JewelLens
面向飾品電商的 AI 視覺生產平台。 從商品素材到模特佩戴、場景圖與影片,為飾品電商構建完整的 AI 視覺生產工作流。
SEARCH OPNFTR
搜尋已發布的項目、原始碼與知識文章。
「AI 应用」找到 107 筆結果清除搜尋
在本機快速執行與管理大型語言模型,並透過本地 API 整合到開發工具、原型與私有工作流中。適合本地試驗、離線場景與輕量自託管;模型可用性與記憶體需求因模型而異。
面向高吞吐量 LLM 推理與服務的開源引擎,提供 OpenAI 相容服務介面與連續批次處理等能力。適合具備 GPU 維運能力的團隊部署多模型或高並發推理服務。
面向向量檢索的資料庫,支援稠密與稀疏向量、payload 條件過濾及混合檢索。可用作 RAG 檢索層,也支援本機容器、自託管叢集與邊緣場景。
用於連接私有資料與大型語言模型的應用框架,涵蓋資料載入、索引、檢索、RAG 流程及 Agent/Workflow 元件。適合快速建立企業知識檢索與資料密集型 LLM 應用。
用於建立有狀態、可持久執行的 Agent 工作流框架,提供檢查點、持久化執行與人工介入等控制能力。適合需要長流程、恢復執行、明確狀態遷移與人工審核節點的應用。
提供 AI 應用部署規劃、私有環境適配、模型與資料接入評估及上線交接諮詢。服務範圍、週期與報價需經需求溝通後確認;目前沒有線上付款或自動原始碼交付。
涵蓋文字、視覺、音訊與多模態模型的開源推理與訓練工具庫,提供統一模型介面、Tokenizer 與生態整合。適合需要重用公開模型、建立評測或訓練流程的團隊。
用於產生句子與文件 Embedding、進行語義相似度計算與重排的開源函式庫,適合建立語義搜尋、聚類、去重與 RAG 檢索評測流程。
提供統一模型呼叫介面、路由、預算、重試與可觀測性能力的開源閘道,適合在多個模型 Provider 之間建立相容層與成本治理。
面向自託管模型的 Web 使用者介面與管理層,支援本地模型對話、使用者管理、知識庫與 Provider 連線。適合內部試用及私有環境中的模型入口。
用於建立搜尋、RAG、Agent 與文件處理流程的開源框架,提供元件化連接器、檢索、生成與評測能力,適合以明確流程管理企業 AI 應用。
面向 LLM 應用開發的開源平台,提供工作流程、模型接入、知識庫、Agent 與應用發布能力。適合團隊快速驗證內部應用,但多租戶與品牌使用需遵守其修改版 Apache 條款。
從觸發、驗證、AI 判斷到執行與稽核,設計可暫停、可恢復、可重播的 AI 自動化工作流程。
從適配層、結構化輸出、重試、快取、模型路由和預算治理著手,控制大型語言模型 API 的成本與風險。
把使用者回饋拆成可稽核的品質訊號,進入人工複核、回歸評測和可回復發布流程。
結合離線、線上和人工評測、trace 與品質門檻,持續發現 AI 應用的真實回歸。
用統一輸入規範、非同步處理和可追溯引用,設計影像、音訊與文字的多模態 AI 管線。
從延遲拆解、連續批次到版本鎖定,設計可觀測且可回復的模型推理服務。
用資料流、權限邊界和紅隊回歸保護 LLM 應用中的檢索、工具和日誌資料。
用結構化輸出、策略層和冪等測試約束 Agent 工具動作,避免越權和重複副作用。
從任務定義、分塊、混合召回到權限過濾,建立可重複的向量檢索評測流程。
建立從產生、測試到人工審查的 AI 程式設計流程,降低回歸和敏感資料外洩風險。
用輸出契約、樣本評測和失敗復原,把提示工程納入生產開發流程。
GEO 關注內容的可發現、可理解、可引用與可驗證,提供頁面結構、技術基礎和證據評測方法。
從文件解析、分塊、混合檢索到權限過濾和離線評測,建立可引用的企業 RAG 知識庫。
從任務拆解、工具呼叫、狀態管理到人工介入,理解 AI Agent 的生產落地方法。
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。
Codex 平台差异指南,集中说明 macOS、Windows、Linux 与 WSL2 在桌面 App、Shell、路径、沙盒、项目位置和平台限定功能上的区别。
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。