logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

基于 AI agent 的童话编剧与绘本生成器(六)故事 RAG 注入、出图多角色与语料自增长、CosyVoice 朗读与提示词/RAG 验收化

第六篇把第五篇「能出图」推进到「能出多角色、有参考书、语料会自己长」:双角色页日志可见👥 本页角色数量: 2,RAG 正负分离使出图 LLM 有结构可学。新增image_rag/等模块,与形成完整飞轮。语料、开关、提示词、审核与日志形成可部署、可观测的闭环。价值不在于「检索有多准」,而在于最后一公里边界清楚——mock 与 LLM 各走各的,RAG 开启后 reference_material

文章图片
#人工智能
基于 AI agent 的童话编剧与绘本生成器(六)故事 RAG 注入、出图多角色与语料自增长、CosyVoice 朗读与提示词/RAG 验收化

第六篇把第五篇「能出图」推进到「能出多角色、有参考书、语料会自己长」:双角色页日志可见👥 本页角色数量: 2,RAG 正负分离使出图 LLM 有结构可学。新增image_rag/等模块,与形成完整飞轮。语料、开关、提示词、审核与日志形成可部署、可观测的闭环。价值不在于「检索有多准」,而在于最后一公里边界清楚——mock 与 LLM 各走各的,RAG 开启后 reference_material

文章图片
#人工智能
基于 AI agent 的童话编剧与绘本生成器(六)故事 RAG 注入、出图多角色与语料自增长、CosyVoice 朗读与提示词/RAG 验收化

第六篇把第五篇「能出图」推进到「能出多角色、有参考书、语料会自己长」:双角色页日志可见👥 本页角色数量: 2,RAG 正负分离使出图 LLM 有结构可学。新增image_rag/等模块,与形成完整飞轮。语料、开关、提示词、审核与日志形成可部署、可观测的闭环。价值不在于「检索有多准」,而在于最后一公里边界清楚——mock 与 LLM 各走各的,RAG 开启后 reference_material

文章图片
#人工智能
基于 AI agent 的童话编剧与绘本生成器(六)故事 RAG 注入、出图多角色与语料自增长、CosyVoice 朗读与提示词/RAG 验收化

第六篇把第五篇「能出图」推进到「能出多角色、有参考书、语料会自己长」:双角色页日志可见👥 本页角色数量: 2,RAG 正负分离使出图 LLM 有结构可学。新增image_rag/等模块,与形成完整飞轮。语料、开关、提示词、审核与日志形成可部署、可观测的闭环。价值不在于「检索有多准」,而在于最后一公里边界清楚——mock 与 LLM 各走各的,RAG 开启后 reference_material

文章图片
#人工智能
基于 AI agent 的童话编剧与绘本生成器(五)出图 Prompt 双 LLM 编排、RAG 语料基建、体验焕新与项目交付闭环

链路从「故事 LLM 写分镜 → 规则拼字符串 → Qwen」升级为「故事 LLM → 出图 LLM → Qwen(规则兜底)」,分镜与画面描述职责分离,演示时 storyboarding 阶段可见、可解释。阅读页重绘从「点了没反应」变为可感知、可刷新的闭环。为下一篇出图 RAG 语料建设预留了稳定的 JSON 契约入口。团队拥有可重复执行的语料工厂:从到命令一行、字段与加载器对齐。价值不在「立刻

文章图片
#人工智能
基于 AI agent 的童话编剧与绘本生成器(五)出图 Prompt 双 LLM 编排、RAG 语料基建、体验焕新与项目交付闭环

链路从「故事 LLM 写分镜 → 规则拼字符串 → Qwen」升级为「故事 LLM → 出图 LLM → Qwen(规则兜底)」,分镜与画面描述职责分离,演示时 storyboarding 阶段可见、可解释。阅读页重绘从「点了没反应」变为可感知、可刷新的闭环。为下一篇出图 RAG 语料建设预留了稳定的 JSON 契约入口。团队拥有可重复执行的语料工厂:从到命令一行、字段与加载器对齐。价值不在「立刻

文章图片
#人工智能
基于 AI agent 的童话编剧与绘本生成器(五)出图 Prompt 双 LLM 编排、RAG 语料基建、体验焕新与项目交付闭环

链路从「故事 LLM 写分镜 → 规则拼字符串 → Qwen」升级为「故事 LLM → 出图 LLM → Qwen(规则兜底)」,分镜与画面描述职责分离,演示时 storyboarding 阶段可见、可解释。阅读页重绘从「点了没反应」变为可感知、可刷新的闭环。为下一篇出图 RAG 语料建设预留了稳定的 JSON 契约入口。团队拥有可重复执行的语料工厂:从到命令一行、字段与加载器对齐。价值不在「立刻

文章图片
#人工智能
基于 AI agent 的童话编剧与绘本生成器(五)出图 Prompt 双 LLM 编排、RAG 语料基建、体验焕新与项目交付闭环

链路从「故事 LLM 写分镜 → 规则拼字符串 → Qwen」升级为「故事 LLM → 出图 LLM → Qwen(规则兜底)」,分镜与画面描述职责分离,演示时 storyboarding 阶段可见、可解释。阅读页重绘从「点了没反应」变为可感知、可刷新的闭环。为下一篇出图 RAG 语料建设预留了稳定的 JSON 契约入口。团队拥有可重复执行的语料工厂:从到命令一行、字段与加载器对齐。价值不在「立刻

文章图片
#人工智能
基于 AI agent 的童话编剧与绘本生成器(七)中文 RAG:语料选取、爬取构建与检索升级

第七篇在系列中的位置,是把 RAG 从「英文参考 + 跨语言桥接」推进到「中文语料 + 中文检索」数据侧:爬虫 → manifest → jsonl,字段与英文库对齐;检索侧:jieba + 短语,解释性优于纯 hint;工程侧:语料 gitignore、脚本入库、.env切换文件名即可 A/B;体验侧:顶栏统一降低多页导航成本,与后端能力迭代正交但同为答辩「完整度」加分项。

文章图片
#人工智能#python
基于 AI agent 的童话编剧与绘本生成器(七)中文 RAG:语料选取、爬取构建与检索升级

第七篇在系列中的位置,是把 RAG 从「英文参考 + 跨语言桥接」推进到「中文语料 + 中文检索」数据侧:爬虫 → manifest → jsonl,字段与英文库对齐;检索侧:jieba + 短语,解释性优于纯 hint;工程侧:语料 gitignore、脚本入库、.env切换文件名即可 A/B;体验侧:顶栏统一降低多页导航成本,与后端能力迭代正交但同为答辩「完整度」加分项。

文章图片
#人工智能#python
    共 28 条
  • 1
  • 2
  • 3
  • 请选择