像Dify、Coze这样的低代码Agent搭建工具，通过将RAG内的各类能力进行封装，供用户在GUI界面上点击几下即可进行配置。这却给很多用户造成了一种假象——好像拖拉拽一下就能配置好一个知识库问答工具，打造一个企业级的知识库助手。 （图源ChatGPT帮忙生成） 从实际落地上来看，上层封装好的能力有其局限性，低代码平台能够达到的问答精准度上限明显，可能50、60分都算很不错的了；但这个分数，对于企业级场景是完全不可用的。你会允许AI在回答一些公司财务问题、行政问题上有一丝一毫的偏差吗？ 因此，从50分到90分的过…
目标 输入一个标题，自动生成对应的一个短视频。 环境要求 1、部署n8n 2、梯子必要要求，因为很多素材来自外网，以及生成视频和调用模型所用 代理请开启允许局域网连接，如果代理模式是规则异常，请开启全局模式。 创建工作流 1、表单设计 主要功能就是提交一个话题，用户输入话题入口。 添加对应的数据，这里主要是针对输入内容的标准化格式处理。 2、添加AI-Agent 提示词 核心作用就是为Ai做预设，保证效果 我们需要输出一个指定格式的数据 添加系统提示词 你是一位资深自媒体运营专家兼文案策略师，深谙youtobe抖音…
选择最适合的 AI 应用开发框架需结合具体场景、团队技术栈及需求。以下是针对 **LangChain、Coze、Dify、Flowise、LlamaIndex** 的深度对比与分析，助你高效决策： --- ### 🔧 一、框架核心定位与适用场景 | **框架** | **核心定位** | **最佳适用场景** | **技术门槛** | |----------------|-----------------------------|------------------------------------------|…
1. SFT 和 RL 机器学习训练的区别： 1. 监督微调（SFT, Supervised Fine-Tuning） 定义： 在预训练模型（如基于海量文本训练的基座模型）的基础上，使用标注数据（输入-输出对）进行有监督的微调，使模型适应特定任务。 特点： 数据形式：输入（如用户提问） + 对应的理想输出（如人工标注的回答）。 目标：通过最小化预测输出与标注输出的差异（如交叉熵损失），让模型学会生成符合要求的回答。 优点：简单直接，适合学习明确的输入-输出映射。 局限：依赖高质量标注数据，无法学习更复杂的策略或长线…
在 ControlNet 基础篇，我介绍了几种使用 ControlNet 的方式，但这些方式都需要你直接将 Pose、Depth 等图导入到工作流。那如果没有这些图又该怎么办呢？ 最好的方式就是直接使用已有的图，然后将其转化为 Pose 或者 Depth 图片。进阶篇会教大家如何使用插件将图片转化为 ControlNet 能使用的图片。 Image canny ControlNet workflow 在必修课中，我介绍了 Scribble ControlNet workflow, 这个 workflow 可以将手绘…
正式开始学习本章前，请先下载以下模型，并将模型文件放到对应的文件夹内： Dreamshaper(opens in a new tab)：将其放到 ComfyUI 里的 models/checkpoints 文件夹内。 ControlNet Scribble(opens in a new tab)：将其放到 ComfyUI 里的 models/controlnet 文件夹内。 ControlNet Openpose(opens in a new tab): 将其放到 ComfyUI 里的 models/control…
正式开始学习本章前，请先下载以下模型，并将模型文件放到对应的文件夹内： Dreamshaper 8-inpainting(opens in a new tab)：将其放到 ComfyUI 里的 models/checkpoints 文件夹内。 Inpainting workflow 我以下面这个场景为例解释下如何搭建 Inpainting，左侧这张图是我先用文生图功能生成的，我对图中人物的发色不满意，于是我用 ComfyUI 在原图的基础上重新生成了红色头发的人物，且对比原图，新图片除了头发外，其他地方都没有发生变…
原理介绍 按照惯例，我们先来简单聊下 Upscale 的原理。目前主流的 upscale 的方法有两种： Upscale pixel：将可视的图直接 upscale。如果拿 ComfyUI 节点解释，这个节点输入的是 image，输出的是 upscale 后的 image。 Upscale latent：另一种是将不可视的潜空间图像 upscale，如果拿 ComfyUI 节点解释，这个节点输入的是 latent 输出的是 upscale 后的 latent，最后需要经过 decode 才能变成可视的图片。 这两种…
