昇腾计算执行层，负责模型和算子的执行，提供运行时库（Runtim）、图执行器（Graph Executor）、数字视觉预处理（Digital Vision Pre-Processing, DVPP）、人工智能预处理（Artificial Intelligence Pre-Processing, AIPP）等功能单元。昇腾计算服务层，提供了高性能的算子库AOL，以及昇腾调优引擎AOE，是昇腾AI处理

使用LangChain库进行文档加载，对于txt,md,pdf格式的文档，都可以用LangChain类加载，UnstructuredFileLoader（txt文件读取）、UnstructuredFileLoader（word文件读取）、MarkdownTextSplitter（markdown文件读取）、UnstructuredPDFLoader（PDF文件读取），对于jpg格式的文档，我这里提

昇腾 AI 全栈可以分成四个大部分：1．应用使能层面，此层面通常包含用于部署模型的软硬件，例如 API 、 SDK 、部署平台，模型库等等。2. AI 框架层面，此层面包含用于构建模型的训练框架，例如华为的 MindSpore 、TensorFlow 、 Pytorch 等。3．异构计算架构，偏底层、偏通用的计算框架，用于针对上层 AI 框架的调用进行加速，力求向上支持多种 AI 框架，并在硬件上

摘要：Label Studio 是一款开源数据标注工具，支持多种数据类型标注并导出为模型格式。本文介绍了如何搭建基于 Qwen2-VL 视觉大模型的 ML backend 实现自动标注功能。环境配置使用 AutoDL 云服务器，安装 Label Studio 及依赖库，创建虚拟环境。重点开发了 Flask 后端服务，通过调用 Qwen-VL API 实现目标检测，输出归一化坐标的 bbox 结果。

安装好软件之后，点击鲸鱼图标，如果显示Docker Desktop is running，则代表安装成功。首先去官网下载docker软件，根据电脑不同型号下载不同版本的安装包。在docker界面顶部的搜索按钮搜索n8n，选择第一个，点击PULL。点击右侧的三角形按钮，运行镜像，在运行前点击选项配置。，填写注册账号信息，即可以开始使用n8n工作流。拉取好之后，点击Images可以看到n8n镜像。点击

大模型生成的表格本质上是基于纯文本字符（如空格、制表符或 Markdown 语法）拼接而成，并不包含标准的 Word 表格结构。粘贴到 Word 后，这些内容会被自动转换为表格或保留部分原有的边界格式，当再次统一应用“所有框线”时，原有的隐含边框与新设置的边框叠加，从而表现为双线效果。在使用 GPT、Qwen 等大模型进行对话时，生成的表格内容如果直接复制到 Word中，在为表格设置“所有框线”时

模型只是提供原始推理能力的“CPU”，而Harness则是围绕它的整个“操作系统”——包括工具调用、护栏约束、反馈循环、状态管理、观测层等一切让Agent能长时间稳定工作的基础设施。LangChain明确指出：“Agent = Model + Harness”，Harness就是除模型本身之外的所有代码、配置和执行逻辑。Anthropic和OpenAI的最新工程实践进一步确认：Harness负责回

Mozilla 的案例最重要的启示，是把对 AI 的关注点从“哪个模型更聪明”转向“我们是否为模型设计了正确的任务、工具、反馈和护栏”。优先级机制；执行环境；测试工具；验证规则；漏洞分流；补丁审核；发布机制。当 AI 能够提出假设、动手验证、接受失败、继续迭代，并把结果交给工程师做更高层判断时，它才不再只是一个聊天助手，而开始成为软件研发与安全体系中的生产力。

Cloudflare R2、PicList 和 Codex 组合后，真正节省时间的并不是“上传一张图片”，而是把整篇文章的图片发布过程变成可重复执行的自动化流程。写文章 → 插本地图片 → 运行发布工作流 → 导入平台当一篇文章有十几张、几十张甚至上百张图片时，这种批量上传、自动替换链接、自动校验的方式，能明显减少重复劳动，也能让多平台发布更稳定、更可维护。

这套工作流的价值，不在于“让 AI 帮我总结一本书”，而在于把自己真实读过、标注过、思考过的内容重新组织成一张可复盘的知识地图。Apple Books 阅读和标注→ Obsidian 导入批注 Markdown→ Codex 按学习复盘结构重组→ XMind 查看、编辑和沉淀如果你也经常在 Apple Books 中做批注，但读完后很少回看，可以试试这个方法。它能把零散高亮变成一份真正能复习、能迁