关于生成式人工智能AIGC的一切

为了给开发者带来更精细化的优质编程体验，今天，火山方舟 Coding Plan 权益迎来新升级。Coding Plan订阅套餐，现在集成了 Doubao-Seed-Code、GLM-4.7、DeepSeek-V3.2 和 Kimi-K2-Thinking 多款编程模型，让开发者能够自由切换 AI 引擎，为不同编程任务匹配最适合的模型。未来，Coding Plan 也会动态加入更多出色的编程模型，第

本文将从企业实际痛点出发，详细介绍如何利用 TextIn 通用文档解析能力 + 火山引擎豆包大模型 + Dify 工作流编排，构建一套覆盖技术文档问答、合同风险审核、发票智能核验的企业级文档处理中枢。在企业数字化转型过程中，文档处理一直是被低估却又无处不在的效率黑洞。我在实际项目中观察到三类典型场景：痛点一：技术文档散落，知识传承断层研发团队的代码规范、架构设计、接口文档散落在 Confluenc

在医疗数字化不断深化的今天，医疗报告单依然是信息化链路中最“难啃的一块骨头”。它高度非结构化、格式五花八门，却又承载着最关键的健康信息。无论是医院信息系统、体检机构平台，还是互联网医疗应用，几乎每天都在与大量 PDF、扫描件、拍照上传的报告单打交道，而其中绝大多数数据，仍然依赖人工阅读、人工录入、人工解读。随着大模型技术逐步走向工程化落地，一个共识正在形成：真正有价值的智能体，并不是会聊天，而是能

之前，我们为了得到一张满意的AI生成图片，需要反复调试提示词、等待漫长的生成时间，最后可能还要在各种工具间来回切换？这种割裂的创作体验，让不少设计师和创作者望而却步。但这一切，在9月11日的那个夜晚悄然改变了。当字节跳动正式发布豆包·图像创作模型 Seedream 4.0 时，整个AI创作圈都沸腾了。不仅仅是因为它在 Artificial Analysis 的「文生图」和「图像编辑」两大权威榜单上

   现在AI早就不是技术圈的专属了，不管是企业做客服机器人，还是我们自己写文案、整理资料，都能用到大语言模型（LLM）。但很多人发现，直接用ChatGPT、文心一言这些通用模型，处理专业领域的事总差点意思——比如让它解读医疗报告漏洞百出，写行业文案风格跑偏，处理公司内部文档又抓不住业务逻辑。 这时候就需要LLM微调出场了。简单说，微调就是给通用大模型做“针对性特训”，让它快速适配你的具体需求。

在数字化转型的浪潮中,文档智能处理已成为企业提效的关键环节。本文将深入探讨如何结合 TextIn AI 的强大文档处理能力与火山引擎 Coze 平台的智能编排优势,构建一套高效的文档智能处理解决方案。| 技术组件 | 核心能力 | 应用场景 | |---------|---------|---------| | TextIn API | 图像处理、文档解析、OCR识别 | 水印去除、PDF解析、数

用 AI Agent 工具（Claude Code、Cursor、Windsurf 等）的时候，经常会遇到两个概念：MCP（Model Context Protocol）Skill（Agent Skill）它们看起来都是"扩展 AI 能力"的方式，但具体有什么区别？为什么需要两套机制？什么时候该用哪个？这篇文章会从设计哲学、技术架构、使用场景三个维度，把这两个概念彻底讲清楚。先给个简单的定位：MC

大模型之所以“大”，是因为它有数百亿甚至数千亿个参数。传统微调需要调整所有这些参数，好比为了学一道新菜重学整个烹饪体系。LoRA的聪明之处在于发现了一个秘密：大模型在学习新任务时，权重变化具有“低秩特性”。 用更通俗的话说：虽然模型有成千上万个“旋钮”，但调整它们时，很多旋钮其实是同步联动的。LoRA用数学方法找到了这些联动规律，只需调整少数几个“主控旋钮”，就能达到调整成千上万个旋钮的效果。 在

分享golang 学习的点滴

AI创业者，智能体专家，前阿里美团技术负责人，聚焦AI智能体实战+商业变现，企业自动化提效，千人AI共创社群

拥有5年AI领域工作经验，专注于Coze智能体的开发与应用，分享最实用的Coze智能体工作流搭建方法，帮助更多人用智能体提升效率，打造超级个体，实现财富自由。

专注于分享GitHub上优质、有趣、实用的开源项目、工具及学习资源，为互联网行业爱好者提供优质的科技技术资讯。

分享golang 学习的点滴

最近在刷技术社区时,被火山引擎新推出的Doubao-Seed-Code编程模型刷屏了。作为一名前端开发者,我最关注的是这个宣传点:国内首个具备原生视觉理解能力的编程模型。这意味着什么?传统的编程模型只能"听"不能"看",你给它一张UI设计稿,它完全看不懂。而Doubao-Seed-Code可以直接"看懂"设计稿、截图、原型图,然后生成对应的代码。更吸引我的是它的三个核心优势:完美兼容Claude

还在为漫剧制作流程繁琐、角色画风不统一、出片周期长发愁？不管你是刚入门的漫剧新人，还是想提升效率的资深创作者，FilmAction 全新升级的 AI 漫剧全流程工具，都能让你的创意快速落地 —— 从一句话灵感，到带配音、配乐的完整成片，全程 AI 助力，30 分钟就能交付首版！不用再在脚本软件、分镜工具、剪辑平台间反复跳转！输入一句创意描述（比如 “古风仙侠漫剧，女主在竹林遇神秘剑客”），AI 直

如今大模型早已不是实验室里的“黑科技”，而是走进了各行各业的实用工具——医疗行业用它解读病历，法律行业靠它分析文书，企业用它搭建专属客服。但很多人用通用大模型时都会遇到同一个问题：“模型很聪明，却不懂我的行业”。比如让ChatGPT解读中医处方，专业术语全错；让通用模型写电商运营文案，抓不住产品卖点；甚至让它处理公司内部流程，连基本的业务逻辑都摸不清。 这就是“领域差距”带来的痛点——预训练模型是

   上周有个朋友找我吐槽，说花了3天时间微调大模型，想让它生成高端美妆粉底液的商业文案，结果输出全是“这个粉底液贼好用，持妆超久”的口语化表达，老板直接把方案打回来了。 其实这不是个例——我见过太多初学者，把精力全放在选模型、调参数上，却忽略了最基础的“地基”：微调数据集。要知道，大模型微调就像“给通才做专项培训”，预训练模型是“有基础的学生”，而微调数据集就是“专项教材”。教材编得差，再聪明的