视频创作全流程AI化指南（150字摘要） 本文系统介绍了利用AI工具制作短视频的完整流程：1）剧本生成阶段需构建2分钟内可执行的故事骨架，注重画面可实现性；2）分镜头脚本需表格化呈现，控制单镜头3-6秒，总镜头8-15个；3）素材生成阶段强调角色一致性，通过三视图保证人物设定稳定；4）视频生成推荐使用即梦/可灵工具，保持风格统一；5）后期剪辑遵循五步流程，从素材排序到节奏优化。全文提供具体prom

学习python 有一段时间了，一直徘徊与基础，最近接了一个解析数据的任务，算是学习以来第一次实战，故而作此记录。问题解析：为了节省数据存储空间，信息以字符串存在了一个单元格中，我们需要的是时间的首尾值，最后要做差计算，使用BI 软件（spotifire）进行页面展示。原始数据如图1.第一步要解决的问题是时间转换问题因为数据中step_times是long格式(timestamp类似，l...

点击左侧“API Keys”，点击创建 API key，输出名称为“AI 代码提示”，也可以使用其它自定义的名称。插件安装成功后，在右侧的标签栏中，会显示一个Continue的标签，我们点击即可进入，随后点击设置按键，如下图。点击“创建"，一定要记录此处的 API key，可以先将 API key 复制在其它地方。打开PyCharm，打开文件->设置->插件，搜索“Continue”，点击安装。随

摘要：通用大模型在垂直业务场景中存在"话术官僚化""逻辑浅表化"和"事实幻觉"等局限，单纯依赖Prompt工程成本高且不可靠。微调技术的本质是重塑模型的思维模式，通过修正概率分布和内化专业思维，可显著提升模型性能。数据工程是微调成功的关键，需要注重数据多样性、复杂性和分布平衡，采用人机协作方式生成高质量数据并持续优化。建议通过构建黄金测试

State seems like the thread data that I’ve been familiar with，can be persisted across time and in particular across failures of nodes，是一个流动的状态数据。运行到 interrupt 时，LangGraph 会暂停等待外部输入（UI/接口/你的控制台逻辑），这就是

你完全可以不认同这门课的产品导向当文档越来越复杂，仅靠 OCR + 一次 LLM 调用，真的够吗？Agentic Document Extraction 给出的不是唯一答案，但它指向了一个清晰方向。理解这个方向，然后用自己可控的方式去逼近它。

文章摘要：本文介绍了LangChain中6种文本拆分器，重点推荐RecursiveCharacterTextSplitter和MarkdownHeaderTextSplitter。RecursiveCharacterTextSplitter采用逐层回退策略（段落→句子→单词→字符），适合通用文本处理，支持中文优化配置。MarkdownHeaderTextSplitter专用于结构化Markdown

核心在于：让模型**敢于说“不知道”**比“瞎猜”更值钱。最近，OpenAI 正式揭开了大型语言模型（LLM）“幻觉”现象的真面目：原来问题不在于模型太“聪明”，而是它们的训练奖励机制本身，促使它们“自信满满地说错话”，却不愿诚实承认不知道。模型缺乏判断生成内容真伪的能力，特别是面对极少出现的单次事实，其错误可能率媲美其出现概率；设定规则：只有当模型置信度 > 某一阈值才作答，答错扣分，“我不知道

核心在于：让模型**敢于说“不知道”**比“瞎猜”更值钱。最近，OpenAI 正式揭开了大型语言模型（LLM）“幻觉”现象的真面目：原来问题不在于模型太“聪明”，而是它们的训练奖励机制本身，促使它们“自信满满地说错话”，却不愿诚实承认不知道。模型缺乏判断生成内容真伪的能力，特别是面对极少出现的单次事实，其错误可能率媲美其出现概率；设定规则：只有当模型置信度 > 某一阈值才作答，答错扣分，“我不知道

import base64with open("grayimage.png", "rb") as img_file:#对于图片而言read读取的结果是bytesb64_string = base64.b64encode(img_file.read())return b64_string.decode("utf-8")# decode is used for removing b’ from the