1. 我这算是个过渡阶段，AI入口调用+APP形式，未来进阶方式就是干掉APP，依靠AI调用 API接口，未来的生态我想应该是这样，有一个大池子，里面把各个APP的API调用接口放进去，然后用统一的一个AI当入口来调用这些不同的API，需要什么需求就调用相应的API，直接造成你的目标操作，省去了下载APP的过程。

新浪微博 2025-12-03 00:00:00

2. 做NLP任务时，如何高效调用大语言模型（LLM）输出结构化结果？Promptify给出了很好的解决方案。它是一个开源的Python库，专注于Prompt工程，支持多种NLP任务如命名实体识别、多标签分类、问答生成等。只需几行代码，就能用GPT、PaLM等模型完成复杂的文本处理。Promptify的优势在于：- 支持多种任务，无需训练数据，直接用Prompt完成推理- 输出格式统一为Python对象，方便后续解析和业务集成- 可以灵活添加示例，提升模型效果- 兼容多种模型来源，包括OpenAI API和Huggingface Hub- 提供简洁的Pipeline接口，快速上手适用于文本分类、信息抽取、关系抽取、摘要、SQL生成等多样场景。安装简单，`pip install promptify`即可使用。项目地址：github.com/promptslab/Promptify

新浪微博 2025-11-04 00:00:00

3. 一个简单的教学项目nanoAgent：用最简单的方式构建一个能与系统交互的智能体。地址： github.com/sanbuphy/nanoAgent这是一个使用 OpenAI 函数调用的最小化 AI 智能体实现。智能体可以执行 bash 命令、读取文件和写入文件。智能体使用 OpenAI 的函数调用来：----接收用户的任务----决定使用哪些工具（bash、read_file、write_file）----执行工具----将结果返回给模型----重复直到任务完成就这样。约 100 行代码。#HOW I AI#

新浪微博 2026-03-04 00:00:00

4. 爆肝10亿token，我给OpenClaw做了个龙虾管家！【一键安装龙虾】

哔哩哔哩 2026-03-10 00:00:00

5. 🚨突发新闻：Qwen 团队刚刚发布了他们的官方代理框架，它包含了所有功能。无需拼接第三方库。无需对抗抽象概念。Qwen-Agent 为您提供：→框架内直接内置的原生函数调用→开箱即用的安全代码解释器沙箱→ RAG 和 MCP 支持包括→用于浏览器原生代理工作流程的 Chrome 扩展程序由构建模型的团队开发，所以它运行稳定可靠。100% 开源且完全免费。

新浪微博 2026-03-06 00:00:00

6. Openclaw / Clawdbot 龙虾本地部署小白式安装视频教程

微信公众号 2026-03-13 00:00:00

7. Dify 官方上架 Higress 插件，轻松接入 AI 网关访问模型服务

知乎 2026-03-03 00:00:00

8. OpenClaw 接入微信、QQ、飞书等教程！打造 24 小时在线 AI助手！一键调用MiniMax 5.2、 GPT-5.4 模型| 零度解说

哔哩哔哩 2026-03-15 00:00:00

9. 18个月，中国Token消耗狂飙300倍！别乱烧钱了，清华系AI Infra帮你腰斩API成本

微信公众号 2026-02-02 00:00:00

10. 【最新玩法】n8n工作流秒变MCP工具，直连各种MCP客户端，零代码实操！

哔哩哔哩 2025-10-27 00:00:00

11. 在线使用 Claude、OpenAI、Gemini、Antigravity 多种 AI 订阅服务时，API 配额管理和成本分摊常让人头疼。Sub2API是一个一站式开源中转服务平台，支持多账户统一接入，自动分配 API 配额，智能调度请求，还能实现拼车共享，极大提升使用效率，降低成本。主要功能：- 多 upstream 账号管理，支持 OAuth 和 API Key 方式；- 动态分发 API Key 给用户，方便接入管理；- 精确的 Token 级计费与成本跟踪；- 智能调度算法，支持会话粘性和高并发控制；- 请求速率限制，保证服务稳定；- 全功能管理面板，监控与配置一目GitHub: github.com/Wei-Shaw/sub2api#AI创造营##人工智能#

新浪微博 2026-03-07 00:00:00

12. Flowise AI是开源可视化AI工作流构建平台，基于LangChain架构，核心降低AI工作流搭建门槛，通过拖拽节点即可串联模型、数据库与API，适配企业内部智能问答、自动化报告生成、多工具协同等场景，无需复杂代码开发。 GitHub:github.com/FlowiseAI/Flowise 主要功能： 1. 可视化流程设计：拖拽式节点界面，直观搭建模型调用、数据处理、工具联动逻辑；2. 多模型兼容：支持OpenAI、Claude、Ollama等主流LLM，可灵活切换本地/云端模型；3. 多智能体协作：支持配置多个AI智能体协同工作，适配人机混合流程场景；4. 系统集成能力：可将搭建的工作流导出为REST API，或直接嵌入现有业务系统；5. 执行监控追溯：内置详细执行日志，支持流程运行状态追踪与问题排查；6. 自托管部署：支持Docker与源码部署，数据本地存储，保障隐私安全。上手零代码门槛，非技术人员也能快速构建AI流程。实际使用中，企业搭建智能客服问答流程仅需小时级，多模型切换无需重构流程，是需要快速落地AI自动化能力的团队优选工具。

新浪微博 2025-11-20 00:00:00

13. AgentRun：当“无代码”遇上“高代码”，阿里云如何为 Agentic AI 应用提供平滑演进的开发路径？

知乎 2025-12-23 00:00:00

14. Hologres 4.0：面向 AI 时代的一站式多模态分析检索平台

知乎 2026-04-12 00:00:00

15. AgentRun 深度解析：阿里云函数计算 FC 如何构建企业级 Agent 的“生产力引擎”？

知乎 2025-12-15 00:00:00

16. 全网最细的零门槛OpenClaw教程！云端部署，无缝体验【以及聊聊AI落后焦虑】

哔哩哔哩 2026-02-05 00:00:00

17. #小米MiMo大模型首次推出TokenPlan#小米MiMo大模型Token Plan太香了！一次订阅畅享三大模型，计费透明无5小时限额，养虾编程都能集中畅用。此前MiMo-V2-Pro成绩亮眼，如今全模态套餐好用不贵，堪称整顿养虾token市场，必须点赞！

新浪微博 2026-04-03 00:00:00

18. Agent常见面试题：LLM 是如何学会调用外部 API 或工具的？1 训练数据让模型先“知道工具是怎么用的”在模型具备工具调用能力之前，它必须先在训练数据里看到足够多的工具调用示例。通常包含两类数据：1）真实 API / 工具调用代码或文档，例如：a. “要获取天气，请调用 get_weather(city=...)”b. “要计算数学表达式，请调用 calculator(expression=...)”2）人类标注或模型生成的“对话 + 工具调用”示范，例如：a. 用户问：杭州天气如何？模型示范：调用 tool.get_weather({city:"杭州"})再根据工具返回的结果继续回答。通过这些示例，LLM 学会了：什么问题对应调用什么工具；工具调用的格式是什么；什么时候不该调用工具。2 监督学习（SFT）使模型学会“根据指令选择工具”在 Fine-tuning 阶段加入大量的示例：1）该调用工具的场景2）不该调用工具的场景3）多工具协作场景例如：用户问「告诉我台北到上海的机票价格」。正确示例：a. 模型判断这需要实时信息b. 模型调用 flight_search API模型学习到：当遇到“需要外部信息/计算能力”的问题时，应倾向调用工具。3 通过 RLHF 让模型“偏好正确的工具调用行为”强化学习阶段会奖励：1）正确调用工具2）不乱调用工具3）工具调用后能给出正确结果惩罚：1）不必要的调用2）调用错误的工具3）调用格式不正确这一步让模型不仅会“模仿”，还会“懂得什么时候该调用工具”。4 ReAct / 规划式数据让模型学会 “推理后再决定工具”许多训练数据采用 ReAct 风格：1）模型先思考：要不要调用工具？2）再决定工具调用3）执行后再继续思考与回答这种数据让模型具备：1）任务分解2）长链路推理3）工具调用规划最终效果是：面对复杂任务，模型不会盲调，而是自行形成“推理 → 调用 → 再推理”的结构化流程。5 架构层提供“可调用工具的接口”现代 Agent 框架都会在推理阶段给模型提供一个结构化 schema：1）告诉模型有哪些工具2）告诉模型调用格式3）告诉模型每个字段是什么类型这样模型在生成内容时不需要“猜”，而是严格遵循系统提供的 schema，直接输出可执行的 JSON 或结构化调用指令。例如：1）系统提供工具：search(query: string)2）模型内部只需决定：要不要调用？，以及 query 内容是什么。6 推理时的实际行为：模型并不真的“执行工具”，而是生成结构化调用请求推理时发生的事情是：1）模型生成 JSON 指令，例如：{"tool":"search", "query":"杭州天气"}2）外部系统执行工具并将结果返回3）模型继续根据工具结果生成下一步行动或最终答案模型本身没有执行能力，它只是生成符合 schema 的字符串而已。总结LLM 学会调用外部 API / 工具，是一个“示例训练 + 强化学习 + 架构支撑 + 推理策略”组合的结果：1）先在数据里看到大量工具调用示范2）通过 SFT 学会该如何调用3）通过 RL 学会什么时候应该调用4）通过 ReAct 学会任务分解与步骤规划5）通过 functions/schema 让调用标准化因此模型看起来像真的“理解工具”，但本质是根据统计学习到的模式生成结构化指令。#ai创造营# #程序员#

新浪微博 2025-12-10 00:00:00

19. 函数计算 AgentRun 重磅上线知识库功能，赋能智能体更“懂”你

知乎 2026-02-12 00:00:00

20. Clawdbot 教程 01：模型的配置和切换

微信公众号 2026-02-01 00:00:00

21. 开发 AI Agent 应用时，直接使用 LangChain 或 LangGraph 等框架虽然方便，但复杂的抽象往往像个“黑盒”，让开发者难以理解底层的调用逻辑和决策机制。ai-agents-from-scratch 是一个专注于教学的开源项目，主张从零开始构建 AI Agent。它不依赖现有的成品框架，而是通过 Node.js 和本地大模型，带你一步步拆解 Agent 的核心原理。项目不仅涵盖了基础的模型调用，还深入讲解了函数调用、长期记忆、ReAct 推理模式等关键技术，帮助开发者在掌握底层逻辑后再去更明智地选择和使用框架。GitHub：github.com/pguso/ai-agents-from-scratch主要功能：- 基于 node-llama-cpp 实现本地大模型运行，无需依赖云端 API；- 循序渐进的学习路径，从基础交互到复杂的系统提示词与角色设定；- 深入解析函数调用原理，展示 LLM 如何决定调用工具并处理返回结果；- 实现持久化存储与记忆管理，让 Agent 具备跨会话的信息记忆能力；- 详解 ReAct 推理模式，演示“思考-行动-观察”的循环逻辑；- 提供进阶教程，手写实现类似 LangChain 的 Runnable 接口和状态机图结构。该项目要求 Node.js 18 以上环境，建议配置 16GB 内存以流畅运行本地 GGUF 模型。它非常适合希望深入理解 Agent 架构、提升 AI 应用底层开发能力的工程师参考学习。

新浪微博 2025-12-18 00:00:00

22. 开发者在调用不同 AI 模型时，常面临账号管理繁琐、API 协议不统一以及配额限制等问题，在不同平台的 Session 和 API 之间来回切换非常耗时。Antigravity Tools 是一个高性能 AI 调度网关与账号管理工具，旨在打破不同 AI 厂商间的调用壁垒，提供一站式的本地 AI 中转方案。它不仅能将 Google 或 Anthropic 的 Web 端 Session 转化为标准 API 接口，还支持智能账号轮换与协议转换，确保 AI 业务调用稳定且低延迟。GitHub：github.com/lbjlaq/Antigravity-Manager主要功能：- 智能账号仪表盘，实时监控各账号配额健康状况并自动推荐最佳账号；- 支持一键无缝切换账号，集成 OAuth 2.0 自动授权、批量导入及权限检测；- 全协议适配，提供兼容 OpenAI、Anthropic 和 Gemini 标准格式的 API 端点；- 智能状态自愈，遇到限流或授权过期时自动触发毫秒级重试与静默轮换；- 模型路由中心，支持自定义正则表达式映射，实现专家级的请求重定向；- 深度适配多模态功能，支持 Imagen 3 高级画质控制及超大 Payload 传输。该工具基于 Tauri v2 和 Rust 构建，确保了极高的运行效率与本地数据安全性。支持 Windows、macOS 和 Linux 多平台使用，适合需要深度整合各类 AI 模型的开发者与爱好者使用。

新浪微博 2025-12-26 00:00:00

23. 在线模型推理部署经常遇到多模态模型支持复杂，性能难以优化的问题。vLLM-Omni 基于高效的 KV cache 管理和流水线执行，专为支持包括文本、图像、音频、视频等多模态输入的模型设计，轻松实现异构模型推理和服务。它不仅兼容主流 Hugging Face 开源模型，还支持分布式推理、多阶段流水线调度、流式输出和 OpenAI 兼容接口，极大提升多模态模型在线推理的效率和灵活性。GitHub: github.com/vllm-project/vllm-omni主要功能：- 支持多模态数据（文本、音频、图像、视频）处理与生成；- 支持非自回归架构如扩散模型，实现高效的并行生成；- 基于 KV cache 优化自回归模型推理性能；- 异构流水线抽象，管理复杂多阶段模型工作流；- 分布式推理支持，涵盖张量并行、数据并行和专家并行；- 开箱即用的 OpenAI 兼容 API 服务器，方便集成；- 支持主流平台（CUDA/ROCm/NPU/XPU），广泛适配多硬件环境。适合AI开发者、研究人员和企业级应用场景的多模态AI模型推理部署。#AI开发# #多模态模型# #机器学习#

新浪微博 2026-04-02 00:00:00

24. 企业级AI应用落地：森马如何通过AI网关解决大模型“多而杂、难观测、不稳健”的挑战？

知乎 2025-11-19 00:00:00

25. openclaw没思路？多场景分享+官方推荐的成本优化方案

哔哩哔哩 2026-02-02 00:00:00

26. OpenClaw + Ollama 本地部署！无需 API，断网可用，多模型自由切换（GPT-OSS / Qwen 3 / GLM 4.7）

哔哩哔哩 2026-02-09 00:00:00

27. 小米MiMo Token Plan今天正式出了，很多人都觉得小米这个模型比MiniMax好用，就看收费价格。四档套餐：Lite 39元/月、Standard 99元/月、Pro 329元/月、Max 659元/月，首次订阅88折。一次订阅直接覆盖MiMo-V2-Pro、MiMo-V2-Omni、MiMo-V2-TTS三大模型，全模态全家桶，不用再算不同模型的token消耗差异。小米这次用统一Credit点数计费，也有进度条提醒你用了多少，目前来看性价比还是挺不错的#小米MiMo大模型首次推出TokenPlan#

新浪微博 2026-04-03 00:00:00

28. 每天120万亿Tokens：Seedance 2.0和ArkClaw龙虾，让豆包大模型调用量炸了

微信公众号 2026-04-02 00:00:00

29. 平时使用各种 AI 编辑器或客户端时，常会遇到账号额度分散的问题。比如拥有 Kiro 账号却更习惯使用 Cursor 开发，或者 Gemini CLI 的额度充裕却无法直接在常用的聊天工具里调用，不同工具间的凭证无法通用，导致资源浪费且配置繁琐。ProxyCast 是一个开源的桌面端工具，旨在让不同 AI 客户端的额度自然流动。它能将你已有的 AI 客户端凭证转换成标准的 OpenAI API 接口，为本地开发和其他第三方工具提供动力。该工具不仅解决了多账号统一管理的问题，还提供了友好的图形化界面，让用户无需复杂的命令行操作即可实现凭证到 API 的转换，极大地提升了 AI 工具的使用效率。GitHub：github.com/aiclientproxy/proxycast主要功能：- 统一管理多个 Provider，支持 Kiro、Gemini、通义千问、Vertex AI 等多种凭证来源；- 将本地客户端凭证转换为标准 OpenAI 或 Anthropic API，兼容绝大多数主流 AI 插件与应用；- 提供直观的仪表盘界面，支持服务状态监控、API 实时测试及日志查看；- 智能凭证管理系统，支持自动读取本地 OAuth 凭证、Token 自动刷新以及配额超限自动切换；- 灵活的路由与模型映射，可将请求自定义映射到指定的 Provider 或模型版本；- 安全的本地运行环境，支持 TLS/HTTPS 加密通信，并提供访问控制与密钥认证功能。支持 Windows、macOS 和 Linux 多平台使用，基于 Tauri 框架开发，运行轻量且响应迅速，适合希望整合 AI 资源、降低 API 开支的开发者与重度 AI 用户。

新浪微博 2025-12-21 00:00:00

30. 助力企业构建 AI 原生应用，函数计算 FunctionAI 重塑模型服务与 Agent 全栈生态

知乎 2025-11-12 00:00:00

31. 别再被 OpenClaw 的热度洗脑跟风了！它根本不是普通人能用的 AI 工具，而是专为技术党准备的 “高级玩具”！高昂部署成本、高危隐私漏洞、陡峭学习门槛，三大致命痛点直接劝退普通人。免费只是噱头，硬件、算力、电费月月烧钱；权限高、漏洞多，个人信息随时可能泄露；命令行操作、环境配置、模型调试，没基础几天都装不好。别为了跟风浪费时间金钱，更别拿隐私安全冒险！它的强大与你无关，它的坑却能让你全踩中。看完这条视频，你会彻底清醒：普通用户远离 OpenClaw，才是最理性的选择！#OpenClaw安全风险争议##科技先锋官##微博超有用视频大赛##科普大作战##AI创造营# http://t.cn/AXVR4YKt

新浪微博 2026-03-13 00:00:00

32. #为什么AI大厂开始卖Token#Token是大模型处理信息的最小单元，其消耗与算力消耗、电力成本直接挂钩，是按效用付费的最公平口径。AI从对话工具转向Agent与企业系统，工作量呈指数级爆发，按Token计费能精准匹配算力消耗，实现成本可控。同时，价格分层加剧：轻量模型低至135元/亿Token，旗舰模型则达数万元，形成差异化竞争。Token计费将主导通用场景与标准化服务，但并非绝对唯一。对高并发、低门槛的轻量应用，Token模式效率最高；而对复杂行业定制、私有部署或长期订阅场景，包年制/包量制仍有优势。此外，随着算力成本优化与缓存技术普及，部分场景可能出现价格阶梯或免费额度，以平衡普惠与商业化。Token不仅是计费单位，更可能成为AI时代的数字货币，承载价值尺度与流通手段功能。中国凭借绿电与算力基建，正以低成本Token重塑全球AI成本结构。未来，Token计费将与混合模式并存，共同构建AI商业化的多元生态。#how i ai# 为什么ai大厂开始卖token

新浪微博 2026-03-17 00:00:00

33. 火山引擎有了它自己的Token经济学

微信公众号 2025-12-19 00:00:00

34. 提速10倍！Mac Mini 本地跑 AI 大模型，OpenClaw + oMLX 加速神器实测效果惊人！ | 零度解说

哔哩哔哩 2026-03-16 00:00:00

35. OpenRouter最新数据：小米MiMo‑V2‑Pro 周榜第一，该平台史上首个周Token消耗超3万亿的模型，模型使用市占率超30%。这个赛道安静的可怕，大模型专家这次都不发言了。 #小米MiMo成首个周token消耗超3万亿模型#

新浪微博 2026-03-27 00:00:00

36. 看完吴恩达 DeepLearning AI 「Agentic AI」前半部分，整理了一下。一、Agentic Workflows 介绍 Agentic AI工作流指的是由一个LLM作为核心“大脑”，通过自主决策来规划、执行多个步骤，并驱动各种工具以完成复杂任务的智能流程。其核心要素包括：LLM、多步骤执行、任务完成。 1. 自主性程度 - 较低自主性：步骤预先定义好，工具调用为硬编码。自主性主要体现在文本生成部分。 - 高度自主性：Agent 能自主做出决策，并可以动态创建工具。 2. 优势 - 性能更好：在使用相同模型的情况下，Agentic AI 通常能获得更优的性能表现。 - 并行执行：支持多个步骤或任务同时进行。 - 模块化与动态替换：可以灵活替换工作流中的特定模块或模型。 3. 任务拆解设计 Agentic AI 时，关键一步是对任务进行拆解。工作流/任务可以拆分为以下形式： 1）模型类型： - 大语言模型：负责文本生成、工具使用、信息提取等； - 其他 AI 模型：如 PDF 转文本、语音合成（TTS）、图像分析等。 2）工具类型： - 接口 API：例如网页搜索、日历查询等。 - 信息提取：如数据库查询、检索增强生成（RAG）。 - 代码执行：用于计算、数据分析等。 4. 评估的重要性 - 客观评价：可通过代码或计算进行量化评估。 - 主观评价：利用 LLM 对结果进行打分（例如 0-5 分），但并非最佳实践，后续会进一步展开。 - 评估可针对端到端流程，也可针对单个模块或步骤。 - 通过检查执行轨迹（trace）来进行错误分析和评估。 5. Agentic 设计模式 - 反思（Reflection）：将模型输出再次输入给模型，让其自我反思以优化结果；也可结合外部输入（如代码执行结果）进行反思；还可设计专门的反思 Agent 或使用不同模型进行反思。 - 工具使用（Tool Use） - 规划（Planning） - 多智能体工作流（Multi-Agent Workflow）二、反思（Reflection）反思是指通过固定步骤对 LLM 的初次输出进行再次思考和分析的过程。结合外部工具或输入进行反思，往往能获得更优质的结果。实践证明，反思是显著提升模型性能的有效方法之一。在实践中，使用推理能力更强的模型专门负责反思任务，通常能取得更好的效果。三、工具使用（Tool Use） LLM 本身并不直接执行工具，而是由 LLM 指示执行引擎调用特定工具。执行引擎负责实际调用工具、获取结果，并将结果返回给 LLM，LLM 再基于这些结果生成最终输出。代码执行（Code Execution）是一个非常有用的工具。 LLM 可以生成 Python 代码，由执行引擎运行代码并返回结果。需要注意的是，执行代码时需考虑安全性，建议在 Docker 或沙箱环境中运行。模型上下文协议（MCP）的出现，极大地减少了工具调用的开发工作量，从原来的 m*n 级别降低到 m+n 级别。 #ai创造营##程序员#

新浪微博 2025-11-02 00:00:00

37. 在线搭建AI开发工作站，配置环境和调试工具往往令人头疼，安装Claude Code、配浏览器无头运行、搞各种命令行AI，过程繁琐又容易出错。HolyClaude 这个开源容器项目，整合了 Claude Code 主力代码AI、直观Web界面、五大AI命令行工具、无头浏览器和50+开发工具，统一容器化部署，轻轻松松跑起来。只需一条docker-compose命令，2分钟连环境问题都不必操心，完美支持Linux/macOS/Windows/主流NAS，多架构兼容，且支持你的已有Claude账号，无需额外绑定或付费。主要功能：- 集成Claude Code官方CLI，支持Max/Pro订阅和API key认证；- 内置五大AI CLI工具，包括Google Gemini、OpenAI Codex等多模型多供应商；- 配备Playwright预置配置的无头Chromium浏览器，网页截图、自动化测试轻松搞定；- 包含TypeScript、Python环境，集成50+开发相关工具链，代码编写调试健全；- 持久化绑定本地目录，凭证代码数据完美保存重启无忧；- 强大权限管理，支持通知推送（Discord、Telegram等100+服务）；- 全面解决Docker中Chromium运行、权限、共享内存、文件监听、SQLite锁等常见坑。HolyClaude让复杂的AI开发环境变得傻瓜式起步，不再为琐碎配置浪费时间，专注编码和创新！GitHub：github.com/CoderLuii/HolyClaude#AI开发环境# #ClaudeCode# #Docker神器# #开源项目# #智能编程#

新浪微博 2026-03-26 00:00:00

38. GLM5、Kimi 2.5,、Minimax M2.5、千问、豆包，国产大模型选哪个？

知乎 2026-02-25 00:00:00

39. GLM-5+Kimi K2.5免费调用，三分钟搞定模型配置

知乎 2026-02-25 00:00:00

40. 国内也能调用大模型！通义千问/文心一言/Kimi，30 分钟搞定（附代码）

微信公众号 2026-04-13 00:00:00

41. DMXAPI整合全网模型，飞快响应MiniMax-M2.5-free，大模型API接口推荐 - 哔哩哔哩

哔哩哔哩 2026-04-10 00:00:00

42. 接入大模型API时的常见问题与解决方案:APIPark经验分享