JewelLens
面向饰品电商的 AI 视觉内容生产平台。 从商品素材生成模特佩戴图、场景图与视频,为饰品电商打造完整的 AI 视觉内容生产工作流。
正在搜索…
SEARCH OPNFTR
搜索已发布的项目、源码和知识文章。
“AI”找到 106 条结果清除搜索
在本机快速运行和管理大语言模型,并通过本地 API 集成到开发工具、原型和私有工作流中。适合本地试验、离线场景和轻量自托管;模型可用性与内存需求因模型而异。
面向高吞吐量 LLM 推理与服务的开源引擎,提供 OpenAI 兼容服务接口和连续批处理等能力。适合具备 GPU 运维能力的团队部署多模型或高并发推理服务。
面向向量检索的数据库,支持稠密与稀疏向量、payload 条件过滤及混合检索。可用作 RAG 检索层,也支持本机容器、自托管集群和边缘场景。
用于连接私有数据与大语言模型的应用框架,覆盖数据加载、索引、检索、RAG 流程及 Agent/Workflow 组件。适合快速搭建企业知识检索和数据密集型 LLM 应用。
用于构建有状态、可持久运行的 Agent 工作流框架,提供检查点、持久化执行和人工介入等控制能力。适合需要长流程、恢复执行、明确状态迁移和人工审核节点的应用。
提供 AI 应用部署规划、私有环境适配、模型与数据接入评估及上线交接咨询。服务范围、周期与报价需经需求沟通后确认;当前没有在线付款或自动源码交付。
覆盖文本、视觉、音频和多模态模型的开源推理与训练工具库,提供统一模型接口、Tokenizer 和生态集成。适合需要复用公开模型、构建评测或训练管线的团队。
用于生成句子和文档 Embedding、进行语义相似度计算与重排的开源库,适合构建语义搜索、聚类、去重和 RAG 检索评测流程。
提供统一模型调用接口、路由、预算、重试和可观测性能力的开源网关,适合在多个模型 Provider 之间建立兼容层和成本治理。
面向自托管模型的 Web 用户界面与管理层,支持本地模型对话、用户管理、知识库和 Provider 连接。适合内部试用和私有环境中的模型入口。
用于构建搜索、RAG、Agent 和文档处理管线的开源框架,提供组件化连接器、检索、生成和评测能力,适合以显式管线管理企业 AI 应用。
面向 LLM 应用开发的开源平台,提供工作流、模型接入、知识库、Agent 和应用发布能力。适合团队快速验证内部应用,但多租户和品牌使用需遵守其修改版 Apache 条款。
从触发、校验、AI 判断到执行与审计,设计可暂停、可恢复、可回放的 AI 自动化工作流。
从适配层、结构化输出、重试、缓存、模型路由和预算治理入手,控制大模型 API 成本与风险。
把用户反馈拆成可审计的质量信号,进入人工复核、回归评测和可回退发布流程。
用离线、在线和人工评测结合 trace 与质量门,持续发现 AI 应用的真实回归。
用统一输入规范、异步处理和可追溯引用设计图像、音频与文本的多模态 AI 管线。
从延迟分解、连续批处理到版本锁定,设计可观测且可回退的模型推理服务。
用数据流、权限边界和红队回归保护 LLM 应用中的检索、工具和日志数据。
用结构化输出、策略层和幂等测试约束 Agent 工具动作,避免越权和重复副作用。
从任务定义、分块、混合召回到权限过滤,建立可重复的向量检索评测流程。
建立从生成、测试到人工审查的 AI 编程工作流,降低回归和敏感数据泄露风险。
用输出契约、样本评测和失败恢复把提示词工程纳入生产开发流程。
GEO 关注内容的可发现、可理解、可引用与可验证,本文给出页面结构、技术基础和证据评测方法。
从文档解析、分块、混合检索到权限过滤和离线评测,构建可引用的企业 RAG 知识库。
从任务分解、工具调用、状态管理到人工介入,系统理解 AI Agent 的生产落地方法。
Codex 费用与 Token 入门说明,解释 ChatGPT 计划额度、API token 计费、输入输出 token、缓存 token 和 prompt caching 的省钱方式。
AGENTS.md 项目规则指南,说明如何写入项目命令、代码风格、禁用事项、验证方式、团队约定和本地私有规则,让 Codex 更快理解项目。
Codex Skills 和 Plugins 入门说明,介绍技能、插件、MCP 能力的关系,以及适合沉淀的工作流类型。
Codex 权限管理指南,说明权限档案、文件访问、命令审批、网络权限和高风险操作的控制方式,适合任务前核对。
Codex 计划任务指南,说明定时与事件触发、独立任务与聊天内任务、本地项目、权限边界和适合自动化的工作场景。
Codex Hooks 入门指南,说明 Hooks 的用途、配置位置、事件类型、信任审查、输入输出协议和安全实践。
Codex 沙盒与审批指南:面向新手解释为什么 Codex 有时会停下来问你,以及如何设置合适的权限。
Codex 线程管理指南:解释 thread、worktree、handoff 和 subagent 的层级关系,帮助你在正确的地方继续、并行和移交任务。
Codex config.toml 配置指南,说明模型、沙盒、审批、配置 profiles、权限 profiles、MCP 和个人本地配置的组织方式。
Codex 排障手册,汇总登录、安装、权限、依赖、命令失败和任务执行异常的定位与恢复路径,帮助快速继续工作。
Codex Memories 使用指南,介绍本地记忆的作用、开启方法、聊天级控制、文件位置、配置选项以及隐私注意事项。
Computer History 入门指南,介绍如何在 macOS 上记录、查找和清理最近的电脑活动,以及使用时需要注意的隐私与安全问题。
Codex 与 PPT Skill 案例,说明如何用一句话生成演示文稿,检查结构、视觉一致性和导出效果。
Codex 与 Draw.io MCP 案例,说明如何用 AI 自动绘制架构图、整理节点关系并生成可编辑图形。
Codex 与 Playwright MCP 案例,说明如何让 AI 操作浏览器、点击页面、截图检查并验证网页状态。
Codex 与 Obsidian 案例,说明如何在本地知识库中生成内容、管理图片、组织笔记和保留引用。
Codex 与飞书 CLI 案例,说明如何用一句话处理飞书数据、多维表格和团队协作信息,适合自动整理团队数据。
Codex 与 LLM Wiki 案例,说明如何在 Obsidian 中搭建 AI 知识库、整理目录、引用和更新流程。
Codex 与 Figma MCP 案例,说明如何读取设计稿、理解布局与组件,并辅助前端实现或文档整理。
Codex 与 Notion MCP 案例,说明如何连接 Notion 知识空间、读取页面、整理数据库和生成内容。
Codex 与 DKFile 发布案例,说明如何用 AI 生成网页、构建静态产物并一键发布到公网,同时确认访问结果。
Codex 与云服务器排障案例,说明如何远程复现问题、读取日志、定位 Python 报错并验证修复结果。
Codex Chrome 浏览器插件案例,说明如何让 AI 控制浏览器页面、执行网页任务并保持安全边界。
Codex 与 GitHub Actions 案例,说明 CI 失败后如何读取日志、定位问题、自动修复并生成 PR。
Codex 连接安卓手机教程,说明如何通过扫码将手机端 ChatGPT App 与电脑端 Codex 配对,实现移动端远程操控。
使用 codex-profiles 为个人、工作或客户环境选择独立的 CODEXHOME,并在 macOS 上启动使用独立本地状态的命名 ChatGPT Desktop 窗口。
Codex 入口地图,比较 CLI、桌面 App、Cloud、IDE、ChatGPT 和集成生态,帮助选择合适工作入口。
Codex 桌面 App 下载与安装教程,说明 macOS、Windows 安装入口、账号登录和首次启动前的准备工作。
ChatGPT Plus 与 Pro 订阅指南,整理 Codex 可用性、账号准备、支付路径和订阅前需要核对的信息。
Codex 连接第三方 API 的入门说明,比较手动配置、Codex++、CCX 与 CC Switch 三种接入方式,并提示账号、密钥、账单和隐私风险。
Codex 基本组成说明,介绍对话、项目、本地文件夹、权限、技能、插件、定时任务和常见设置入口,方便快速定位功能。
用 Codex 完成第一个任务的入门教程,带你选择工作目录、输入任务、查看结果并完成基础验证,形成操作习惯。
手机端跟进 Codex 任务教程,说明 ChatGPT App 入口、跨设备连接、任务查看和协同边界。
Codex CLI 安装与登录教程,覆盖环境检查、安装命令、版本检查、登录流程和首次运行准备。
第一次让 Codex CLI 改代码的教程,说明如何选择低风险任务、让 Codex 读仓库、修改文件并运行验证。
Codex CLI 选项与命令指南,覆盖交互模式、非交互执行、恢复会话、Slash Commands 和常用启动参数。
在 VS Code 中使用 Codex 的教程,介绍插件入口、文件上下文、局部修改、解释代码和编辑器内协作方式。
Codex Cloud 使用指南,说明新版云端环境、旧版 Cloud、仓库连接、长任务、PR 工作流和与本地模式的差异。
把 AI 生成的修改放进差异审查、确定性测试和人工确认的交付门禁。
使用固定补丁、测试结果和审批标记,演练可回放的 AI 编程交付门禁。
理解 Agent 与普通问答的差异,用显式状态和权限边界建立最小闭环。
设计工具 schema、错误返回和幂等策略,减少参数漂移和副作用。
比较单轮计划、分步执行和状态机,选择可回放的 Agent 编排方式。
建立任务集、工具轨迹和安全断言,持续发现 Agent 行为回归。
用 trace、预算和脱敏日志定位慢请求、循环调用与异常成本。
为 Agent 建立发布前检查、灰度策略、回滚信号和人工接管流程。
用预算、幂等键和最小证据记录控制 Agent 重试,避免重复副作用。
用只读查询和结构化输出完成工单分类,遇到不确定性时转人工。
Agent 生成部署检查清单,但任何生产变更都必须由人确认。
把工具轨迹、失败原因和下一步建议整理成可审计的人工接管记录。
从可追溯文档管线开始,定义内容、版本、权限和删除语义。
选择 embedding、索引距离和批处理策略,建立可重建的向量索引。
组合关键词、向量和过滤条件,把候选相关性与权限边界分开处理。
用可追溯问题集检查召回覆盖、引用准确和无依据回答。
把租户权限、文档状态和更新时间作为检索的一等字段。
设计可观测的索引发布流程,避免半成品索引和缓存污染答案。
用受限查询改写和证据阈值处理口语问题、无结果和不确定回答。
用 SQLite FTS 和确定性上下文拼装一个无需外部服务的可复现 RAG。
构建新索引、执行抽样检查,再用版本指针完成无损切换。
用来源 id、权限标签和期望证据回放检索变化,区分召回回退与生成问题。
固定模型、Tokenizer、依赖和配置,生成可审计的部署工件。
用稳定的 HTTP 契约隔离模型运行时,明确超时、错误和请求上限。
使用官方 OpenAI 兼容接口启动本地模型,并验证鉴权和请求边界。
为模型服务配置资源边界、探针和可回滚的 Deployment。
在推理成本、延迟和回答质量之间建立可测量的量化发布门槛。
用固定模型接口和 Python 客户端验证服务启动、鉴权、超时与错误边界。
用固定提示集和阈值决定模型服务是否继续灰度,演练失败时回滚。
把模糊的 AI 需求拆成输入、输出、证据、人工介入和不可做事项。
使用 schema 校验模型输出,隔离工具权限和业务副作用。
把检索结果变成可追溯上下文,避免把无权限文档送给模型。
建立固定样本和程序断言,持续发现答案、工具轨迹和权限回归。
在模型调用前后建立敏感信息、提示注入和越权防线。
把模型、检索和工具调用纳入可观测、可限流、可回滚的运行流程。
设计可取消的流式响应、超时和部分失败状态,避免把等待伪装成成功。
用 Pydantic schema、错误码和人工确认状态搭建可测试的应用接口。
用 SQLite FTS 验证角色过滤、来源引用、无结果和删除语义。
在本地事件流中模拟断网、取消和重试,确保 UI 不把半截结果当作完成。