AI 工具应用

本页看「工具」：某一款 AI 工具好不好用、怎么装怎么配、值不值得付费 · 每天更新 · 共 87 篇 · 按日期从新到旧

翻到底也没找到想要的？这里都是「某个工具怎么样」，想要一步步的实操教程 →

去「教程」→

AI 应用精选

用 Ollama + Qwen3.8-27B 搭建本地代码助手：离线也能做代码审查把 Qwen3.8-27B 装进 Ollama，再接上 Cline 或 Continue，代码助手就能完全离线运行。本文覆盖模型拉取、显存与上下文配置、工具对接和实测感受。
多模型路由实战：GLM-5.3 负责推理、本地 Qwen3.8-27B 兜底日常 GLM-5.3 编程推理强但计价未定，Qwen3.8-27B 本地免费但慢。用 LiteLLM 做一层路由，按任务难度自动分派，成本和能力两头都占。
LLaMA-Factory 微调入门：在消费级显卡上给 7B 模型做指令微调想让自己手里的开源模型更懂你的业务？用 LLaMA-Factory 做 LoRA 微调，8GB 显存就能训 7B 模型。从数据集准备、界面操作到合并导出，本文把完整流程走一遍。
用 vLLM 一条命令部署 DeepSeek-V4：给团队搭 OpenAI 兼容 API 内网数据不能出公司，云 API 又贵又怕泄密？vLLM 在本地起一个 OpenAI 兼容接口，Cursor、Open WebUI、脚本全部直接连。本文记录从装环境到接口可用的完整步骤，含显存估算和常见坑。
用 Dify 搭企业内部知识问答机器人：从文档上传到飞书接入把公司产品文档、FAQ、操作手册丢进 Dify，搭一个内部问答机器人接入飞书群。新人问「退款流程怎么走」「API 密钥在哪申请」，机器人秒回带出处的答案，不用再翻文档。
用 Plaud Note 把会议录音变笔记：随身硬件 + AI 转写的一站子方案 Plaud Note 是一张信用卡大小的录音贴片，贴在手机背面自动录会议、通话。配套 App 用 Whisper 转写 + GPT-4o 整理，一分钟出结构化纪要。用了三个月的真实体验。
用 Vapi 搭一个 AI 电话客服：从语音识别到自动回拨全流程 Vapi 是专注于语音 AI 的开发平台。本实操记录用 Vapi + DeepSeek 搭一个能接电话、理解意图、查数据库、自动回拨的 AI 客服，适合中小企业替代部分人工客服。
ElevenLabs + CapCut 一人完成一本有声书：从文本到上架喜马拉雅完整记录有声书制作一直在内容创作者里是「门槛高、回报厚」的赛道。一人一台笔记本配合 ElevenLabs + CapCut 完整做出一本有声书，整套流程只要一周。本实操记录一个真实项目：12 万字小说拆章、配音、剪辑到上传的全过程。
豆包 SeedRealtime 实测：AI 能边看边听边说了，体验如何？字节跳动发布的全双工大模型 SeedRealtime 已在豆包 App 全量上线。本文实测其同时听说的能力、抗干扰表现、以及主动交互体验，看看 AI 语音助手是否真正迈过了「全双工」门槛。
Wan3.0 视频生成实操：把一份 PPT 直接变成演示视频阿里云 Wan3.0 视频生成模型开启公测，最大亮点是支持文档输入。本文手把手演示如何把一份 10 页 PPT 上传后生成 30 秒演示视频，包括文档准备、提示词优化、分辨率选择等实操技巧。
GPT-5.6 Luna 免费无限量聊天体验：够用吗？和付费版差多少？ OpenAI 宣布免费用户文字互动不再受限，默认模型升级为 GPT-5.6 Luna。本文对比免费版与 Plus 版在响应速度、上下文长度、推理深度等方面的差异，帮你判断是否需要付费。
用 DeepSeek-V4 Flash 搭建本地知识库：零成本 RAG 方案 DeepSeek-V4 Flash 上线国家超算互联网后调用成本极低，非常适合搭建 RAG 知识库。本文从环境搭建、文档处理、向量存储到问答接口，完整演示一套零成本本地知识库方案。
AI 帮我一周读完 5 本书：阅读辅助工作流分享分享一套用 AI 辅助高效阅读的工作流：从选书、预读、深度阅读到知识提取，结合 ChatGPT、Kimi、Readwise 等工具，一周内完成 5 本技术书籍的精读并输出笔记。
用 AI 做周报自动化的三种方案对比：从手动到全自动每周写周报是职场人的痛点。本文对比三种 AI 周报自动化方案：ChatGPT 手动整理、Dify 工作流半自动、n8n + AI 全自动，分析各自的时间成本、效果和适用场景。
用 LocalAI 在笔记本跑 OpenAI 兼容接口：没显卡也能调 Agent LocalAI 是开源的 OpenAI 兼容服务端，一条 Docker 命令起，能加载 GGUF 模型、兼容 /v1 接口，适合在本机调试 Agent 和 RAG，不必绑 GPU、也不依赖任何云。
Stable Diffusion 提示词工程实战：从糊图到出片出图糊、风格飘、总跑偏，多半是提示词没结构。把「主体 / 环境 / 光线 / 风格 / 参数」拆开写，再用负面提示词排雷，出片率能翻几倍。
每天自动把邮件/文档摘要推到飞书：一个小脚本搞定每天打开邮箱被几十封未读淹没？用 Python 读邮件、让大模型揪出重点，再推到飞书群里，早上到公司先看到一份摘要，而不是一堆红点。
给本地 Ollama 套一个能用的聊天界面：Open WebUI 安装实战命令行跑 Ollama 能对话，但没历史、没上传、没多会话。Open WebUI 是开源界面，Docker 一条命令起，连上本机 Ollama，功能齐全还支持插件。
让大模型稳定吐 JSON：4 种工程化写法（含重试与校验）你说「返回 JSON」，它偏回「好的，这是结果：{...}」。下游解析直接炸。这几种办法能把模型锁死成结构化输出，接 API 不再心惊胆战。
AI 绘画提示词怎么写才出片：从名词堆砌到结构化管理「美丽女孩夕阳高清」这种只会出随机图。好提示词有结构：主体 + 环境 + 光线 + 风格 + 参数，照着填，出图质量立刻上一个台阶。
把纸质文档批量变成可搜索 PDF：PaddleOCR 本地实战截图只能看不能搜。PaddleOCR 识别文字后嵌回原图，生成「双层 PDF」，Ctrl+F 就能全文检索，合同、笔记、书页全变可查。
本地部署 Stable Diffusion WebUI（AUTOMATIC1111）：从克隆到出第一张图最成熟的 SD 开源界面，插件和工作流最多。准备好 Git 和 Python 3.10，克隆仓库、装依赖、放模型，本地起在 7860 端口，出图不花一分钱。
Ollama 不止能聊天：pull / run / Modelfile / 本地 API 一网打尽很多人以为 Ollama 只是个本地聊天壳。其实它管模型下载、起推理服务、还能用 Modelfile 固化人设和参数，对外提供 OpenAI 兼容接口，一行配置切到本地。
用 Docker 一键起私有 ChatGPT：LibreChat 本地部署 LibreChat 是开源的 ChatGPT 替代品，Docker 一键起，能接 OpenAI / Claude / Ollama / 本地模型，还带多用户和对话历史同步。想要一个自己的多模型界面就它了。
ffmpeg 在 AI 工作流里的 6 个实用招数（抽音频/切段/转码/烧字幕）几乎每个 AI 视频脚本都绕不开 ffmpeg：抽音频给 Whisper、切视频、转格式、烧字幕。这 6 条命令零依赖、可脚本化，直接串进你的自动化流水线。
用 ComfyUI 本地批量出电商产品图：抠图、控风格、一键百张网页版出图要排队、要花钱、还要上传产品图。本地跑 ComfyUI，模型和产品图都不出电脑，还能把抠图、换背景、控风格串成一条工作流，调好一次批量跑一百张。
VS Code 接本地模型写代码：Continue + Ollama 不花钱的 AI 搭子 Copilot 要订阅、代码还上云。Continue 是开源扩展，把本机 Ollama 模型接进 VS Code，补全和对话全本地，断网也能用，公司代码不出内网。
会议录音自动变纪要：Whisper 转写 + 大模型拽出待办会议软件自带的转写要付费、还只给一大段文字。本地 Whisper 转完，再让大模型拽出“结论、待办、负责人、时间”，一份能直接转发的纪要就出来了。
把文档变成能对话的“第二大脑”：AnythingLLM 本地私有部署网页版大模型单次塞不下你几百页文档，还反复上传敏感资料。AnythingLLM 本地运行，把 PDF/Word/网页一次性吃进去建索引，像聊天一样问，回答还带原文出处。
用 Whisper 给视频加字幕：一条命令转写、一行 ffmpeg 烧录把会议录像、教程视频、外语素材变成带时间轴的字幕。本地跑不花钱、不上传隐私，转写完用 ffmpeg 直接烧进画面，全程不到 10 分钟。
不装向量库也能搭本地知识库：Ollama 嵌入 + 30 行 Python 把产品文档、合同、笔记丢进本地大模型随问随答。不依赖 Chroma、不装 LangChain，只用 Ollama 的嵌入接口加一点余弦相似度，30 行代码跑通。
每天自动把 AI 资讯推到飞书群：n8n 一条工作流搞定用 n8n 定时抓取几个 AI 信息源，整理成摘要，通过飞书自定义机器人发到群里。全程不写后端，配几个节点就跑起来，每天早上有 AI 日报自动到手。
把乱糟糟的销售表，一键变成周报：Excel + 大模型实战每周从系统导出一堆原始销售数据，手动写周报又慢又没重点。用 pandas 读表、算几个关键指标，再让大模型把数字讲成人话，三分钟出一份有结论的周报。
Cursor 安装与 VS Code 平滑迁移完整指南从官网下载、登录授权到一键导入 VS Code 插件与快捷键配置，30 分钟把你的编辑器无缝切换成 AI 原生开发环境，并避坑常见同步失败。
Ollama 本地部署实战：3 步在笔记本跑通 Llama 3 无需显卡也能跑大模型。手把手演示 Ollama 安装、拉取模型、命令行对话与 REST 接口调用，附带显存/内存占用优化建议。
Stable Diffusion WebUI 一键安装教程（Windows 篇）面向小白的 SD 绘画环境搭建：Python 环境、Git 克隆、启动脚本与基础模型下载，解决常见 CUDA 版本不匹配报错。
ComfyUI 节点式工作流安装与基础配置相比 WebUI 更灵活的节点编排工具。详解便携版安装、显存优化启动参数，以及如何导入他人分享的节点工作流。
Midjourney v7 全新功能盘点：真实感与一致性大升级梳理 v7 在人物一致性、自然语言指令、风格参考上的核心更新，并给出新旧版本出图差异的对照示例。
ChatGPT Projects 怎么用？一站式管理你的长期对话把资料、指令与多轮对话收进一个项目空间，告别零散聊天。详解文件上传、记忆管理与团队协作的用法边界。
Notion AI 全功能详解：从写作到数据库问答不只是续写。演示用 AI 在文档内做摘要、翻译、表格生成，以及基于数据库属性的智能问答与自动填充。
Dify 工作流编排核心能力解析可视化把 LLM、工具与分支逻辑拼成自动化流程。拆解节点类型、变量传递与调试技巧，适合做轻量 AI 应用。
用 Claude 做法律合同审查：某律所效率提升 60% 实践一家中型律所如何把 Claude 接入合同初审：风险提示模板、条款比对与人工复核的分工，以及合规与保密落地要点。
Suno 一键生成品牌宣传曲：电商团队 10 分钟出片从一句卖点文案到带人声的短视频 BGM。记录提示词写法、风格标签选择与多版本筛选，非音乐人也能量产。
Dify 搭建企业内部知识库客服：零代码实战导入产品手册与 FAQ，配置检索增强与兜底话术，2 小时上线一个能答内部政策的 AI 客服，附准确率调优经验。
我用 Claude Code 三个月：10 条踩坑与提效心得从把需求写清楚、控制改动范围到处理回滚。分享让 AI 代理稳定交付的真实工作流与权限边界设置。
Midjourney 提示词心得：从废片到出图的 7 个技巧主体锚定、镜头语言、权重符号与负向提示的实战组合，帮你把随机出图变成可控产出。
ChatGPT 写代码的 8 个高效用法（附模板）单元测试生成、报错定位、重构建议与文档补全的高频套路，并给出可直接复用的提示词模板。
5 个 Perplexity 高级搜索技巧，让调研效率翻倍聚焦模式、来源筛选、追问链与导出引用。把 AI 搜索从「问一句」变成可信赖的研究助手。
2026 主流 AI 编程助手横评：Cursor vs Copilot vs Claude Code 从补全质量、Agent 能力、私有化与价格四个维度横向对比，给出不同团队规模下的选型建议。
库库AI 独立端上手：从文档问答到一键出 PPT 的办公智能体百度文库网盘通用智能体 GenFlow 在 8 月 14 日定名「库库AI」并推出独立端。本文梳理网页端、PC 客户端、小程序与企业版四个入口的差异，以及文档处理、跨模态生成这两类最常用的办公场景怎么用。
Alpha派 PaiWork：把腾讯混元 Hy3 接进 AI 投研工作流讯兔科技的 AI 投研工作台 PaiWork 近期接入腾讯混元 Hy3，在专业问答、取数、建模与生成 PPT 等多步骤长链路投研任务中可用。本文介绍 PaiWork 的定位与典型用法。
MiniMax Design 上手：用自然语言指挥视频创作 8 月 20 日 MiniMax 发布生产力工具 MiniMax Design，基于多模态视频模型 H3，用自然语言描述创作意图即可完成从素材生成到成片交付的流程，支持角色资产与风格一致性，并可接入 ComfyUI 等工作流。
DeepSeek V4-Flash-Vision-Exp 接入实战：让 Agent 学会看图上手 deepseek-v4-flash-vision-exp 的图片输入：单图解析上限 384 token、按 token 计价，定价与 V4-Flash 一致；配合 Files API 可做截图分析、UI 巡检与多模态 Agent。
用 Vercel Is Agentic 给网站做 AI Agent 体检一步步用免费工具 Is Agentic 检测网站的 Agent 就绪度：网页版直接输入域名，或 `npx is-agentic <域名>` 命令行运行，按发现、访问、可用、支付四层得分定位 Agent 进不来的环节。
QwenWork 国际版上手：网页版 + PC 客户端，把 Slack/Notion 接进 Agent 工作流 8 月 26 日开启公测的 QwenWork（qwenwork.ai）怎么用：海外用户打开官网注册即可用网页版，PC 客户端支持桌面常驻；接入 Slack、Notion、Teams 后，可以把文档整理、信息检索这类任务直接交给 Agent。
一条命令给 Agent 装技能库：npx skills add 安装 Agent Skills Directory Agent Skills Directory 收录 500 个生产级 SKILL.md、覆盖 46 个职业方向，用 npx skills add aniruddhaadak80/skills 一条命令即可安装；可只装单个技能、指定目标 Agent（如 Claude Code、Codex），技能按需激活不占上下文。
Qoder 上手体验：长链路自治的智能体工作台，适合谁、怎么用 8 月 27 日阿里发布全新 Qoder 后，桌面端已开放下载。上手要点：Harness 技术负责“读-改-验证-迭代”的长链路自治，分级权限与工具白名单控制风险，跨会话记忆沉淀项目上下文；适合需要让 Agent 跑长任务的中高级开发者，纯提问式辅助的使用方式则未必需要升级。
AgentCore Harness 上手：两次 API 调用，从定义到跑通一个 Agent AWS Bedrock AgentCore Harness 把 Agent 的托管循环封装成两个 API：CreateHarness 定义模型、系统提示词与工具，InvokeHarness 运行对话；每个会话跑在隔离 microVM 里，自带文件系统与 shell，适合代码生成、数据分析、深度研究这类需要沙箱执行的任务。本文梳理从创建到调用的最小步骤与几个容易踩的坑。
Meta XR Operator：给 AI 装上眼睛和手，让它自己测 VR 应用 Meta XR Operator 是 Meta XR SDK v205 的实验组件：在应用与 OpenXR 运行时之间插入一层，把画面截图、房间几何、手柄操作与头部移动通过 MCP 开放给 AI Agent。搭配 Claude Code 等支持 MCP 的编程助手，可以让 AI 自动跑一遍 VR 应用测试——它看得见画面、点得动按钮、还能把失败证据截下来。
Gemini 3.8 Flash 上手：把 effort 参数和任务难度对齐 9 月 2 日发布的 Gemini 3.8 Flash 已上线 Google AI Studio 与 Gemini API，起步价与 3.7 Flash 一致。它的特点是“复杂任务肯多花力气”：通过 effort 低/中/高三档调节推理深度与 token 消耗。本文讲清楚不同任务怎么选档位、有哪些坑。
Langfuse 接入：给 AI 应用的每次调用留账单、留证据对话应用排障靠“再问一次”，Agent 应用不行：十几步工具调用，错在哪、花了多少 token，日志很难拼出来。Langfuse 是开源的大模型可观测平台，把每次调用的输入输出、模型、token、成本与延迟串成一条 trace，支持自托管。本文讲清它的接入方式与使用场景。
爪爪 Paw Work 上手：把网页里选中的东西变成可编辑文件 Paw Work 是一个 Chrome 扩展形态的浏览器 Agent：开着网页、选中内容、在侧边栏描述想要的结果，就能拿回可继续编辑的表格、文档、演示文稿或网页，而不是一段聊天总结。模型密钥由你自己配置、数据留在本地。本文按官方说明整理它的安装方式、典型用法与限制。
把 Claude Code 的 token 花销砍 90%：Portal by Spotify 的 AiKA Modes 路由实战 Spotify 工程师在 9 月发布的博文里，用自家 Portal by Spotify 的 AiKA Modes 给 Claude Code 加了一层模型路由：大文件读取交给 Gemini 2.5 Flash 做批量摘要、样板代码让便宜的 worker 直接写盘，Claude 只处理真正需要前沿模型的推理。对 Java monorepo 的四种场景实测，bulk-read 平均省约 90% token；同时也坦白了三类做不了的事：编辑
Minke 上手：把 DeepSeek Harness 变成本地优先的桌面工作区 Minke 是一个第三方桌面客户端，把 DeepSeek Harness 的智能体能力收进一个本地优先工作区：对话、项目文件、终端、浏览器与插件分屏常驻，Agent 能在可见标签页里搜索与操作网页，你随时可以接管同一个标签再交还。支持 macOS/Windows/Linux 与中英界面，可选接入 LM Studio、Ollama 等本地模型，也能通过 Tailscale/Cloudflare 暴露的 Web 端或微信、Telegram、
Meta Muse 功能拆解：独立虚拟机 24 小时在线、Sentinel 监督，个人 Agent 的权限课代表 Meta 于 9 月 8 日（美国时间）发布的个人 AI Agent Muse，与聊天机器人最大的区别是背后有一台“能干活”的虚拟机：用户说出目标（订行程、比价谈判、整理账单），Muse 拆解任务、调用网页与应用持续执行，用户退出 App 也不停；每个用户一台独立的 Muse Secure VM，配合 Sentinel 监督系统在向外发信息前做审查，发邮件、支付等敏感操作会停下等用户批准，全程留审计记录。目前面向美国用户，可通过 Mus
vivago R1 功能拆解：用对话交付 5 分钟长视频，创作智能体怎么把“成片”当产出 9 月 9 日全球上线的 vivago R1 是智象未来（HiDream.ai）的内容创作智能体，官网定位为“通过对话创作视频与图像”的 AI Agent。与单次只出几秒片段的视频工具不同，R1 把产出单位从“片段”改成“成片”：创作者用自然语言描述创意，智能体负责拆解脚本、调度生成模型并组织成可交付的长视频，媒体口径下可实现单次 5 分钟长视频的稳定输出。本文基于官方发布与公开报道做功能拆解，覆盖它能做什么、适合谁、验收时该看什么。
ABot-Earth 0.7 功能拆解：一张卫星图 10 分钟生成公里级 3D 城市，3D 原生世界模型能怎么用 9 月 10 日高德发布全球首个 3D 原生城市世界模型 ABot-Earth 0.7，依托 3D 原生技术架构与高德积累的时空数据，支持从星球到街景的一体化全尺寸 AI 生成，把多种空间信息组织为可连续进入、自由探索、实时交互的三维数字孪生世界，覆盖超过 196 个国家和地区。输入一张卫星图像或一段文字描述，模型仅用 10 分钟就能在一块消费级 GPU 上生成公里级 3D 城市场景，官方称效率比传统模式提升 1000 倍。体验官网已上
把 AI 编程会话变成自己的数据集：导出、脱敏、编目三步走（ai-data-extractor 实战） ai-data-extractor 是把各家 AI 编程助手本地会话统一导出为 JSONL 的工具包，纯标准库、Python 3.9+ 即可运行，覆盖 Claude Code、Codex CLI、Cursor、Windsurf、Trae、Continue、Gemini CLI、OpenCode、Cline / Roo Code 与 Aider 十类客户端。它不只是「备份」：导出的字段含时间戳、会话 ID、项目路径与模型名，能直接用于个人
让计划活在磁盘上：planning-with-files 的安装与用法（长任务不再被 /clear 清空） planning-with-files 针对的是「编码智能体一重置上下文就丢掉工作记忆」：它把 task_plan.md、findings.md、progress.md 三个文件落在项目里，并通过生命周期钩子把选定的计划上下文注入每一轮，使计划能熬过上下文压缩、/clear、崩溃与会话恢复，恢复过程只读项目文件。若需要跨会话统计或有限回放，必须显式开启 catchup 模式才会去读同项目的本地会话记录。它按 Agent Skills 标
把用户反馈变成可回滚的模型更新：Reef 接入实战 Reef 针对的是智能体「持续学习」缺工程载体这件事：模型能从真实交互里学，但训练产物怎么发布、发坏了怎么退、更新时服务断不断，过去都得自己搭。它把「服务请求 → 记录交互 → 匹配反馈 → 产出更新 → 评估候选 → 提交进版本历史」串成一条闭环，并且明确要求切换版本时服务在线。本文按官方文档走一遍接入：装依赖（artifact 与 checkpoint 依赖 git-lfs）、先用纯推理模式把链路跑通、再打开训练配方、用评分接口回传
把 27B 模型塞进车机与机器人：TensorRT Edge-LLM 的端侧部署路径在服务器上跑大模型有成熟推理栈，把同一个模型放进 Jetson、DRIVE 这类边缘平台却要重新处理算子、显存与量化，多数团队会掉进自己写一次性推理代码的坑。TensorRT Edge-LLM 是英伟达维护的 C++ 端侧推理运行时，覆盖文本、视觉、音频、语音与动作模型。本文说明它近几个版本补上的能力：0.10.1 支持双 DGX Spark 上 TP=2 推理并重写了实验性 OpenAI 兼容 server（冷启动更快、内存更省）；0
给编码智能体划一条边界：用 Brig 在本机 microVM 里跑 Claude Code 与 Codex 让编码智能体在本机跑最大的顾虑不是它写得对不对，而是它能碰到什么：你的家目录、钥匙串、SSH agent，还能联网装包。Brig 的思路是把智能体整个放进一个 microVM：一条 brig run claude ~/code/demo 启动沙箱并在其中运行智能体，只有指定的项目目录以读写方式挂进 /work/<name>，沙箱启动时不携带任何凭据，宿主机其它目录、钥匙串与 SSH agent 都不进虚拟机。会话用 <
把 AI 代码评审接进提交前：OpenCodeReview 的安装、配置与接入实战 OpenCodeReview 是阿里开源的 AI 代码评审 CLI，思路和多数同类工具不同：能确定性完成的事（选文件、打包上下文、匹配规则、拿评审意见和 diff 校验）走流水线，只有代码分析交给带工具调用能力的 LLM 智能体。它读 git diff，把改动文件交给可配置的模型，产出带行号定位的评审意见，智能体可以读完整文件、检索代码库、查看其它改动文件来补上下文；除 diff 评审外还有 ocr scan 用来整文件扫描存量代码。本
Delta 上手：在没有 Pull Request 的仓库里做一次评审 Delta 是 Zed 推出的多人协作环境，把「和智能体一起写代码」和「评审它们的产出」放进同一个界面。它的关键取向是：协作不再以提交与推送为边界——你把队友邀请进与智能体的会话，对方看到同一批 worktree，可以在自己机器上继续干活，也能直接问同一个智能体为什么某个实现这么写；评审是带着原始上下文的子线程，每个评审还拿到父线程 worktree 的隔离副本。Zed 把自己仓库的 Pull Request 关掉了，现在完全在 Del
Laya 上手：把 agent 里的分类判断换成 33 毫秒的决策模型 agent 里大量的调用其实在做判断而不是写作——意图路由、工单分类、内容审核、工具选择。Laya 把这一层单独拆出来：输入一个状态（文本、邮件、工单、JSON）加一组带类型的问句（choice / score / noul），单次前向返回带校准概率的答案，不生成任何文本。本文走一遍安装、跑通、阈值设定与自托管的完整路径，并写清它不适合哪些调用。
Ming-Image-0.1-Design 上手：本地部署 6B 设计模型，并把一张成品图拆回图层 Ming-Image-0.1-Design 系列有两个 6B 模型：Design 从文字生成 UI、信息图、海报这类文字密集的设计稿并支持 RGBA 透明输出；Design-Layer 把扁平设计图拆成可编辑的 RGBA 图层。本文走一遍本地安装与两个任务的完整命令，附官方推荐参数、显存底线与几条容易踩的坑。
用 video-shots 给一条片子拉片：切点交给 ffmpeg，判断交给模型，15 道门逐条对账 reelbench-skills 里的 video-shots 是一个装在编码智能体里的拉片技能：把一条成片拆成逐镜头分析表（时长、景别、类别、运镜、画面、节奏），最后产出一份单文件交互报告。它的规矩很硬——镜头边界由 ffmpeg 场景检测量出来、时长由切点相减、每镜的实测运动量来自逐帧差分，模型只负责景别、类别、运镜、画面与节奏这五件事，做完还要过 15 道代码质量门；声称推拉摇移而实测几乎不动会被直接拦下。只依赖 node 与 f
给个人网站接一个 AI 客服：从知识库整理到上线的完整步骤把 AI 客服接进网站，真正的难点不在接接口，而在「让它答得准」。这篇按实际做过一遍的顺序拆开：先整理知识库、再定回答边界、然后处理兜底与转人工，最后才是上线与观察。每一步都附上容易踩的坑。
用 AI 做行业研究的实际流程：从三十篇资料到一页结论 AI 让「读完三十篇资料」变得容易，但容易读完之后仍然写不出一页结论。这篇记录一套实际跑通的流程：怎么定问题、怎么筛资料、怎么让模型对照而不是复述、以及最后怎么把结论压到一页。
让模型输出稳定可用的五个写法：结构、示例、边界与自查同一个模型，不同人用出来的效果差好几倍，差别基本都在提示词的结构上。这篇收了五个立刻能用、且不依赖特定模型的写法：先给结构、再给示例、说清边界、要求自查、以及把长任务拆成有中间产物的几步。
在自己电脑上跑开源模型：显存、量化与推理框架怎么选本地跑模型的失败大多不是装不上，而是选错了组合：模型太大、量化太低、框架不适配自己的硬件。这篇按「先看显存 → 再定量化 → 最后挑框架」的顺序讲清楚怎么选，并给出几种常见硬件的可行配置思路。
AI 处理会议纪要：录音、转写、纪要三段各自的坑会议纪要看起来是 AI 最容易替代的活，实际落地时问题集中在三段：录音这一段的合规与拾音、转写这一段的人名与术语、纪要这一段的信息取舍。这篇把三段拆开讲，并给出各自可操作的解决办法。
给 AI 助手接上自己的工具：MCP 的接入思路与调试方法 MCP 解决的是「让 AI 用上你手边的工具与数据」这件事。这篇不铺概念，直接讲接入思路：怎么划分工具粒度、参数怎么写模型才用对、权限边界放在哪一层，以及调试时按什么顺序定位问题。
在本机跑一个 744B 的 MoE：SSD、内存与显存各该分多少大模型搬回本机，卡点通常不是算力而是内存。这篇用 Colibrì 的分层推理思路，把「哪些权重必须常驻内存、哪些可以留在 SSD 上按需读」这条切分线讲清楚，再给出硬件怎么配的判断顺序：先看预取命中率与各存储层命中比例，再决定花钱的方向。同时说明这套办法的适用边界——它依赖 MoE 的稀疏性，也不适合需要低延迟的线上服务。
把 agent 的固定步骤写进代码：从提示词到状态机的落地清单长流程 agent 最烦的失败方式是不稳定：有时跳过某一步，有时顺序做反，还复现不出来。这篇给出一套可执行的改造顺序——先判断流程属于「步骤固定」还是「需要临场判断」，再从真实执行记录里数出被跳过的步骤，把「该做哪一步」从提示词搬进显式的前置与后置条件，最后用固定回归集回放验证没有回退。
给 agent 的每一步记一份可复核的台账：六个字段、一份事件流、一个回归门禁长任务 agent 出问题时的第一反应通常是换更强的模型，但换模型解决不了「不知道它从哪一步开始走偏」。这篇给的是一套轻量的记账办法：把每一步的动作类型、输入摘要、判断依据、成本与可验证性记成一份只能追加的事件流（JSONL，一行一步），再用它回答三个问题——预算花在哪、失败集中在哪类动作、哪些步骤能自动验证；最后把代表性失败案例固化成回归集，改提示词、换模型之前先跑一遍。
让 agent 接管你的收件箱：从只读开始，一步步放开权限把邮箱交给 agent 是个人 agent 里最容易上手、也最容易出事的一件事：读邮件没什么风险，替你回复和替你做决定完全是另一个量级。这篇给的是一条分阶段放权的路径——先只给读权限并验证理解是否准确，再放开「起草但不发送」，然后是「在既定模板内自动回复」，最后才是有限度的自主处理；同时说清每一步该监控什么、出错时怎么回收，以及为什么凭证要独占而不是跟人类账号共用。