OCR 认字全对却读不成文?照片说明文字的段落级识别实践
作者在博物馆展柜照片场景下,用几何规则后处理与 PaddleOCR PP-StructureV3 两条路线解决行级 OCR 输出碎片化问题,把 59 行识别结果重组成 14 段可读文本。
作者在博物馆展柜照片场景下,用几何规则后处理与 PaddleOCR PP-StructureV3 两条路线解决行级 OCR 输出碎片化问题,把 59 行识别结果重组成 14 段可读文本。
作者提出用脚本退出码替代 AI 自报告,Agent 每次关键操作后必须运行对应验证脚本,退出码非 0 即视为未完成。三层验证体系分别检查数据完整性、逻辑一致性和行为合规性,验证失败后进入修复循环并重新跑脚本,而不是采信 AI 的自我报告。文末给出给 Agent 开发者的实践建议,并关联开源项目 Idea-Maglev/maglev。
本节演示了用 draw.io 绘制井字棋主菜单、再把含坐标与颜色信息的 .drawio 文件交给 AI 生成 raylib 代码的完整流程。.drawio 本质是 XML 文本,AI 可按设计稿逐项还原按钮位置、十六进制颜色和居中文字。作者同时提醒,raylib 功能有限,复杂样式可能无法正常还原。
作者第一个企业 AI 项目验收顺利,但等了 3 个月没有复购,甲方反馈系统一直在跑却没人说得清它帮上了什么忙。作者随后补上三件事:质保期每周发一份含调用量、成功率、P95、人工介入和兜底触发五个字段的运行台账(附一个读取 JSONL 日志的 Go 脚本);把检索、权限、审计、兜底抽成可复用底座,第二个场景只算增量报价;验收材料固定加一页讲清二期计价与运维口径。
本章把 Redis 从客户端、网络接入、命令执行、数据结构到生命周期分层拆解,讲清各术语在系统中的位置,并解释单线程事件循环的工作原理。Redis 快源于纯内存操作、epoll IO 多路复用与紧凑编码,但耗时命令会阻塞所有客户端,这是单线程模型最大的坑。
作者读了 context-mode 1.0.169 源码并直接调用其 MCP server 复现,98% 是作者预写汇总脚本输出与原始文件的字节比,基线是全量原文进入上下文。
作者在周记中分享了利用 AI 学习框架 Deeptotur 配合 DeepSeek 模型 API 制定高中竞赛级学习计划的方法,并计划测试一学期验证成果。作者同时启动 SF-lean4 项目以将《软件基础》转换为 lean 4 版本,并规划重写约 3w 字的《逆袭导论》第三版,手动去除 AI 生成内容并增加个人经验。文中还总结了当前 AI 的四点局限性。
本文按 OmO v3.12.2 固定版本文档梳理其 OpenCode 插件形态下的角色分工,Sisyphus 负责编排、Hephaestus 深度执行、Prometheus 先问后做、Librarian 检索文档、Oracle 只读审校,并逐项说明 IntentGate 意图分析、Hashline 内容哈希校验编辑、Skills 与 MCP 懒加载三项机制的核对方法。
作者借助 trae 完成 Swing 代码,为此前编写的简易 class 文件解析工具增加了 GUI 支持(V1.0 版本)。下载源码后切换至 feature_gui 分支,执行 mvn compile exec:java -Pgui 即可启动,选择 class 文件便能进行解析。
10 月 15 日 OpenAI 升级 ChatGPT 的 Chrome 扩展,可读取所有已开标签页作为上下文,授权后可替你填表、发消息、下载文件并整理标签页,免费账号即可使用全套功能。作者给出三步上手流程和两条可直接复用的提示词,并建议逐站授权、选「仅允许一次」以控制风险。作者实测发现信息交代越完整执行越稳,自己曾因联系方式没给全而返工。
推荐理由:原文给出两条可直接复用的提示词和逐站授权策略,读者能照着把填表比价这类浏览器杂活交给 AI。
Awesome DSH Plugin 是面向 DeepSeek Harness(dsh)插件生态的社区精选列表,官网实时计数 5065 个插件,GitHub 19,015 Star,采用 CC0-1.0 协议。
作者将 GPT Image 提示词网站"生图灵感库"的 9,263 张样张从 Git 迁入 Cloudflare R2,在 GPT-6.1 辅助下约半天完成架构升级。
作者在一台 1 核 CPU、2G 内存的云机上实测了 Rust 单二进制搜索引擎 XERJ(GitHub 7059 星,宣称 1366/1369 条 ES 一致性用例通过,对 ES 8.13.4 基准为 55 胜 26 平 4 负)。
作者团队把投研 Agent 的 PDF 工具从纯文本提取升级为可导航、可核对证据的多模态研究能力。核心做法是把阅读拆成搜索、定位、读取三类接口,由 Reader 签发有效页面位置并独立记录文本、表格、页面图像的实际覆盖范围,资源上限按 PDF 与网页等内容类型分别约束(PDF 统一为 10 MiB,网页仍受 2 MiB 响应限制管理)。
团队基于自托管 Langfuse 构建 Agent 可观测体系,将观测对象从孤立调用扩展为带身份的执行链,并明确 Langfuse 诊断视图不替代业务持久执行记录。
作者给团队搭内部知识库问答时,同事搜「怎么做接口限流」却被递上「怎么做缓存」的段落;拆开链路发现根因在嵌入层把近义意图放成了邻居,而不是向量库。ANN(IVF、HNSW)只加速找最近邻,召回率是可调旋钮,但改不了「什么算最近」。文中给出 nprobe 与召回率的实测权衡数据、三个生产环境坑(后过滤召回塌缩、维度灾难)以及零依赖可复现代码。
本文讲解前端改版导致脚本失效时如何让 AI 自动修复测试定位器,给出 2026 年主流工具选型地图,并提供一套可直接运行的 Python + pytest + Playwright 自愈实现。
WorkBuddy 国内版(5.8.3)与国际版(5.8.4)在同一台 Windows 上共用更新缓存,自动更新后两个快捷方式会打开成同一个应用。原因是旧版更新器恢复缓存时只比版本号、不校验产品身份,对方的安装包被当成自己的更新静默装入当前目录。
本文逐行拆解 advance-rag 项目,用 LangChain.js、LangGraph 与 Milvus 搭建一个以《天龙八部》EPUB 为唯一知识源的 RAG 问答助手。
这篇入门教程讲解如何用 Claude Code Hooks 把格式化、测试、文件保护等规则挂到生命周期事件上,由 Claude Code 确定性地执行 shell 命令,而不是写进提示词靠模型自觉。配置和字段按 2026 年 10 月的官方文档核对,作者未逐个实测;文中给出编辑后自动格式化、后台异步跑测试、拦截敏感文件、停下前确认测试通过四个示例,并讲清退出码、matcher 和常见排错。
推荐理由:文章把 Hooks 的配置层级、事件类型和退出码讲得足够具体,读者可以照着在自己的项目里搭出格式化和敏感文件保护。
作者为 DeepSeek Harness 开发了费用插件 dsh-spend-pill,在输入框下方显示本次会话的人民币花费,点击可查看分模型、分时段明细。DeepSeek 官方按高峰/空闲时段与缓存命中、未命中、输出三桶分别计价,插件改在 Host 侧用会话投影增量折叠计费,跨分页、跨上下文压缩与冷启动都由投影兜底。
作者实测开源逆向工具 REA(Reverse Engineer Anything),配合 Codex 和 GPT-6 Astra 成功给单机游戏《火影战记》新增角色迈特凯,并逆向出一个 Flutter 学习 APP 的工程结构。
推荐理由:作者用三套模型组合实测同一工具,并提炼出 Flutter 加固只盖 Java 层、客户端密钥应放后端这一可迁移经验。
作者用一次「今天/明天」答错的翻车,逐层讲透语义缓存的三层查询结构、阈值权衡与失效策略,并附可复现脚本。阈值扫描显示 τ=0.85 时假阳性率 0.50,压到 0.60 时达 1.00;GPTCache 论文报告命中率 61.6% 到 68.8%、正向命中率超 97%,另有生产案例把命中率从 18% 拉到 67%、月账单降 73%。
推荐理由:作者用可复现的阈值扫描暴露假阳性随阈值变化的规律,并给出分区检索、judge 复核等可直接落地的工程对策。
作者用一个真实论坛案例演示如何指挥 AI 从一句话需求完成 MVP,先通过 feat skill 头脑风暴把需求收敛成两批功能清单和 MVP 外不做清单,再经数据建模、代码审核、BDD 验证与 M 阶段手动测试完成验收,并固定 E2E 回归基准。文章强调 AI 自报通过不等于真通过,用户的核心职责是在关键处决策和把关。
一种基于 Spring AI 2.0.1 的大模型服务抽象将 Provider、ModelProfile 与 ModelClient 分离建模,实现 OpenAI、通义千问 OpenAI 兼容接口与 Ollama 本地模型的统一调用。
作者把一套硬编码的游戏自动打怪脚本改造成双速架构:找人、打架等确定性环节继续用 Python 加 YOLO 跑快回路,对话框选项才交给本地 qwen2.5-coder:7b 以 tool calling 慢回路决策。
在偏度 2.07、混着 5 笔团购大单的订单金额数据上对比 MinMax、Standard、Robust 三种特征缩放器,结论是 RobustScaler 最适合又偏又脏的真实业务字段。
作者用一份混入 5 笔团购单的合成订单金额数据(偏度 2.07)逐个跑了 MinMax、Standard、Robust 三种缩放器,并给出按异常值占比和偏度判断的选型函数。
A2A(Agent2Agent)是智能体之间通信与协作的开放协议,本文讲解 Agent Card、Message、Task 等核心对象以及服务发现、任务跟踪与流式通信,并结合 AgentScope Java 2.0.0 样例演示服务端、客户端和 SSE 调用。
sweety-handdraw-video 是一个开源 Skill,把文章或故事转为手绘口播视频,由 AI Agent 完成内容理解、口播脚本撰写、分镜设计和插画生成,Python 与 FFmpeg 在本地完成逐帧渲染、配音对齐和字幕合成。
本章讲解如何把 Agent 从 demo 送进生产,核心是把生产 Agent 看作分布式异步工作系统:快速任务走同步 REST/SSE,慢速任务入队由 worker 消费,配合任务状态表、断点续跑和统一 LLM 网关做 provider 路由、限流与故障切换。
本文是《从工单开始,做一个 AI Agent》第 14 篇,把候选策略的影子运行、人工批准灰度和确认回归后回滚做成一条可回查的发布路径。
本文是《从0到1构建一个能“记住你”的智能体》系列第 9 篇、正篇收官之作,系统讲解超体的闭环迭代机制。全文围绕六环展开:全链路埋点、失败样本归因与自动反思、程序性记忆 Skill 化(沉淀计划骨架、执行轨迹与踩坑库)、记忆的近重复合并与遗忘衰减、生成→批判→精修→主编排的多智能体协作,以及由数字分身、规划执行、报告、写作等分身构成的智能体矩阵,并给出各环节对应的代码模块与真实翻车案例。
这篇实战文章拆解 GitHub 官方开源的规范驱动开发工具包 Spec Kit(MIT 协议,仓库 spec-kit),并给出在 7 个开发阶段为不同任务分配不同模型的分工策略。Spec Kit 规定 AI 按顺序交出 constitution、spec.md、plan.md、tasks 等产物,另设 clarify、checklist、analyze 三个可选质量门;作者按
推荐理由:作者把 Spec Kit 的七阶段流程落成可照抄的模型分工表,并给出每阶段的典型错误类型与换模型理由,可直接迁移到自己的 AI 编码项目。
腾讯开源知识管理框架 WeKnora,将 RAG 检索问答、Agent 任务执行与 Wiki 知识整理整合在同一知识库上,支持多格式解析、语义检索和原文引用。Agent 可围绕目标多步推理并调用工具,还支持 MCP 集成连接其他 AI 工具,但生成结果仍需结合业务核验。
本文基于 langgraph-supervisor(v0.0.31)源码,解读 Supervisor 多智能体机制的用法与设计原理。核心做法是把主管做成普通 Agent、把派活做成工具,专家通过 handoff 工具返回 Command(goto, Command.PARENT, update) 交还控制权,外层图再按固定边回到主管。
推荐理由:文章把 Supervisor 拆成 handoff、Command 和固定回路三个可复用机制,读者能据此判断自己的多 Agent 场景该不该加主管。
Forge Admin 将底座升级到 Spring Boot 4.1.1 / Flowable 8.0.0 / Sa-Token 1.45 / MyBatis-Plus 3.5.17。
作者提出把 Agent 评测的金标准从答案要点清单改写为一组判官可逐项执行的判定项,并给出五步流程:先定判官分工(LLM 做语义判定、程序做确定性检查与聚合)、拆必选与边界两栏判定项、写成可执行规则、按问题类型铺用例再补跨类型失败面、定 N/K 与抖动等判定参数。全文用一个文档问答 Agent 的 18 条用例演示,并指出某类问题写不出可执行判定规则时,应先回头补产品定义。
文章指出AI让写代码变快、评审仍靠人工,导致PR积压、合并周期拉长,评审成为新的交付瓶颈。某团队引入Claude Code两个月后Bug漏检率从41%降到11%,其机制是把空指针、异常处理、并发安全等机械性检查交给AI,人聚焦改动意图、架构决策与业务逻辑覆盖。
这篇教程讲解 Claude Code Hooks 的配置位置与工作原理,并给出 5 个可直接复用的自动化配置。配置写在 settings.json 中,通过 PreToolUse、PostToolUse、Stop 等事件挂接命令,脚本以退出码 0 放行、2 阻断,分别实现自动格式化、拦截危险命令、保护密钥文件、完成提醒和自动检查。