摘要： Anthropic推出的Agent Skills是一种开放标准，通过模块化技能包（指令、脚本和资源）动态扩展智能体能力。与MCP（工具库）和A2A（协作协议）形成互补：Agent Skills专注任务能力，MCP提供统一工具，A2A实现多智能体协作。其核心优势包括： 渐进式披露：按需加载技能内容，避免上下文窗口浪费； 代码协同：确定性任务由传统代码高效处理，LLM专注非确定性决策； 可复用

摘要：本文探讨了LLM在金融等精密计算领域的幻觉问题，并介绍了LangGraph框架如何解决这一问题。LangGraph通过支持循环迭代、状态管理、人机协作和高度可控性，使LLM工作流更加确定和可靠。文章详细说明了LangGraph的核心结构（状态、节点、边）及其优势，并提供了一个翻译自检Agent的完整示例，展示了如何通过条件边控制流程走向，确保输出质量。该框架特别适用于需要严格控制的场景，如财

本文区分了AI Agent工具中的MCP（Model Context Protocol）和Skill（Agent Skill）两大核心概念。MCP是标准化AI与外部系统交互的开源协议，解决"连接"问题，如同AI的"手"；而Skill是AI执行特定任务的方法论，解决"怎么做"问题，如同AI的"技能书"。MCP基于JSON

本文介绍了如何利用"Agent Skills"技术优化AI开发流程。作者通过开发博客网站的案例，展示了如何将详细的设计要求整理成Markdown文档(Skill)，实现按需加载以节省token。随着需求复杂化，Skill发展为包含主文档、风格子文档和CSV数据表的多层结构，甚至能执行Python脚本完成复杂任务。文章揭示了这项技术本质上是提示词工程的进阶应用，通过规范化管理提升

StableDiffusion官方会提供SD模型。除此之外，我们也可以从Civitai上面获取模型。Civitai是目前一个比较成熟的StableDiffusion模型社区，里面拥有几千个模型，以及数十万张附带提示词的图像，这些都让StableDiffusion的学习成本降低了很多。我们目前使用比较多的主要包括2类模型：大模型、[微调模型]

Dreambooth 是2022年谷歌发布的一种训练模型的方式，该方式通过向模型注入自定义的主题来微调扩散模型Google 团队解释了为什么给这个训练方法起这样一个名字“Dreambooth : It’s like a翻译过来大概意思就是，在一个小拍照亭（ booth：一个小黑屋，在屋子里你可以照半身像的照片）中进行拍照，无论是人物、动物或物体等等，一旦你拍照成功，那么“你便可以任由梦想带你去到任

1、Canny边缘检测Canny通过使用边缘检测器创建高对比度区域的轮廓来检测输入图像。线条可以捕捉到非常详细的信息，但如果你的图像背景中有一些物体，它很可能会检测到不需要的物体。所以背景中物体越少效果越好。用于此预处理器的最佳模型是control_sd15_canny。这个预处理器有助于生成输入图像的深度估计。深度通常用于控制图像内物体的空间定位。浅色区域意味着它离用户更近，而深色区域则离用户更

现在是人工智能时代，利用好AI 工具，可以降低普通人做副业的门槛，同时也能提高工作效率， 因此AI 赚钱的副业还是挺多的，今天拿20个普通人也能尝试的AI搞钱副业分享给大家 ，包括每个副业的名称、做法以及案例。当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。太多了，这边就先不

企业级AI中台建设全景解析：从技术到落地的五层架构 本文系统阐述了构建企业级AI中台的完整框架，包含五大核心模块：落地场景层聚焦智能办公、信贷、IT等实际应用；应用中心层提供低代码工具和提示词管理；模型管理层负责训练调优与效果评估；知识库中心构建AI的知识底座；模型服务层提供多模态算法能力。文章强调各层级的协同关系，指出AI中台实质是打通从技术资产到业务价值的转化管道，为企业AI化转型提供可落地的

在第一篇文生图实现图片线稿转绘的时候，我们的大模型使用的是ReVAnimated。我尝试了更换大模型为RealisticVisionV2.0，在其他参数配置完全相同的情况下，对于建筑图片效果要好很多，主要是线条非常自然明显，当前图片清晰度还是有待提高。我们来看一下使用RealisticVisionV2.0图片转线稿的效果图。看来出图要实现比较好的效果还是要多尝试。当然更换了RealisticVis