法、物联网、边缘计算这些方向如果要选择该怎么选呢，有无这些方向毕业的研究生大哥。
比如 计算机视觉、图像处理与多模态感知、人工智能、大模型、机器学习与智能算法、物联网、边缘计算这些方向如果要选择该怎么选呢，有无这些方向毕业的研究生大哥。
比如 计算机视觉、图像处理与多模态感知、人工智能、大模型、机器学习与智能算法、物联网、边缘计算这些方向如果要选择该怎么选呢，有无这些方向毕业的研究生大哥。
比如 计算机视觉、图像处理与多模态感知、人工智能、大模型、机器学习与智能算法、物联网、边缘计算这些方向如果要选择该怎么选呢，有无这些方向毕业的研究生大哥。
比如 计算机视觉、图像处理与多模态感知、人工智能、大模型、机器学习与智能算法、物联网、边缘计算这些方向如果要选择该怎么选呢，有无这些方向毕业的研究生大哥。
最近攒了几个更新，又来发帖啦。 全局搜索快捷操作 全局搜索弹窗新增快捷操作，按 ⌘K 打开搜索后直接能看到一堆常用入口：新建对话、新建应用、上传文件、新建文件夹、切换主题、切换语言、跳转设置等等。 App 后台生成不断流 现在 AI 应用在生成内容或者讨论的时候，关掉页面、刷新浏览器、甚至临时断网，任务也都可以在后台继续跑啦。重新打开页面会自动续上进度，不再丢已经生成的内容。 模态筛选 全局搜索（⌘K ）和对话页的模型列表也支持模态筛选了，文本/图像/音频/视频/文件，输入输出分开过滤 往期主要功能： 300+ 模型同时回答，并排对比 Git 式对话分支，任意节点 fork 对话分支可视化（右侧分支树面板） 消息大纲导航 知识库提炼 + 记忆注入 后台推流，关页面不断流（对话 / AI 应用） 全局语义搜索（对话/文件/消息/应用） AI 生成网页应用，对话式迭代 yeero.ai ，感兴趣的朋友来试试呀。
最近公司打算部署一些多模态模型，例如千问8B这样的，对部门内部&对外提供一些多模态能力，我的平台只要是调度cv算法用的，本质上就是给算法找到对应的算力卡拉起来，大模型也能拉起来，现在问题是我没有大模型网关，我的需求是能够将多个相同模型的实例对外暴露为一个模型（能够支持一些权重路由、或者别的策略路由），由网关内部完成负载，并且能够兼容业界主流&国内模型的协议，能够将每条调用都记录下来，能够有主账号和子账号的概念（例如我开给A公司，A公司可以给每一个员工限额这样），我目前在看的是one-api，我需要基于one-api进行一些二开，原本打算用new-api，但是他的开源协议是我司不允许使用的，不知道各位佬有没有别的开源项目推荐 3 个帖子 - 2 位参与者 阅读完整话题
400报错除了是请求格式的问题，还有可能是对话过程中，你从多模态切换成了纯文本的模型，由于上下文出现过多模态的专属指令，就会报这个错误 429报错就是请求频繁限流了，冷却后再试 然后就是各种公益站最好是不经过cc或者codex++之类的，很容易报错限流甚至封禁，直连是最稳的。 还有用mimo这种低智商模型的时候，一定要检查它技能有没有真的下载成功，它可能会自己注册一个同名空壳糊弄你 还有ai写小说死路一条，不要浪费token 1 个帖子 - 1 位参与者 阅读完整话题
没有多模态，边框宽了，或者嵌套有问题，怎么给他描述呢，只能拿出 codex 三分钟搞完了，佬们有什么好主意呢？ds 是公司提供的，不舍得用自己的细糠 8 个帖子 - 7 位参与者 阅读完整话题
AI 后端工程师（ Prompt & 多模态视频方向） 薪资：20K–25K RMB | 人数：1 职位亮点： 加入我们，你将负责将大模型能力真正落地到业务场景，尤其是 Prompt 设计 与 多模态 AI / VL 视频处理，推动 AI 在研发流程中的应用升级。 岗位职责： 设计与开发 AI 工作流、Agent 系统及 RAG 知识库，多步骤流程落地； 独立完成前后端开发，并将大模型能力（ OpenAI 、Claude 、DeepSeek 、Qwen 等）应用于实际业务； 负责 Prompt 工程设计、自动化工作流搭建及 AI 功能上线优化； 构建 视频/多模态 AI 模块（视频理解、视频问答、图像+文本任务）； 利用 Cursor 、Claude Code 、GitHub Copilot 等工具提升研发效率。 任职要求： 本科及以上学历，5 年以上全栈开发经验； 精通 React / Next.js / Vue 前端 + Node.js / Python / Go / Java 后端技术栈； 熟练使用大模型 API 集成，具备 RAG 、Agent 、Prompt Engineering 实战经验； 有 多模态 AI / VL 模型视频处理项目经验； 熟悉 PostgreSQL / MySQL / Redis 、Docker 、CI/CD ，具备系统设计能力。 加分项： 熟悉 LangChain 、LlamaIndex 、LangGraph 等 AI 框架； 有向量数据库（ pgvector 、Qdrant 、Pinecone ）使用经验； 熟悉 Ollama 、vLLM 或本地模型部署； 具备 AI 评测体系、监控体系建设经验。
AI 后端工程师（ Prompt & 多模态视频方向） 薪资：20K–25K RMB | 人数：1 职位亮点： 加入我们，你将负责将大模型能力真正落地到业务场景，尤其是 Prompt 设计 与 多模态 AI / VL 视频处理，推动 AI 在研发流程中的应用升级。 岗位职责： 设计与开发 AI 工作流、Agent 系统及 RAG 知识库，多步骤流程落地； 独立完成前后端开发，并将大模型能力（ OpenAI 、Claude 、DeepSeek 、Qwen 等）应用于实际业务； 负责 Prompt 工程设计、自动化工作流搭建及 AI 功能上线优化； 构建 视频/多模态 AI 模块（视频理解、视频问答、图像+文本任务）； 利用 Cursor 、Claude Code 、GitHub Copilot 等工具提升研发效率。 任职要求： 本科及以上学历，5 年以上全栈开发经验； 精通 React / Next.js / Vue 前端 + Node.js / Python / Go / Java 后端技术栈； 熟练使用大模型 API 集成，具备 RAG 、Agent 、Prompt Engineering 实战经验； 有 多模态 AI / VL 模型视频处理项目经验； 熟悉 PostgreSQL / MySQL / Redis 、Docker 、CI/CD ，具备系统设计能力。 加分项： 熟悉 LangChain 、LlamaIndex 、LangGraph 等 AI 框架； 有向量数据库（ pgvector 、Qdrant 、Pinecone ）使用经验； 熟悉 Ollama 、vLLM 或本地模型部署； 具备 AI 评测体系、监控体系建设经验。
AI 后端工程师（ Prompt & 多模态视频方向） 薪资：20K–25K RMB | 人数：1 职位亮点： 加入我们，你将负责将大模型能力真正落地到业务场景，尤其是 Prompt 设计 与 多模态 AI / VL 视频处理，推动 AI 在研发流程中的应用升级。 岗位职责： 设计与开发 AI 工作流、Agent 系统及 RAG 知识库，多步骤流程落地； 独立完成前后端开发，并将大模型能力（ OpenAI 、Claude 、DeepSeek 、Qwen 等）应用于实际业务； 负责 Prompt 工程设计、自动化工作流搭建及 AI 功能上线优化； 构建 视频/多模态 AI 模块（视频理解、视频问答、图像+文本任务）； 利用 Cursor 、Claude Code 、GitHub Copilot 等工具提升研发效率。 任职要求： 本科及以上学历，5 年以上全栈开发经验； 精通 React / Next.js / Vue 前端 + Node.js / Python / Go / Java 后端技术栈； 熟练使用大模型 API 集成，具备 RAG 、Agent 、Prompt Engineering 实战经验； 有 多模态 AI / VL 模型视频处理项目经验； 熟悉 PostgreSQL / MySQL / Redis 、Docker 、CI/CD ，具备系统设计能力。 加分项： 熟悉 LangChain 、LlamaIndex 、LangGraph 等 AI 框架； 有向量数据库（ pgvector 、Qdrant 、Pinecone ）使用经验； 熟悉 Ollama 、vLLM 或本地模型部署； 具备 AI 评测体系、监控体系建设经验。
AI 后端工程师（ Prompt & 多模态视频方向） 薪资：20K–25K RMB | 人数：1 职位亮点： 加入我们，你将负责将大模型能力真正落地到业务场景，尤其是 Prompt 设计 与 多模态 AI / VL 视频处理，推动 AI 在研发流程中的应用升级。 岗位职责： 设计与开发 AI 工作流、Agent 系统及 RAG 知识库，多步骤流程落地； 独立完成前后端开发，并将大模型能力（ OpenAI 、Claude 、DeepSeek 、Qwen 等）应用于实际业务； 负责 Prompt 工程设计、自动化工作流搭建及 AI 功能上线优化； 构建 视频/多模态 AI 模块（视频理解、视频问答、图像+文本任务）； 利用 Cursor 、Claude Code 、GitHub Copilot 等工具提升研发效率。 任职要求： 本科及以上学历，5 年以上全栈开发经验； 精通 React / Next.js / Vue 前端 + Node.js / Python / Go / Java 后端技术栈； 熟练使用大模型 API 集成，具备 RAG 、Agent 、Prompt Engineering 实战经验； 有 多模态 AI / VL 模型视频处理项目经验； 熟悉 PostgreSQL / MySQL / Redis 、Docker 、CI/CD ，具备系统设计能力。 加分项： 熟悉 LangChain 、LlamaIndex 、LangGraph 等 AI 框架； 有向量数据库（ pgvector 、Qdrant 、Pinecone ）使用经验； 熟悉 Ollama 、vLLM 或本地模型部署； 具备 AI 评测体系、监控体系建设经验。
AI 后端工程师（ Prompt & 多模态视频方向） 薪资：20K–25K RMB | 人数：1 职位亮点： 加入我们，你将负责将大模型能力真正落地到业务场景，尤其是 Prompt 设计 与 多模态 AI / VL 视频处理，推动 AI 在研发流程中的应用升级。 岗位职责： 设计与开发 AI 工作流、Agent 系统及 RAG 知识库，多步骤流程落地； 独立完成前后端开发，并将大模型能力（ OpenAI 、Claude 、DeepSeek 、Qwen 等）应用于实际业务； 负责 Prompt 工程设计、自动化工作流搭建及 AI 功能上线优化； 构建 视频/多模态 AI 模块（视频理解、视频问答、图像+文本任务）； 利用 Cursor 、Claude Code 、GitHub Copilot 等工具提升研发效率。 任职要求： 本科及以上学历，5 年以上全栈开发经验； 精通 React / Next.js / Vue 前端 + Node.js / Python / Go / Java 后端技术栈； 熟练使用大模型 API 集成，具备 RAG 、Agent 、Prompt Engineering 实战经验； 有 多模态 AI / VL 模型视频处理项目经验； 熟悉 PostgreSQL / MySQL / Redis 、Docker 、CI/CD ，具备系统设计能力。 加分项： 熟悉 LangChain 、LlamaIndex 、LangGraph 等 AI 框架； 有向量数据库（ pgvector 、Qdrant 、Pinecone ）使用经验； 熟悉 Ollama 、vLLM 或本地模型部署； 具备 AI 评测体系、监控体系建设经验。
最近在用hermes，发现deepseek不是多模态，用起来很不方便，想换个模型用。看大家都在分享Mimo以为很便宜，去官网看订阅也挺贵的啊 3 个帖子 - 3 位参与者 阅读完整话题
Google日前发布并开源 Gemma 4 12B 版多模态模型，该模型的开发目标是让消费级设备也可以在本地运行 AI 模型，根据Google的测试，该模型可以在 16GB 内存 / 显存的笔记本电脑和台式机上运行，这得益于 12B 的小规模参数，但该模型的智能化程度比肩 Gemma 26B 版模型。 模型优势包括： 全新统一架构：无需多模态编码器，直接支持文本、图片、视频和音频输入。 高级推理功能：基准性能接近 Gemma 26B 版混合专家架构模型，可以在本地提供多步骤推理。 内存要求较低：只需要 16GB 的内存或显存即可在本地运行，当然内存越大性能也会更好。 模型开源发布：该模型采用 Apache 2.0 许可证发布，Google和社区也提供完善的开发者生态系统支持。 预测选型器：Gemma 4 12B 版配备多种 Token 预测选型器，可以有效减少延迟。 有关模型的更多介绍： Gemma 4 12B 在标注基准测试中的智能化程度接近Google此前开源发布的 26B MoE 混合架构模型，但 12B 版内存要求非常低，可以直接在配备 16GB 内存或显存的消费级笔记本电脑和台式机上运行，让用户可以在本地体验强大的多模态和智能体交互体验。 该模型的突出优势还包括简化图片、视频、音频输入处理方式，传统的多模态模型通常依赖独立的编码器来转换图像和音频，然后再将转换后的表示传递给语言模型，由于这些分离式编码器会增加延迟和内存占用，所以Google使用无编码器架构训练 Gemma 4 12B 模型，让模型可以直接整合音频和视觉输入。 视觉方面：使用轻量级的嵌入模块替换 Gemma 4 视觉编码器，该模块仅包含 1 次矩阵乘法、位置嵌入和归一化操作，这让模型主干网络可以直接接管视觉处理。 音频方面：Google完全移除了音频编码器，将原始音频信号投射到与文本标记相同的维度空间中。 体验和下载模型： 目前 Gemma 4 12B 版已经在多个平台提供，有兴趣的开发者可以在 Ollama 等中直接体验，也可以前往 HuggingFace 或 Kaggle 下载模型权重文件，开发者还可以使用 Unsloth 进行高效微调定制自己需要的版本。 Ollama： https://ollama.com/library/gemma4 HuggingFace： https://huggingface.co/collections/google/gemma-4 Unsloth： https://unsloth.ai/docs/models/gemma-4 查看评论