🍹 Insight Daily 🪺
Aitrainee | 绿野仙踪
Hi，这里是Aitrainee，欢迎阅读本期新文章。
Vercel 最近在 v0.dev 和 API 里都上了新的 AI 模型：v0-1.5-md、v0-1.5-lg 和 v0-1.0-md。
V0 模型直接进驻 Cursor，UI 生成效果炸裂，氛围编码体验再升级。
今天，他们把 v0 模型背后的"复合模型架构"给扒了。
简单说，这套架构就是把 RAG (检索增强生成) 的专业知识、SOTA 大模型的推理能力、再加上一个定制的流式后处理模型来修 bug ，给缝合到了一起。
Vercel 说，这么搞能让 v0 生成代码的质量高出一大截 。而且，以后基础大模型升级了，他们也能快速换上最新的，其他部分保持稳定。
🌱 v0 为啥要搞这么一套"复合模型架构"？不直接用现成大模型吗？
现在市面上的 AI 模型，基本就两种：要么是头部厂商的闭源大模型，要么是第三方托管的开源模型。
Vercel 在做 v0 和 AI SDK 这些产品时发现，这两种路子都有坑：
- 模型知识过时快 ：特别是对那些快速迭代的技术，大模型很快就跟不上了。
当然以前也聊过一些解决方法：
AI 写代码总是翻车？Upstash 创始人怒推 Context7：给 LLM 喂上最新鲜的官方文档。
DeepWiki MCP：免费、远程、一行命令，Agent即刻拥有Github代码库知识！ 2. 头部厂商不care特定场景 ：人家没那么多精力也没那心思去专门优化"写 Web 应用"这种具体场景。
v0 是专门搞快速、漂亮的全栈 Web 应用的。这就得用上 React、Next.js 这些 不断 进化的框架。闭源大模型几乎是一出来就落后于框架更新了。
开源模型微调倒是灵活点，但目前来看，在 v0 关心的任务上 (尤其是带多模态输入的代码生成)，闭源大模型还是吊打开源模型。
而且，头部大模型也没啥动力去专门优化像"自动修 bug"、"快速编辑代码"这种 Web 应用开发特有的需求。结果就是，就算改个小地方，你也得把需求仔仔细细地喂给它。
Vercel 这套"复合模型架构"，就是要把这些活儿从基础模型里拆出来。
他们能把一个 SOTA 基础模型，跟专门的数据检索、优化的快速编辑流程、还有定制的 AutoFix 模型组合起来，提升输出质量。
这样一来，就算基础大模型换代了，他们也能无缝升级，不用把整个流程推倒重来。用户通过 API 用 v0 模型，实际上就是在用这整套流水线。
(v0 复合模型架构图)
🌲 v0 的"复合模型"具体咋工作的？
1. 预处理 (Pre-processing)
你给 v0 发消息后，它会先做好几步准备工作：
- 系统提示 (System Prompt)
：定义 v0 的响应格式和能力范围。
- 上下文维护
：把最近的聊天记录带上，保证对话连贯。老的聊天记录会做个总结，优化上下文窗口。
- RAG 检索
：根据你的问题，从 Vercel 自己的数据集里捞相关信息 (文档、UI 示例、你上传的项目代码、内部知识库等等) 来增强输出。
2. SOTA 基础模型 (State of the art base models)
新内容生成或者大改动，就靠基础模型了。这一般是从当前最顶尖的那波大模型里挑一个，具体用哪个看你选的 v0 模型型号。
小修小改，比如改文字、修语法错误、调整组件顺序，会交给专门优化过速度的 Quick Edit 模型 处理。
因为是复合架构，基础模型可以随时升级替换，整个流程不用重构。比如，v0-1.0-md 现在用的是 Anthropic 的 Sonnet 3.7，而 v0-1.5-md 用的是 Sonnet 4。
3. 定制 AutoFix 模型 (Custom AutoFix model)
基础模型输出代码的时候，v0 会实时检查有没有错误、不一致或者不符合最佳实践的地方。Vercel 定制的 AutoFix 模型 会在输出过程中就把很多这类问题给修了，进一步提升质量。
等模型输出完了，还会再过一遍，把之前没发现的问题也给逮出来。最后还会跑个 linter，修复风格不一致和小错误。
🌿 v0 模型表现到底怎么样？
Vercel 主要看模型生成代码的出错率。他们搞了套针对常见 Web 开发任务的评估集，测下来，v0 模型比它们用的那些基础模型出错率低得多 。
(模型错误率对比)
v0-1.5-lg 虽然比 v0-1.5-md 模型更大，但有时候犯错会更多点，这是 AI 模型规模化常见的取舍。
不过，虽然它俩错误率差不多，但 Vercel 发现 v0-1.5-lg 在处理一些超专业领域 (比如 three.js 里的物理引擎) 和多步骤任务 (比如数据库迁移) 时，推理能力更强。而且 v0-1.5-lg 支持的上下文窗口也大得多。
🌲 训练自己的 AutoFix 模型
大模型都有些自己的小毛病，有的喜欢过度用 Markdown 格式化，有的会搞错文件位置或者引入一些隐蔽的 bug。Vercel 用一套全面的评估集，加上 v0.dev 用户的反馈，来追踪这些问题，找到输出需要改进的地方。
所以他们搞了个流水线，把确定性规则和基于 AI 的修正结合起来，在生成过程中就修复常见错误。早期这套流水线用的是 Gemini Flash 2.0。
为了速度和可靠性，他们跟 Fireworks AI 一起，用强化微调 (RFT) 的方法，训练了自家的定制 AutoFix 模型：vercel-autofixer-01 。经过多轮迭代优化，这个模型在各种错误类型上的出错率都降到了最低。
(AutoFix 模型训练迭代过程中的性能优化)
vercel-autofixer-01 的设计目标就是快速修复错误，同时降低整体出错率。在错误发生率评估中，它的表现跟 gpt-4o-mini 和 gemini-2.5-flash 差不多，但速度快了 10 到 40 倍 。
(AutoFix 模型与其他模型性能对比)
🌱 下一步呢？
v0 模型家族现在可以通过 API 和 v0.dev 使用。你可以把 v0 模型用到你喜欢的编辑器里，或者构建自定义工作流。比如，用 v0 写自动化代码迁移脚本。
Vercel 表示，他们会继续改进模型输出，未来几个月还会发布新的模型类别。
One More Thing
AI 绘画"元方法"分享，免费绘图流，掌握思维比提示词更重要。（融图篇）
本期文章主题风格：绿野仙踪。（SVG在公众号中暂时显示异常，先去掉了）
本号知识星球获取（汇集ALL订阅频道合集和其他）：
星球里可获取更多AI实践和资讯：
MCP文章，从概念到实践再到自己构建：
MCP怎么配置、报错解决：Windows下MCP报错的救星来了，1分钟教你完美解决Cursor配置问题。
MCP实践：Cursor + MCP：效率狂飙！一键克隆网站、自动调试错误，社区：每个人都在谈论MCP！
最新MCP托管平台：让Cursor秒变数据库专家，一键对接Github，开发效率暴增！
Blender + MCP 从入门到实践：安装、配置、插件、渲染与快捷键一文搞定！
比Playwright更高效！BrowserTools MCP 让Cursor直接控制当前浏览器，AI调试+SEO审计效率狂飙！
手把手教你配置BrowserTools MCP，Windows 和 Mac全流程，关键命令别忽略。
2分钟构建自己的MCP服务器，从算数到 Firecrawl MCP（手动挡 + AI档）
太简单了！Cline官方定义MCP开发流程，聊天式开发，让MCP搭建不再复杂。
🌟 知音难求，自我修炼亦艰，抓住前沿技术的机遇，与我们一起成为创新的超级个体（把握AIGC时代的个人力量）。
参考链接：
[博客] https://vercel.com/blog/v0-composite-model-family
点这里👇关注我，记得标星哦～
AI进修生
🌱 种下知识，收获未来 🌱