Zhao Junquan

Jukwaa la zana la Universal (AiNative-Tools)

miradi ya msingi Kurudia mara kwa mara Studio ya AI-Native Mtiririko wa kazi wa mtindo wa LangChain DEMO

Mandharinyuma ya mradi

Kwa utengenezaji wa maudhui ya biashara ya kielektroniki ya mipakani, urekebishaji wa kiotomatiki, usindikaji wa picha na matukio ya uwasilishaji wa bechi, AiNative-Tools huunganisha mkusanyiko wa bidhaa, mpangilio wa haraka, uandishi wa AI, picha za mandharinyuma nyeupe, picha za tukio, ufungashaji wa bechi na uchunguzi wa uendeshaji kwenye benchi ya kazi ya Studio ya ndani. Kulingana na kandarasi za katalogi, foleni za kazi, orodha za programu-jalizi, na mtiririko wa hali, mfumo hupanga uteuzi wa bidhaa, uwekaji rafu, utengenezaji wa nyenzo, na uwasilishaji katika viungo vya uzalishaji vinavyoweza kusanidiwa, vinavyoweza kurejeshwa na kufuatiliwa, ambavyo vinafaa kwa uendeshaji wa bechi ndefu, bidhaa nyingi, lugha nyingi na vipengee vya picha nyingi. Fomu ya mradi ni seti ya LangChain Workflow iliyojengwa kuzunguka biashara ya e-commerce ya mipakani: kila kundi la bidhaa huendelezwa hatua kwa hatua pamoja na uingizaji thabiti, mpangilio wa haraka, wito wa mfano, uchambuzi uliopangwa, zana za picha na zana za utoaji.

majukumu yangu

Ninawajibu wa kuzalisha ukusanyaji, urekebishaji, tafsiri, utengenezaji wa picha na michakato ya uwasilishaji katika uzalishaji wa maudhui ya biashara ya mtandaoni ya mipakani, na kuongoza kiungo kizima kutoka kwa utenganishaji wa mchakato wa biashara, ufafanuzi wa mipaka ya zana hadi matumizi ya vitendo ya benchi ya kazi ya Studio ya ndani. Lengo ni kubadilisha vitendo vya kurudia rudia vya waendeshaji kuwa michakato ya uzalishaji inayoweza kusanidiwa, inayoweza kufuatiliwa na inayoweza kurejeshwa, na inawajibika kwa ufanisi wa uwasilishaji wa bechi, uthabiti wa mchakato na uwezo wa upanuzi unaofuata.

Suluhisho la kiufundi

FastAPI + TaskManager + Dhihirisha ndege ya udhibiti wa safu tatu, majukumu yanaendelezwa katika makundi kutoka kwa mkusanyiko hadi uwasilishaji, na WebSocket husawazisha hali katika muda halisi.

Shell ya Studio ya mbele hutumia JS ya asili kupanga foleni za kazi, shughuli za kundi na viingilio vya zana; Mazingira ya nyuma hutumia uelekezaji wa FastAPI ili kudhibiti asili/wingu/ai aina tatu za chaneli za kazi.
Safu ya Manifest huchanganua kiotomati hati za zana za ndani za SUM na kusajili uchakataji wa picha, upakiaji, uboreshaji na uwezo mwingine kama fomu za zana zinazoweza kusanidiwa.
Kiungo kikuu cha utayarishaji: URL ya bidhaa/ingizo la Excel → Mkusanyiko wa vinyago → Mpangilio wa PromptComposer → Simu ya Mteja → JSON Parser kufunga → Painter/PackTool delivery.
AIClient inaunganisha tofauti katika itifaki za miundo mingi kama vile Gemini / OpenAI-Inaotangamana; Kichanganuzi cha Pato Kilichopangwa hubana pato la muundo kwa JSON ambalo linaweza kutumiwa na zana za upigaji picha za chini ya mkondo.
Usajili wa Maongezi huauni uingizwaji wa lugha ya soko, kukatwa kwa jukwaa na ufungashaji wa umbizo la Sandwich, na bechi tofauti za bidhaa zinaweza kutekelezwa kwa uthabiti kwa mchakato ule ule.
Dimbwi la Ufunguo, vijipicha vya hali na saraka za kundi kwa pamoja huunda mpaka wa uokoaji kwa marudio yaliyoshindikana, kuweka taswira, kuweka viraka vya tafsiri na uwekaji upya.

Vivutio

Boresha zana za utendaji tofauti ziwe ndege inayoonekana, iliyopangwa foleni na inayoweza kurejeshwa. Mfumo huu unaauni kitanzi kilichofungwa kabisa kutoka kwa URL ya bidhaa/Ingizo la Excel hadi mkusanyiko wa picha na maandishi, uchanganuzi wa AI, uchakataji wa awali wa picha ya mandharinyuma nyeupe, utengenezaji wa bechi ya eneo la tukio na upangaji wa vifurushi vya uwasilishaji, na kuboresha uthabiti wa kazi za bechi ndefu kupitia mikataba ya katalogi, vijipicha vya hali, ratiba ya Dimbwi Muhimu na uchezaji wa kumbukumbu. Saraka ya bechi ni sawa na Schema thabiti ya ingizo, TaskStateStore iliyojitengeneza yenyewe ina jukumu la Checkpoint, SharedGroupManager hutoa Jimbo linalofanana na Kumbukumbu, na hati za picha na hati za ufungashaji hushiriki kwenye kiungo katika mfumo wa Safu ya Zana, ili bechi za bidhaa ziweze kuchakatwa zinaposhindwa, fanya upya tafsiri, na kuongeza picha. Weka njia wazi ya kupona.

FastAPI Python 3.12 Pydantic Shell asili ya JS Studio Mtiririko wa hali ya WebSocket Onyesha mfumo wa programu-jalizi TaskManager foleni nyingi Gemini/OpenAI API Mtunzi wa haraka Upangaji wa Dimbwi Muhimu Selenium / Firefox Mto/OpenCV Uingizaji wa data wa XLSX/CSV Kundi la kuhifadhi na kurejesha Usajili wa haraka RunnableSequence Kichanganuzi cha Pato Lililoundwa State Store Jimbo la kumbukumbu LangChain

Tazama kumbukumbu ya maendeleo

Lite Studio

mteja wa desktop Matengenezo yanayoendelea

Mandharinyuma ya mradi

Utata wa simu za miundo mikubwa unaendelea kuongezeka, na ni vigumu kwa hati moja ya Python na Daftari ya Jupyter kubeba mtiririko wa kazi wa AI wa masafa ya juu, wa raundi nyingi na wa zana mtambuka. Ikilinganishwa na hati za muda zilizotawanyika, upande wa biashara unahitaji kituo cha kazi cha AI cha ndani ambacho ni cha kudumu, kinachoweza kufuatiliwa, na kinachoweza kupanuka ili kuunganisha hali ya mazungumzo, usanidi wa muundo, mbano wa muktadha, na upangaji programu-jalizi katika mfumo unaoweza kudumishwa wa muda mrefu.

majukumu yangu

Nina jukumu la kutangaza uzalishaji wa Lite Studio kutoka kwa mkusanyiko wa zana zilizotawanyika za AI hadi benchi ya kazi ya eneo-kazi la ndani, na kufafanua mipaka ya uwezo wa usimamizi wa kipindi, usanidi wa muundo, mbano wa muktadha, simu za programu-jalizi na viungo vya kuhamisha. Ongoza uchanganyaji wa hati za uhandisi, kandarasi za kiolesura na utiririshaji wa kazi msingi, ili marudio ya utendakazi yanayofuata yawe na marejeleo yaliyounganishwa, rekodi zinazoweza kufuatiliwa na mdundo thabiti wa uwasilishaji.

Suluhisho la kiufundi

Wakati pywebview inatumiwa kuendesha dirisha la ndani, mfumo wa programu-jalizi wa Vue + SQLite + huunda benchi ya kazi ya AI ya eneo-kazi.

Safu ya eneo-kazi la pywebview na Python backend inashiriki mchakato sawa; Sehemu ya mbele huita Muundo wa Lugha Kubwa (LLM)Engine/PluginHost kupitia bridge.js ili kupokea matukio ya kutiririsha na hali ya programu-jalizi.
context_ledger inaambatisha muhtasari wa mazungumzo kama nodi iliyoundwa, ikichukua nafasi ya usogezaji wa historia asilia, na huhifadhi mlango wa kubana mazungumzo marefu na uelewaji unaotegemea Grafu.
bridge.js huunganisha mwitikio wa utiririshaji, shinikizo la msururu wa mawazo, na matukio ya programu-jalizi, na sehemu ya mbele hutumia seti ya fomati za kawaida za matukio.
Hali ya mkusanyiko wa safu tano huzuia mwelekeo wa moduli tegemezi: Hifadhi → Lango → Injini →PluginHost → Daraja la Mbele, kupunguza uunganisho usio wazi.
SQLite hudhibiti vipindi, ujumbe, mipangilio ya awali, context_ledger, na data ya ndani haitegemei huduma za nje.

Vivutio

Hati za uhandisi zimekuwa sehemu ya marejeleo ya uhandisi iliyounganishwa kwa timu, inayofunika mikataba ya kiolesura cha 80+ API na mtiririko 12 wa msingi wa kazi. context_ledger huruhusu mazungumzo marefu yasitegemee tena uwekaji ujumbe asilia, lakini inaendelea kuambatanisha nodi za muhtasari wa ziada, na kufanya usimamizi wa dirisha la muktadha kubadilika kutoka "kupunguza kwa bidii" hadi "kubana kwa muundo". Kwa msingi huu, ukurasa wa Demo wa Wavuti unaojitegemea hujengwa, na mwingiliano kamili unarejeshwa na mfumo wa muundo wa rangi ya oatmeal ya retro - kukunja kwa pembeni, ubadilishaji wa mfano, taswira ya mnyororo wa kufikiria, kumbukumbu ya kumbukumbu na usafirishaji wa muundo mwingi - kuonyesha picha kamili ya bidhaa bila kuanza nyuma.

Python 3.8+ pywebview SQLite Tailwind/Vue Memory Leja ya Muktadha Graph

Tazama kumbukumbu ya maendeleo

OpenClaw Sentinel

Multi-Agent MIT License GitHub Repo

Mlinzi wa njia ya wakala na okestra ya wakala mdogo wa WebSearch

Mandharinyuma ya mradi

Katika utendakazi wa Wakala wa zana nyingi, ikiwa Wakala mkuu atashikilia zana zote za utafutaji, utafiti na utekelezaji kwa chaguomsingi, itasababisha simu nyingi kupita kiasi kwa API za gharama ya juu kwa urahisi. Pia itachanganya Maswali na Majibu ya jumla, urekebishaji wa msimbo, urejeshaji uzani mwepesi, na utafiti wa kina katika muktadha ule ule wa utekelezaji, na kusababisha upotevu wa gharama, mipaka ya kazi iliyofichwa, na hatari zinazowezekana za usalama.

majukumu yangu

Ninawajibika kwa kujitegemea kwa ufafanuzi wa suluhisho na uwasilishaji wa OpenClaw Sentinel, kuondoa gharama za utafutaji, ruhusa za zana na masuala ya mipaka ya utekelezaji katika Mawakala wa zana nyingi katika miundo ya utawala ya uelekezaji inayoweza kutumika tena. Tawala mipaka ya tabia ya Wakala, mikakati ya kuomba zana, michakato ya uthibitishaji na matoleo ya vyanzo huria, kugeuza ufikiaji wa MCP kuwa suluhisho la usimamizi wa zana inayobebeka.

Suluhisho la kiufundi

Uelekezaji wa Wakala wa safu mbili: Wakala mkuu hufanya utafutaji na utekelezaji mwepesi, na Wakala Ndogo wa mtafiti wa wavuti hufanya utafiti wa kina.

Wakala mkuu anawajibika kwa maswali na majibu, utendakazi wa msimbo, upangaji kazi na urejeshaji nyepesi; Wakala Mdogo hutafuta/kuthibitisha/kutoa hoja/muhtasari pekee na hashiriki katika utekelezaji wa ndani.
Tangaza orodha nyeusi na nyeupe na sera za kupiga simu kwa zana kwa kuweka mapema ili kuzuia wakala mkuu kutumia vibaya zana za gharama za juu za utafiti.
Maswali ya kawaida chaguo-msingi kwa utafutaji wa uzani mwepesi wa DuckDuckGo; Njia kuelekea MCP ya Kushangaa tu baada ya utafiti wa kina/uthibitishaji wa vyanzo vingi/ uamuzi wa usanifu.
Suluhisho lina hati za uthibitishaji, hati za usakinishaji na README ya lugha mbili ili kuunda kiolezo cha usimamizi wa zana inayoweza kuhamishwa.

Vivutio

Hufanikisha upangaji wa gharama kwa utafutaji mwepesi na utafiti wa kina, kutenganisha majukumu kati ya mawakala wa utekelezaji na mawakala wa utafiti, na mipaka ya usalama ambayo huhakikisha kuwa siri hazihifadhiwi katika hifadhidata, funguo za API hazifichuliwa, na usanidi halisi haujapakiwa. Mradi umekamilisha chanzo wazi cha MIT, README ya lugha mbili, faili zilizowekwa mapema, hati za usakinishaji na hati za uthibitishaji, na unaendelea kubadilika kama mpangilio wa ikolojia wa OpenClaw.

OpenClaw MCP Sub-Agent Ochestration ya Wakala Perplexity API DuckDuckGo Uelekezaji wa Wakala Mpaka wa Zana

Tazama kumbukumbu ya maendeleo

MCP wa MiMo Vision

Vision Programu-jalizi ya MCP MIT License GitHub Repo

Safu ya Kuambatanisha ya Maono ya MCP ya Maandishi Matakatifu kwa Miundo Kubwa ya Lugha (LLM)

Mandharinyuma ya mradi

Miundo mikubwa ya maandishi wazi (DeepSeek, Qwen, n.k.) ina uwezo wa kusababu na kuandika msimbo, lakini haina maono kwa kila sekunde. Mradi huu unajumuisha muundo wa mwonekano wa Xiaomi MiMo v2.5 kuwa Seva ya kawaida ya MCP, ikiruhusu Wakala wa maandishi pekee kupata uwezo wa kuelewa picha kupitia zana ya mimo_image_analyze - muundo mkuu unawajibika kwa kufikiria, na MiMo inawajibika kwa utambuzi.

majukumu yangu

Ninawajibika kwa kujitegemea kwa uundaji na uwasilishaji wa suluhisho la nyongeza la uwezo wa kuona wa maandishi wazi, ambalo hujumuisha uwezo wa kuelewa picha kutoka kwa simu ya modeli moja hadi kwenye zana ya MCP inayoweza kusakinishwa, inayoweza kusanidiwa na inayoweza kutumika tena. Inawajibika kwa kufafanua matukio ya matumizi ya zana, mipaka ya simu, usanidi wa usalama, na fomu za uwasilishaji wa chanzo huria, ili uwezo huu uweze kufikiwa kwa uthabiti na wateja wa Wakala kama vile OpenClaw, Claude Desktop, na Mshale.

Suluhisho la kiufundi

SDK ya Python MCP imejumuishwa kama Seva ya MCP, na Wakala wa maandishi pekee huweka uwezo wa kuona anapohitaji.

Seva ya MCP inawajibika kwa tamko la itifaki, usajili wa zana na urekebishaji wa safu ya usafiri ya Stdio/SSE.
Adapta ya API ya MiMo hushughulikia usimbaji wa picha za faili/URL za ndani, maombi ya API na urekebishaji wa matokeo ya maandishi.
Inaauni picha_path (inahitajika) + kiolesura cha haraka (cha hiari) cha vigezo viwili, kinachooana na wateja wa MCP kama vile Claude Desktop, Cursor, Cline, OpenClaw, n.k.
Ufunguo wa API haujahifadhiwa kwenye hifadhidata, na usanidi wa usalama unakamilishwa kupitia anuwai za mazingira.

Vivutio

Faili moja server.py inatumika kutekeleza daraja kamili la kuona la MCP na kujaza pengo la uwezo wa kuona katika msururu wa zana za Wakala. Inaauni utatuzi wa picha za skrini, uchanganuzi wa UI, uchimbaji wa OCR, tafsiri ya chati, uchanganuzi wa hati na hali zingine. Muundo una uunganisho wa chini, unaoweza kubadilishwa, na ni rahisi kupanga-mfano mkuu haujachafuliwa na mantiki ya kuona, na uwezo wa kuona unaweza kuwekwa kwa mahitaji. Tayari inafanya kazi kwa utulivu katika mazingira ya Wakala wa OpenClaw.

MCP MiMo v2.5 Vision AI Python Muundo wa Lugha Kubwa ya Maandishi pekee (LLM) Uchambuzi wa Picha OCR Chombo cha Wakala

Tazama kumbukumbu ya maendeleo

Zana ya QCode (msimbo wa QR wa SVG)

Zana safi za mbele Sifuri kujenga faili moja Uzoefu mtandaoni

Mandharinyuma ya mradi

Kwa kuwa mara nyingi ni muhimu kuzalisha au kuchanganua misimbo ya QR katika makundi kila siku, na zana zilizopo zimejaa matangazo, zinahitaji malipo, na kutegemea mazingira ya mtandao, tuliamua kuendeleza msimbo safi wa mwisho wa QR wa Kisu cha Jeshi la Uswisi ambacho hakihitaji usakinishaji na haihusishi nyuma-mwisho.

majukumu yangu

Ninawajibika kwa kujitegemea kwa upangaji wa bidhaa, muundo wa mwingiliano na uwasilishaji mtandaoni wa QCode Toolkit, nikifafanua mipaka ya zana karibu na mahitaji ya masafa ya juu kama vile kuunda msimbo wa QR, urembo, usindikaji wa bechi na upakuaji wa SVG. Jambo kuu ni kuhakikisha kuwa zana inaweza kukamilisha kitanzi kilichofungwa cha upande wa kivinjari bila utegemezi wa nyuma, kwa kuzingatia urahisi wa utumiaji, ushiriki na gharama za matengenezo ya muda mrefu.

Suluhisho la kiufundi

Faili moja ya HTML/Vanilla JS/CSS, toa, uchanganua, urembeshe, na uchakata bechi yote katika kitanzi kilichofungwa cha ndani cha kivinjari.

Safu ya UI inawajibika kwa uingizaji wa maandishi, buruta na udondoshe mapokezi, urekebishaji wa mtindo na uhakiki; Safu ya uchanganuzi inaunganisha jsQR ili kutambua misimbo ya QR ya picha kwenye kivinjari.
Safu ya kuchora hutoa matokeo ya PNG/SVG kupitia QRCode.js au mantiki maalum ya SVG.
Buruta ya DOM&Drop API inasaidia usindikaji wa kundi la faili nyingi; Usafirishaji wa SVG huhakikisha uwazi katika uchapishaji na hali za muundo wa pili.
Kiungo kizima hakipitii nyuma, na hakuna hatari ya kupakia data. Inafaa kwa kushiriki faili za HTML moja kwa moja.

Vivutio

Zana ya kweli iliyo tayari kuvinjari imeundwa kusuluhisha sehemu tatu kuu za maumivu za utengenezaji wa msimbo wa QR, urembo na kuchora upya, na utambuzi wa kundi, huku kikihakikisha usindikaji wa data wa ndani, usalama wa faragha, na utumiaji usio na mshono wa majukwaa mengi.

Vanilla JS HTML5 / CSS3 maombi ya faili moja Usindikaji wa kundi Usafirishaji wa SVG Buruta na udondoshe API

Repo Tazama kumbukumbu ya maendeleo

QuanWen.sanaa

Tovuti kamili ya safu Kituo cha yaliyomo AI-Mzaliwa mfumo wa lugha mbili

Mandharinyuma ya mradi

QuanWen.art ni kitovu cha maudhui ya kidijitali cha kibinafsi kilichoundwa kuanzia mwanzo kwa kuunda Mfumo kamili wa Wavuti ambao unaweza kufanya kazi kwa muda mrefu. Jumuisha onyesho la kazi, vifungu vya picha, maendeleo ya mradi, mazungumzo ya AI, barua za mawasiliano na usimamizi wa mazingira nyuma katika usanifu sawa, kuruhusu ukurasa wa nyumbani wa kibinafsi kuwa na uchapishaji wa maudhui, matengenezo ya data, ulinzi wa ufikiaji na uwezo wa upanuzi unaoendelea.

majukumu yangu

Kama kiongozi huru wa bidhaa na uhandisi wa QuanWen.Art, ninawajibika kwa upangaji kamili na uwasilishaji kutoka kwa nafasi ya tovuti, muundo wa maudhui, maonyesho ya umma, shughuli za nyuma hadi uendeshaji wa usalama na matengenezo. Jumuisha kazi za kibinafsi, vifungu vya picha, maendeleo ya mradi, mazungumzo ya AI, barua za mawasiliano na usimamizi nyuma katika kitovu cha muda mrefu cha maudhui ya dijiti, na uendelee kudumisha usasishaji, ufikiaji na mipaka ya usalama.

Suluhisho la kiufundi

FastAPI + Jinja2 sehemu + SQLAlchemy + MySQL, inayoshughulikia uwasilishaji wa umma wa SSR, usuli wa API ya JSON, mazungumzo ya AI, usimamizi wa midia na ulinzi wa usalama.

Safu ya mbele ya SSR hupanga uonyeshaji wa ukurasa wa nyumbani kwa moduli 10 za Jinja2 na kuboresha mwonekano wa skrini ya kwanza kupitia StreamingResponse na mikakati ya uvivu ya upakiaji.
Safu ya nyuma ya FastAPI ya uelekezaji na huduma hupangisha usomaji wa maudhui, kuacha ujumbe, mazungumzo ya AI, usimamizi wa midia na uendeshaji wa usimamizi wa usuli.
Safu ya data hutumia majedwali 14 ya MySQL ili kudhibiti uhusiano wa huluki kama vile maelezo, miradi, picha, midia, ujumbe, kumbukumbu za ufikiaji na kumbukumbu za usalama.
Safu ya usalama: TrafficGuardMiddleware + CSRF + Tokeni ya Kipindi + kikomo cha marudio cha IP + kikomo cha sasa cha Nginx + kushindwa2ban ili kuunda ulinzi wa muunganisho.
Swichi za Tailwind CSS kutoka mkusanyiko wa wakati wa kukimbia wa CDN hadi mkusanyiko tuli, rasilimali za kuzuia skrini ya kwanza huondolewa, na TTFB hushuka kutoka 262ms hadi 20 hivi hivi.

Vivutio

Toa Mfumo kamili wa Wavuti uliojitengenezea kwa wingi kwa wingi, kwa kutumia QuanWen.Art kama kitovu cha maudhui ya kidijitali kinachofanya kazi. Sehemu ya mbele hutumia uwasilishaji wa kuzuia utiririshaji wa StreamingResponse, na moduli ya Sehemu hufanya maudhui ya skrini ya kwanza kuonekana mapema, na pia inaruhusu ukurasa wa nyumbani kuhama kutoka kiolezo kimoja hadi muundo wa moduli unaodumishwa. Backend inategemea FastAPI na inaunganisha API ya umma, backend ya usimamizi, mazungumzo ya AI, upakiaji wa vyombo vya habari, rekodi za wageni na huduma za maudhui ili kuunda kitanzi kamili kilichofungwa kutoka kwa maonyesho hadi uendeshaji na matengenezo. Safu ya data hutumia majedwali 14 ya MySQL kubeba taarifa, miradi, picha, ujumbe, vyombo vya habari, wageni na rekodi za kikomo za sasa, na inaboresha utumiaji kupitia kipaumbele cha hifadhidata na mikakati tuli ya kuficha. Safu ya usalama inashughulikia kuingia, CSRF, Tokeni ya Kikao, kizuizi cha marudio ya IP, uainishaji wa trafiki, na safu ya ubaguzi huunganisha Nginx na fail2ban kutekeleza marufuku ya kiotomatiki, ili mradi uwe na ulinzi kamili unaohitajika kwa uendeshaji.

AI-NATIVE Utoaji wa mtiririko FastAPI Jinja2 SQLAlchemy MySQL i18n lugha mbili Kituo cha yaliyomo Muundo wa msimu Uboreshaji wa utendaji 2026

Tazama kumbukumbu ya maendeleo

Qwen3-8B Wakala wa huduma kwa wateja wa China urekebishaji mzuri

Urekebishaji mkubwa wa muundo QLoRA Wakala wa Huduma kwa Wateja Kaggle T4

Mandharinyuma ya mradi

Mradi huu unaelekezwa kwa hali ya wakala wa huduma kwa wateja wa tovuti ya kibinafsi ya QuanWen.Art. Katika mazingira yenye vikwazo vya rasilimali ya Kaggle dual Tesla T4, inachunguza mpango mzuri wa urekebishaji wa vigezo vya modeli kubwa ya chanzo huria ya kiwango cha 8B. Mradi unatumia Qwen/Qwen3-8B kama kielelezo cha msingi. Kwa kuingiza data ya amri ya Kichina, huunda sampuli za mafunzo zinazojumuisha Maswali na Majibu ya utambulisho, maelezo ya kiufundi, utengenezaji wa nakala za bidhaa na majibu ya huduma kwa wateja. Inapitia kiunga kamili cha uhandisi kutoka kwa ujenzi wa data, ubadilishaji wa kiolezo cha ChatML, upakiaji wa kiasi cha 4bit, urekebishaji mzuri wa SFT, kuhifadhi Adapta hadi uthibitishaji wa uwekaji upya.

majukumu yangu

Kama mtu huru anayesimamia mradi, ninabuni na kukuza uthibitishaji wa usanifu wima wa muundo wa chanzo huria wa kiwango cha 8B karibu na hali ya wakala wa huduma kwa wateja wa QuanWen.Art. Inawajibika kwa kufafanua malengo ya mafunzo, kuunda huduma kwa wateja wa China na safu ya data ya maswali ya utambulisho na majibu, kupanga njia za majaribio katika mazingira ya bei ya chini ya GPU, na kukamilisha upembuzi yakinifu kutoka kwa uthibitishaji wa mafunzo hadi ufikiaji unaofuata wa mkusanyiko wa huduma kwa wateja wa tovuti.

Suluhisho la kiufundi

Mfumo wa ikolojia wa Hugging Face ulikamilisha uthibitishaji wa urekebishaji mzuri wa SFT/QLoRA wa muundo wa 8B katika mazingira mawili ya T4.

Safu ya data huunda sampuli za maagizo/ingizo/pato la Kichina, Maswali na Majibu ya utambulisho, maelezo ya kiufundi, uandishi wa nakala za bidhaa na majibu ya huduma kwa wateja.
Transfoma + Seti za Data + PEFT + TRL + bitsandbytes hupanga mchakato kamili wa urekebishaji, na kiolezo cha ChatML huunganisha umbizo la mazungumzo.
BitsAndBytesConfig hutumia 4bit NF4 + quantization mara mbili ili kupunguza shinikizo la kumbukumbu; LoRA huingiza moduli muhimu kama vile q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj, n.k.
paged_adamw_8bit kiboreshaji, mkusanyiko wa gradient, mafunzo ya k-bit yaliyorekebishwa kwa mazingira ya bei nafuu ya majaribio ya GPU.
Hifadhi ya Adapta, bana, pakia upya na uthibitishaji wa maelekezo huunda kitanzi kilichofungwa kabisa.

Vivutio

Kamilisha Treni ya Qwen3-8B -> Hifadhi -> Kifurushi -> Pakia Upya -> Urekebishaji mzuri wa Makisio kitanzi kilichofungwa katika mazingira ya wingu ya bei ya chini ya GPU, na uharakishe seti ya violezo vya mradi wa SFT / QLoRA vinavyoweza kutumika tena vya kiwango cha 8B. Mradi ulithibitisha uwezekano wa kurekebisha vyema matukio ya wima ya Kichina chini ya hali finyu za kumbukumbu ya video, na kutoa msingi wa kihandisi wa ufikiaji wa baadaye wa shirika la huduma kwa wateja la QuanWen.Art, upanuzi wa maarifa ya kibinafsi ya Maswali na Majibu, na kunyesha kwa mawakala wa huduma kwa wateja mahususi kwenye tovuti.

Qwen3-8B SFT QLoRA PEFT Hugging Face BitsAndBytes ChatML Wakala wa Huduma kwa Wateja

Kaggle

Usimamizi wa usomaji wa GEO / SEO - Utaftaji wa AI na kiingilio cha faharisi kilichopangwa

GEO SEO llms.txt data muundo

Mandharinyuma ya mradi

Tovuti ya kibinafsi haipaswi tu kuwa ukurasa wa kuona kwa wageni, lakini pia nodi ya maudhui ya umma ambayo inaweza kueleweka kwa uthabiti na injini za utafutaji, mifumo ya utafutaji ya AI, na viungo vya mafunzo ya mfano. Mradi huu unaangazia ugunduzi wa nje wa QuanWen.Art, kuboresha onyesho la ukurasa hadi tovuti inayoweza kusomeka na mashine yenye data iliyopangwa ya robots.txt, sitemap.xml, llms.txt na JSON-LD.

majukumu yangu

Ninawajibikia usimamizi wa jumla wa ugunduzi wa nje na usomaji wa mashine wa QuanWen.Art, nikibainisha mipaka kati ya maudhui ya umma, njia za faragha, utambazaji wa injini ya utafutaji na ufikiaji wa kutambaa kwa AI. Kuongoza msururu uliofungwa kabisa kutoka kwa muundo wa mkakati, kupanga semantiki ya maudhui hadi uthibitishaji wa mtandaoni, kuboresha tovuti za kibinafsi kutoka kurasa za kazi zinazoelekezwa na wageni hadi nodi za maarifa ya umma ambazo zinaweza kueleweka kwa uthabiti na injini za utafutaji, injini za majibu na mifumo mikubwa ya kielelezo.

Suluhisho la kiufundi

FastAPI hutengeneza robots.txt, sitemap.xml, llms.txt na JSON-LD, ikifichua utafutaji wa upatanishi wa nodi za maarifa na mfumo ikolojia wa AI.

Safu ya uelekezaji hutoa viingilio vya umma kama vile /robots.txt, /sitemap.xml, /llms.txt; ramani ya tovuti hutoa kiotomatiki ukurasa wa nyumbani, orodha ya picha, ukurasa wa maendeleo na ukurasa wa maelezo ya picha uliochapishwa.
robots.txt hufungua kwa uwazi injini za utafutaji kama vile Google, Bing, Baidu, Sogou, 360, Shenma, n.k. na watambazaji wa AI kama vile OpenAI, Perplexity, Applebot, Google-Extended, CCBot, n.k.
Pia zuia njia zisizo za umma kama vile /admin, /api, /passport, /partial, /uploads, n.k.
llms.txt inafafanua utambulisho wa tovuti, upeo wa mada, miradi wakilishi, na sera ya mafunzo/manukuu ya AI katika Markdown.
JSON-LD huanzisha uhusiano wa huluki na aina za Schema.org kama vile Mtu, Tovuti, ProfilePage, CollectionPage, CreativeWork, ItemList, n.k.
pytest inashughulikia roboti, ramani ya tovuti, llms.txt na pato la data iliyopangwa ya ukurasa wa nyumbani/picha/maendeleo.

Vivutio

Sasisho hili linakuza QuanWen.Art kutoka ukurasa wa maonyesho ya kazi hadi nodi ya maarifa ya umma ambayo inaweza kueleweka na mashine. Mitambo ya utafutaji inaweza kutambaa maudhui ya umma kwa ramani ya tovuti, na mifumo ya AI inaweza kuelewa kwa haraka mada za tovuti na mipaka ya uidhinishaji kupitia llms.txt. Data iliyopangwa husaidia injini za utafutaji na majibu kuanzisha uhusiano wa huluki kati ya waandishi, tovuti, miradi na mikusanyo ya maudhui. Uthibitishaji wa mradi unajumuisha robots, sitemap, llms.txt na JSON-LD. Baada ya huduma ya mtandaoni kuanzishwa upya, kiingilio cha umma kitarudisha HTTP 200.

FastAPI robots.txt sitemap.xml llms.txt JSON-LD Schema.org AI Crawler pytest

Tazama kumbukumbu ya maendeleo llms.txt sitemap.xml

Utabiri wa utu na maarifa kuhusu tabia ya mtumiaji

sayansi ya data mradi wa utafiti

Mandharinyuma ya mradi

Weka bomba la uchanganuzi wa ujifunzaji wa mashine kuhusu maarifa ya tabia ya mtumiaji ili kuthibitisha thamani ya matumizi ya utabiri wa mtu binafsi katika upangaji wa makundi ya watumiaji na usaidizi wa mkakati wa uendeshaji.

majukumu yangu

Nina jukumu la kubadilisha tatizo la utafiti wa utabiri wa mtu binafsi kuwa kazi ya uchanganuzi wa data inayoweza kuthibitishwa na kufafanua upeo wa uchakataji wa data, ukalimani wa vipengele, ulinganisho wa kielelezo na uwasilishaji wa matokeo. Lenga katika kupanga matokeo ya modeli katika sehemu za watumiaji na maarifa ya kitabia ambayo yanaweza kueleweka na upande wa biashara, kutoa msingi wa majadiliano kwa ajili ya uwekaji alama wa CRM unaofuata, majaribio ya A/B na ufikiaji unaobinafsishwa.

Suluhisho la kiufundi

Pandas + Scikit-learn + XGBoost huunda bomba la uchanganuzi wa ubashiri wa watu, kutoka kwa kusafisha data hadi uainishaji na tafsiri, kitanzi kamili kilichofungwa.

Safu ya data inakamilisha uchakataji wa thamani unaokosekana, uchujaji wa nje, usimbaji wa vipengele na kusawazisha.
XGBoost + Scikit-learn Pipeline hupanga mafunzo na uthibitishaji, na GridSearchCV hutafuta vigezo na uthibitishaji wa mara nyingi.
Usanifu na usimbaji motomoto moja huwekwa kwenye bomba ili kupunguza hatari ya uvujaji wa kuchakata data mapema.
Matokeo ya modeli hutafsiri kuwa msingi wa majadiliano juu ya ulengaji wa mfumo fahamu, majaribio ya A/B na ubinafsishaji.

Vivutio

Mchakato kamili wa uchanganuzi kutoka kwa data ghafi hadi towe la kielelezo linaloweza kufasiriwa unaharakishwa, ambayo inaweza kusaidia zaidi uwekaji alama wa mfumo wa neva, majaribio ya A/B na majadiliano ya mikakati ya kufikia mapendeleo.

Pandas/Numpy XGBoost Scikit-learn taswira ya data

Tazama kumbukumbu ya maendeleo

Mkusanyiko wa mtandao wa vyanzo vingi na injini ya maoni ya umma

uhandisi wa data Inaweza kupanuliwa

Mandharinyuma ya mradi

Kwa kujibu hitaji la maoni ya video na ukusanyaji wa data wima wa habari, injini ya ukusanyaji inayoweza kutambaa, kusafisha na utoaji uliopangwa imeundwa kwa ajili ya utafiti wa sera na uchunguzi wa maoni ya umma.

majukumu yangu

Ninawajibu wa kupanga mahitaji ya ukurasa wa wavuti, maoni na habari katika kazi zinazoweza kutumika tena za kukusanya data, kufafanua upeo wa ukusanyaji, uga wa data, kusafisha kiwango na umbizo la uwasilishaji. Lengo ni kubadilisha mkusanyiko wa mwongozo wa wakati mmoja kuwa mchakato endelevu wa uhandisi wa data ili kutoa chanzo thabiti cha data kwa utafiti wa sera, uchunguzi wa maoni ya umma na uchanganuzi wa maoni unaofuata.

Suluhisho la kiufundi

maombi + asyncio + rvest huunda mchakato usiolingana wa ukusanyaji wa vyanzo vingi na nyenzo za utafiti zenye muundo wa matokeo.

asyncio concurrency pool inaboresha ufanisi wa ukusanyaji wa kurasa nyingi; Ucheleweshaji wa nasibu, ubadilishaji wa Wakala wa Mtumiaji na urekebishaji wa kipindi cha vidakuzi huboresha uthabiti wa kutambaa.
Safu ya kusafisha inawajibika kwa uchimbaji wa shamba, upunguzaji, usanifu wa muundo na uchujaji wa ubaguzi; Sehemu za pato na calibers za kusafisha zimesawazishwa mapema.
Matokeo ya mwisho ni faili ya CSV/meza ili kuwezesha matumizi tena katika uchanganuzi wa maoni na utafiti wa sera unaofuata.

Vivutio

Inaunda mchakato kamili kutoka kwa kutambaa, kusafisha hadi uwekaji uliopangwa, kupunguza mzigo wa kazi wa kupanga mwenyewe maudhui asili ya wavuti, na kubakiza msingi unaoweza kubadilika kwa uchanganuzi wa hisia unaofuata na uchunguzi wa bidhaa shindani.

Python/asyncio rvest Makabiliano dhidi ya kutambaa bomba la data

Tazama kumbukumbu ya maendeleo

ShadowKnife RPA Automation

mchakato otomatiki Uboreshaji wa ufanisi wa biashara

Mandharinyuma ya mradi

Kwa michakato ya uendeshaji ya masafa ya juu, inayorudiwa na kukabiliwa na makosa katika Zhiying EPR, uwekaji otomatiki wa RPA huletwa ili kupunguza mzigo wa utekelezaji wa mwongozo.

majukumu yangu

Nina jukumu la kutambua michakato ya kujirudiarudia ya masafa ya juu katika viambajengo vya utendakazi kama vile Zhiying EPR, na kupanga vitendo kama vile kubofya mwenyewe, kurekebisha fomu, na uthibitishaji wa matokeo katika nodi za biashara otomatiki. Lenga katika kukuza uwekaji viwango vya mchakato, kupanga matukio yasiyo ya kawaida, na kuthibitisha upatikanaji kwenye upande wa uendeshaji, ili uwekaji otomatiki wa RPA uweze kutekeleza shughuli za kila siku kwa kweli badala ya kubaki katika maonyesho ya hati.

Suluhisho la kiufundi

Kisu Kisu RPA hugawanya utendakazi unaojirudiarudia kuwa vinundu vya otomatiki vinavyoweza kutumika tena, na hali zisizo za kawaida hushughulikiwa kwa njia ya kina.

Safu ya mchakato imegawanywa katika nodi za kawaida za vitendo kulingana na kuingia, kuruka kwa menyu, uendeshaji wa fomu na uthibitisho wa matokeo ili kuepuka kurekodi mara moja kwa hati zisizoweza kuhifadhiwa.
Safu ya utekelezaji inakamilisha shughuli za usuli kupitia simulizi ya kibodi na kipanya na uanzishaji wa masharti; Safu ya chini ya mfuko wa ubaguzi hushughulikia madirisha ibukizi, muda wa kuisha na majaribio yasiyofanikiwa.
Pointi za uthibitishaji wa mikono huhifadhiwa kwenye nodi muhimu ili kuzuia matumizi mabaya ya kiotomatiki kutokana na hatari zinazoongezeka.

Vivutio

Badilisha utendakazi wa usuli unaorudiwa kuwa michakato ya kiotomatiki inayoweza kutumika tena, kupunguza kushuka kwa thamani kwa utekelezaji kunakosababishwa na mibofyo ya mikono na matumizi mabaya. Inafaa kwa matumizi ya kuendelea katika viungo vya biashara imara.

Kivuli Blade RPA EPR kubofya kiotomatiki Mchakato wa orchestration Isipokuwa jaribu tena

Usambazaji wa bidhaa iliyosafishwa kwenye jukwaa la Amazon Marekani

Mkakati wa uendeshaji Utekelezaji wa kuendelea

Mandharinyuma ya mradi

Tukizingatia hali ya usambazaji iliyoboreshwa ya Amazon US FBM, lengo ni kufanya ugunduzi mpya wa bidhaa, utayarishaji wa nyenzo, na mdundo wa rafu kuwa msingi zaidi, badala ya kutegemea usambazaji unaotegemea uzoefu.

majukumu yangu

Ninawajibikia uamuzi wa uteuzi wa bidhaa, mdundo mpya wa toleo na ushirikiano wa maandalizi ya nyenzo katika hali ya usambazaji faini ya Amazon US FBM, kubadilisha usambazaji unaotegemea uzoefu kuwa mchakato unaorudiwa zaidi unaoendeshwa na data. Zingatia kuunganisha mitindo ya soko, hukumu ya maneno muhimu, ubora wa nyenzo na mdundo wa rafu ili kukuza ushirikiano thabiti kati ya mikakati ya uendeshaji na minyororo ya zana ya kuona ya AI.

Suluhisho la kiufundi

SellerSprite + Google Trends + Msururu wa zana za kuona za AI huunda kitanzi kilichofungwa cha uamuzi wa uteuzi wa bidhaa, utayarishaji wa nyenzo na ukaguzi mpya wa mdundo.

Safu ya hukumu ya data inazingatia umaarufu wa neno kuu, nguvu ya ushindani na pembe za faida; Data ya mtindo na nenomsingi huzuia vipaumbele vya uteuzi wa bidhaa.
Safu ya uzalishaji wa nyenzo imeunganishwa na uboreshaji wa ramani ya bidhaa na utengenezaji wa ramani ya eneo la AI, na viungo vya zana vya kuona vya AI vimeunganishwa ili kuboresha uthabiti wa utengenezaji wa picha.
Safu ya ukaguzi wa utendakazi hurekodi kasi ya kuorodhesha, ubora wa nyenzo na utendaji unaofuata, na hurekebisha mara kwa mara sheria za uteuzi wa bidhaa na viwango vya nyenzo.

Vivutio

Hatua kwa hatua, mdundo thabiti zaidi wa uteuzi wa bidhaa na toleo jipya umeundwa, ikilenga kuboresha ubora wa kiungo, usemi thabiti na ufanisi wa maandalizi ya nyenzo, ambayo yanafaa kwa uboreshaji wa muda mrefu wa kurudia.

SellerSprite Google Trends Duka la faini la FBM Picha asili nyeupe ya mandharinyuma

Mchoraji-Kuunganisha

Utoaji wa kundi na msingi wa urekebishaji wa picha za pande nyingi kwa miundo ya picha

miradi ya msingi Kurudia mara kwa mara Harness

Uunganishaji wa Mfano wa Picha Uhariri wa zamu nyingi za kiwango cha kuunganisha Kiambishi awali-Cache Kirafiki

Mandharinyuma ya mradi

Mfano wa picha hauna uraia: huita picha moja kwa wakati mmoja, haikumbuki maendeleo ya kundi, haijui kwa nini ile ya awali imeshindwa, na haijahakikishiwa kuwa sawa na picha ya kumbukumbu. Kuchapisha picha kwenye ukurasa wa maelezo ni kazi ya muda mrefu, ya hatua nyingi na ya vipindi tofauti.

Mchoraji-Harness hujaza safu nje ya mfano. Mikataba ya utungaji, kiunzi cha vizuizi, uelekezaji wa kielelezo, hali ya nje, na urejeshaji wa kushindwa hubebwa na muda wa utekelezaji; Mfano huo ni wajibu wa kuchora tu.

Inaauni mchoro wa AI na urekebishaji wa mazungumzo ya raundi nyingi, na uwezo huu hutolewa na msingi wa Harness na hautegemei kuendelea kwa kipindi cha muundo wenyewe. Picha yoyote inayozalishwa inaweza kutumika kama msingi ili kuendeleza mazungumzo, kuongeza picha za marejeleo, na kutoa tofauti kwa mzunguko. Vikwazo vya uwekaji nanga wa bidhaa na uandishi wa nakala havijabadilika katika kipindi chote.

Kwa mujibu wa uainishaji wa jumla, Agent = Model + Harness, mradi huu utafanya nusu ya pili, ambayo inaelekezwa kwa mfano wa picha.

majukumu yangu

Tengeneza na utekeleze safu hii ya wakati wa kukimbia. Msisitizo si upangaji wa maneno kwa haraka, lakini ufafanuzi wa mkataba, hifadhi ya hali, urejeshaji wa kushindwa na mipaka ya ruhusa, na inawajibika kwa uwiano wa ramani, uoanifu wa itifaki, upangaji wa kiasi na uchezaji tena wa historia.

Suluhisho la kiufundi

Muundo wa safu nne, na simu za modeli zikiwa kati ya msimbo wa kubainisha.

Scaffold

Uimarishaji wa bidhaa, uidhinishaji wa nakala unaoonekana, katazo la utoaji wa metadata, na uaminifu wa rangi huimarishwa katika vizuizi vya muundo, ambavyo hukusanywa kwa kila simu na haitegemei mkusanyiko wa muktadha. Taarifa ya utungaji imeunganishwa na nodi, na kila nodi ni kitengo cha kujitegemea.

Runtime

Changanua saraka, tengeneza kazi, usakinishe maombi, sambaza miundo, kusanya bidhaa na uzihifadhi kwenye kumbukumbu. Tofauti katika familia ya mfano zimeunganishwa katika safu moja ya urekebishaji: kizazi na njia za uhariri hushiriki seti sawa ya vifupisho vya kazi, na wakati vigezo vya hiari havitumiki, vinashushwa hatua kwa hatua bila kukatiza kundi zima. Upatanifu, vipindi, muda wa kuisha na nafasi zimepangwa kwa usawa kulingana na wakati wa utekelezaji.

Uwezo wa msingi

Mizunguko mingi ya mabadiliko ya picha haitegemei uendelevu wa kipindi cha modeli, lakini hutekelezwa na muda wa utekelezaji. Kila picha inakuja na kipindi chake, na hali ya kipindi, nyenzo za marejeleo, na safu mbadala zinaendelea nje ya muundo; Kila duru inakusanywa tena kuwa ombi la kujitegemea na ramani ya msingi, ramani ya ziada ya kumbukumbu na maagizo ya sasa ya pande zote. Kwa hiyo, mfano na interface moja ya pande zote pia ina uwezo wa kubadilisha ramani katika raundi nyingi. Vibadala vinavyozalishwa huhifadhiwa katika hifadhidata na vinaweza kubadilishwa hadi kwenye ramani ya sasa, na vinaweza kuendelea katika vipindi vyote.

Mlolongo wa kusanyiko umewekwa kama "kiambishi awali cha kizuizi → nodi tofauti na maagizo". Miundo inayoauni uakibishaji kiambishi awali inaweza kugonga akiba moja kwa moja, ikipunguza sehemu ya kikwazo inayojirudia kutoka kwa pembejeo ya bili, na kupunguza kwa kiasi kikubwa gharama ya kuchora kwa bechi ndefu na raundi nyingi za mabadiliko ya kuchora.

State

Maendeleo yameandikwa nje ya wakati wa utekelezaji. Vizuizi vya bechi huruhusu nodi zilizokamilishwa kurukwa kwenye endeshaji; Uwekaji kumbukumbu wa pande zote huondoa hitaji la kutekeleza kundi zima kwa viraka, mabadiliko na ulinganisho wa vibadala.

Guardrail

Hali na kumbukumbu husukumwa kwa wakati halisi, uainishaji wa makosa, vyanzo vya kiasi na rekodi za kujaribu tena huhifadhiwa kwa kushindwa, na majukumu yanaweza kughairiwa wakati wowote. Uwezo wa uzalishaji wa gharama ya juu hauingii kwenye orodha ya zana za otomatiki. Ukuzaji na muunganisho wa sauti unapatikana kama uchakataji wa hiari baada ya usindikaji.

Vivutio

Muundo hauwezi kubadilika na uhakika wa uwasilishaji unatokana na wakati wa kukimbia. Kandarasi za saraka hufanya pembejeo kutabirika, kiunzi hufanya matokeo yafanane, vituo vya ukaguzi hufanya kutofaulu kuathiri tu nodi moja, na hali ya kikao hufanya urekebishaji mzuri bila kupoteza muktadha.

Baada ya urekebishaji wa ramani ya pande nyingi kuzamishwa katika uwezo wa msingi, uteuzi wa muundo hauzuiliwi tena na uwezo wa kikao, na miundo inayotumia kiolesura cha raundi moja pekee inaweza kuingia kwenye kiungo cha kurekebisha ramani; Mpangilio wa kusanyiko wa viambishi awali huruhusu mifano inayogonga kache ili kupunguza zaidi gharama ya vikwazo vinavyorudiwa. Seti ya nodi zilizoundwa zinaweza kuendesha matoleo ya lugha nyingi, na mchoro wa bechi na duru nyingi za marekebisho ya mchoro mmoja hukamilishwa katika safu ya zana sawa.

Chatu 3.12 · FastAPI · Pydantic · Native JS control surface

Kupanga Zana · Ochestration ya Fedha · Dimbwi la Upendeleo · Jaribu tena na Mkakati wa Kushusha Uelekezaji wa familia wa miundo mingi · Tengeneza/hariri chaneli mbili · Muunganisho unaooana na Vigezo Kiunzi cha kizuizi · Mkataba wa nodi ulioundwa · Uchanganuzi wa pato na uthibitishaji Mizunguko mingi ya uhariri katika kiwango cha msingi · Nasaba lahaja · Vipindi vya nyenzo za marejeleo Mkusanyiko thabiti wa kiambishi awali · Mibogo ya akiba ya kiambishi awali · Upatanifu wa kielelezo cha gurudumu moja · Upunguzaji wa gharama Hali ya nje · Kituo cha ukaguzi cha kundi · Jimbo linalofanana na Kumbukumbu Mitiririko ya kumbukumbu inayoonekana · Kazi zinazoweza kukatizwa · Muunganisho wa ruhusa

Sanaa ya biashara ya nje ya kundi la AI: jenereta ya mtiririko wa kazi ya JSON

Mbofyo mmoja towe la picha ya kawaida, inayoweza kudhibitiwa sana ya SD/Midjourney inayoonyesha metadata ya JSON

mtindo wa aesthetic ya kuona

Bidhaa kuu za biashara ya nje

majukumu yangu

Inawajibika kwa kupanga mtindo, bidhaa, muundo na vigezo vya uwasilishaji katika utengenezaji wa maelezo ya bidhaa za biashara ya nje kuwa mtiririko wa kazi unaoweza kusanidiwa wa Prompt JSON. Lengo ni kubadilisha mchakato wa utengenezaji wa picha ambao awali ulitegemea vidokezo vilivyoandikwa kwa mkono kuwa kiolesura cha jenereta kilichoundwa, kinachoweza kutumika tena na kinachoweza kuonyeshwa ili kuwasaidia watumiaji kuelewa mbinu ya udhibiti wa vigezo katika uzalishaji wa kuona wa AI.

Suluhisho la kiufundi

Muhtasari wa mchakato wa kutengeneza ramani ya maelezo ya bidhaa za biashara ya nje kuwa Prompt JSON iliyopangwa, na kufanya mtindo, sifa za bidhaa, utungaji na vigezo vya uwasilishaji kusanidiwa, kuchunguliwa na kutumika tena.

Safu ya kigezo inasimamia aina ya bidhaa, mtindo wa kuona, pointi za kuuza, mandharinyuma, lenzi na vipimo vya matokeo.
Vigezo vya fomu hukusanywa katika Prompt JSON iliyopangwa, na matokeo huhifadhi vizuizi vya uga ili kuwezesha ufikiaji unaofuata wa mtiririko wa kazi kama vile ComfyUI na Flux.
Onyesho la kuchungulia la papo hapo huimarisha uelewa wa "mabadiliko ya kigezo → mabadiliko ya nia ya kuona" na hupunguza gharama ya kutumia tena na urekebishaji wa vidokezo vilivyoandikwa kwa mkono.

Imenakiliwa kwenye ubao wa kunakili! Inaweza kutumika moja kwa moja katika zana za otomatiki za SD/MJ.

Generating JSON system blueprint...

Kuhusu mimi - makutano ya mashairi ya hadithi na sayansi

msingi wa uwezo matrix

01. Utafiti wa biashara na uendeshaji wa jukwaa

02. Uhandisi kamili wa stack na usanifu wa tovuti

03. Uhandisi wa wakala na kituo cha uendeshaji na matengenezo

04. Bidhaa za chanzo wazi na urembo wa mbele

Miradi ya uwakilishi na warsha za ubunifu

Jukwaa la zana la Universal (AiNative-Tools)

Mandharinyuma ya mradi

majukumu yangu

Suluhisho la kiufundi

Vivutio

Lite Studio

Mandharinyuma ya mradi

majukumu yangu

Suluhisho la kiufundi

Vivutio

OpenClaw Sentinel

Mandharinyuma ya mradi

majukumu yangu

Suluhisho la kiufundi

Vivutio

MCP wa MiMo Vision

Mandharinyuma ya mradi

majukumu yangu

Suluhisho la kiufundi

Vivutio

Zana ya QCode (msimbo wa QR wa SVG)

Mandharinyuma ya mradi

majukumu yangu

Suluhisho la kiufundi

Vivutio

QuanWen.sanaa

Mandharinyuma ya mradi

majukumu yangu

Suluhisho la kiufundi

Vivutio

Qwen3-8B Wakala wa huduma kwa wateja wa China urekebishaji mzuri

Mandharinyuma ya mradi

majukumu yangu

Suluhisho la kiufundi

Vivutio

Usimamizi wa usomaji wa GEO / SEO - Utaftaji wa AI na kiingilio cha faharisi kilichopangwa

Mandharinyuma ya mradi

majukumu yangu

Suluhisho la kiufundi

Vivutio

Utabiri wa utu na maarifa kuhusu tabia ya mtumiaji

Mandharinyuma ya mradi

majukumu yangu

Suluhisho la kiufundi

Vivutio

Mkusanyiko wa mtandao wa vyanzo vingi na injini ya maoni ya umma

Mandharinyuma ya mradi

majukumu yangu

Suluhisho la kiufundi

Vivutio

ShadowKnife RPA Automation

Mandharinyuma ya mradi

majukumu yangu

Suluhisho la kiufundi

Vivutio

Usambazaji wa bidhaa iliyosafishwa kwenye jukwaa la Amazon Marekani

Mandharinyuma ya mradi

majukumu yangu

Suluhisho la kiufundi

Vivutio

Mchoraji-Kuunganisha

Mandharinyuma ya mradi

majukumu yangu

Suluhisho la kiufundi

Scaffold

Runtime

Uwezo wa msingi

State

Guardrail

Vivutio

Sanaa ya biashara ya nje ya kundi la AI: jenereta ya mtiririko wa kazi ya JSON

majukumu yangu