与「DEEP」相关的搜索结果

Introducing Google Flow Agent 🎬 ✅ Google Flow Agent can help you plan and reason through complex creative tasks with your inputs, all while under your control. 🧠 It's built with Gemini models and brings a deep understanding of your project to help with everything from early brainstorming to editing the final product. 💡 The agent can be a sounding board for dialogue between characters in a scene, and make plot recommendations when you need inspiration. 🎞️ Your Google Flow Agent can also create multiple variations of a scene at one time to give you more options and batch edit. 📂 And when you have all your final assets, your Google Flow Agent can organize them into collections, and even neatly rename them.

各位用大模型的，有商业机密和小秘密的，一定记得关闭下面这些配置项： 1，ChatGPT——设置——数据管理——为所有用户改进模型：关！ 2，Claude——设置——Privacy——Help improve Claude：关！ 3，DeepSeek——设置——数据管理——数据用于优化体验：关！

怎么低成本搭建自己的AI助手？ deepseek R1模型发布以来，各种AI应有又有了一波大的爆发，但是数据保密成了一个不容忽视的问题。如果想较低成本地搭建一个私人应用的AI助手，可以自己调试生成限制，调试输出文本内容，数据不外传，成本尽可能低，不知道是不是可行。 本文详细介绍如何通过Dify和Chrome MCP的结合，在3分钟内搭建一个能操作网页的AI助手。文章提供了从环境准备、Dify部署、Chrome MCP安装到配置的完整步骤，展示了AI助手在自动网页搜索、表单填写、数据抓取等场景的应用，并解释了工作原理、问题排查及进阶技巧，让读者能够零代码实现网页自动化任务。 你是否想过让AI不仅能回答问题，还能直接操作浏览器帮你做事？比如自动填写网页表单、抓取特定数据、或者点击按钮？现在，通过Dify和Chrome MCP的结合，你可以在3分钟内搭建一个能真正"动手"操作网页的AI助手。 本文将手把手教你如何在本地部署Dify并配置Chrome MCP服务器，打造你的私人网页自动化助手。 准备工作：确保你的环境就绪 在开始前，请确保你的系统已安装： •Docker 和 Docker Compose（用于快速部署Dify） •**Node.js 18+**（用于运行Chrome MCP服务器） •Git（用于克隆项目仓库） 第一步：快速部署Dify（仅需1分钟） Dify是一个强大的LLM应用开发平台，我们通过Docker快速部署： # 创建项目目录 mkdir dify-chrome-mcp && cd dify-chrome-mcp # 下载Docker部署配置 curl -o docker-compose.yml # 启动Dify服务 docker-compose up -d 等待1分钟左右，访问 http://localhost:80 就能看到Dify管理界面。首次使用需要创建账号并完成初始化设置。 第二步：安装Chrome MCP服务器（1分钟） 打开新的终端窗口，安装并启动Chrome MCP服务器： # 安装Chrome MCP服务器 npm install -g @modelcontextprotocol/server-chrome # 启动Chrome MCP服务（会自动打开Chrome浏览器） server-chrome 服务启动后，你会看到类似下面的输出，表示MCP服务器正在9999端口监听： Server running on http://localhost:9999 Chrome browser launched and connected successfully 第三步：在Dify中配置Chrome MCP（1分钟） 现在回到Dify管理界面，进行关键配置： 1.进入设置 > 模型供应商 > MCP服务器 2. 点击添加MCP服务器 3. 填写配置信息： •服务器名称: Chrome-Automation •服务器URL: http://localhost:9999 4. 点击验证并保存，看到绿色成功提示 效果验证：让AI帮你操作网页 配置完成后，你就可以在Dify的Playground中测试你的网页自动化AI助手了。 试试这些实用场景： 场景1：自动网页搜索 请打开百度首页，在搜索框中输入"最新AI技术发展"，点击搜索按钮，然后告诉我第一页的搜索结果标题。 场景2：自动填写表单 请打开"张三"，邮箱栏填写"zhangsan@email.com"，在留言区填写"咨询产品信息"，然后点击提交按钮。 场景3：数据抓取与分析 请打开 工作原理：为什么这很厉害？ 这个组合的厉害之处在于分工明确： •Dify：负责与LLM对话，理解你的自然语言指令，并将其分解成具体的浏览器操作步骤 •Chrome MCP服务器：负责实际控制Chrome浏览器，执行具体的网页操作命令 •LLM（大语言模型）：作为大脑，理解你的意图并规划操作流程 常见问题排查 server-chrome 2.连接失败：检查Dify和Chrome MCP服务器是否在同一个网络环境下，防火墙是否允许9999端口通信 3.操作超时：复杂网页加载需要时间，可以增加超时设置：server-chrome --timeout=60000 4.权限问题：在MacOS/Linux上可能需要权限：sudo npm install -g @modelcontextprotocol/server-chrome 进阶使用技巧 掌握了基础用法后，你还可以尝试这些高级功能： •多页面管理：同时控制多个浏览器标签页，完成更复杂的任务 •用户身份保存：让AI记住登录状态，下次直接操作无需重新登录 •定时任务：结合Dify的工作流功能，设置定时自动化任务 •异常处理：教会AI识别操作失败的情况并自动尝试替代方案 如何学习大模型 AI ？ 由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。 但是具体到个人，只能说是： 最先掌握AI的人，将会比较晚掌握AI的人有竞争优势。 这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。 #AI# #AIAgent# @grok @xai

Some of the deepest partnerships in AI were in one room tonight. Jensen joined more than 30 CEOs and local industry leaders at Brick Kiln in Taipei for a dinner celebrating decades of collaboration across the industry.

最近大模型更新的隐式缓存为什么可以把缓存价格降低，命中率大大提高。 传统推理里，你每调一次API，GPU都得把整个输入prompt重新算一遍。固定System Prompt、历史对话、RAG知识库，这些重复内容每次都重新预填充，按全价收费。 隐式缓存做了什么？ 它自动检测本次输入和之前请求的公共前缀。命中了，就把之前算好的KV Cache从SSD硬盘直接加载出来，只对新增部分重新计算。重复劳动，直接砍掉。 效果立竿见影。多轮对话、Agent、代码补全这类场景，重复前缀往往占输入Token的70%-90%。命中后，input价格直接打到一折。对长文本多次对话的推理的成本和内存的压力都大大降低。 但这里有个关键问题：之前为什么不行？ KV Cache太大了。传统Multi-Head Attention架构下，百万Token的KV可能要上百GB显存。存盘？I/O延迟完全没法接受。GPU必须全程Hold住所有KV，成本根本降不下来。 DeepSeek的MLA架构把KV Cache压缩了10-28倍。百万Token从80-200GB变成4-10GB。这才让硬盘级缓存成为可能，压缩后的KV可以经济地落盘到分布式SSD，需要时再快速加载。 本质上，是把最贵的GPU显存从按最大上下文全量占用变成了按实际新增Token动态使用，类似动态更新的模式。 这里有个反直觉的点：虽然对高速内存需求大幅下降，但并不是完全转向硬盘。更像是分层存储，GPU只保留热数据，冷前缀卸载到SSD。类似CPU的分页机制，只是这次发生在大模型推理层。 DeepSeek率先把这套机制默认开启，给出极致低价。其他厂商不得不跟进，竞争驱动技术扩散，技术扩散又进一步压低价格。 要想最大化缓存命中需要做什么？ 想最大化省钱，把重复内容尽量放在prompt开头，保持前缀一致性，命中率会更高。API响应里有prompt_cache_hit_tokens字段，直接看命中率。 这轮降价潮是真实的架构创新，算法效率优化带来的成本下降。MLA压缩KV、分布式SSD存储、Radix-Tree前缀索引，这些工程突破把原来需要重复劳动浪费的算力，优化到极致 尤其是 DeepSeek，降价这么多还能赚钱，还是永久降价，这是真本事，那之前的原价是耍我们玩得吗，第一天用原价 API 的人是有点冤大头了。

上周去参加了 #Sui# Move Bootcamp 成都站。 Sui Network接下来几个🈷️有一些非常重要的更新，这个链值得大家持续关注➕ @SuiNetworkCN 总体节奏：2026上半年重点是：隐私 + gas-free 支付的落地，下半年 S2 各组件的深度整合和生态爆发。🔥 1. 隐私交易：目前稳定币转账0️⃣Gas（支持 USDC、USDsui、FDUSD 等）。 稳定币转账将默认隐私，只有发送方、接收方和授权方可见金额等细节，同时保持可审计合规。 2. USDsui 原生稳定币及相关功能由 Bridge 发行。后续将进一步深化与 DeepBook、DeFi 的整合，成为 Sui 生态的支付和流动性锚点，所有收益反哺生态—yield-bearing。 3. “Sui Stack（S2）”统一开发者平台，目标是将区块链、存储、隐私、计算、流动性等原生组件整合成一套开箱即用的工具包，重点服务 DeFi、AI Agent、支付和消费级应用。核心包括： •DeepBook：原生中央限价订单簿，2026年将推出 v3 或 margin trading（保证金交易）功能，进一步提升 DeFi 流动性。 •Walrus：去中心化存储/可信数据层，已逐步落地，支持大规模可验证数据。@WalrusProtocol •Nautilus：可验证链下计算，适合 AI 和复杂计算。 •Agentic Web 支持：机器对机器（M2M）交易和 AI 原生原语，助力 AI Agent 应用。 4. Sui Overflow 2026 全球黑客松：5月至8月进行，奖金超百万美元 + 种子基金，将推动大量基于 S2 新功能的开发者项目落地。 5.Hashi：比特币金融协议，利用 Sui 验证者集实现机构级 BTCfi，2026年将持续推进。 大家准备好建仓了吗？🥳

兄弟们，Claude Code 省钱神器来了。 Claude Code Router，GitHub 3.4万星，干的事很简单：把 Claude Code 的请求转到不同模型上。 不是每个任务都需要最贵的模型。 改文档、跑小修复、整理代码，可以走便宜模型； 长上下文、复杂推理，再切回强模型； 甚至能接 OpenRouter、DeepSeek、Ollama、Gemini 等多个提供商。 这东西适合重度用 Claude Code 的人。 以前是模型牵着你走，现在是你自己给任务分档位。 用得好，一个月 AI 编程成本真能省不少。 链接：

Cotonou showed up. Our first @BybitAfrique meetup brought together a room full of people ready to learn, ask hard questions, and go deeper on P2P. Events like this are how crypto takes root in Africa — city by city, community by community #Bybit# #NewFinancialPlatform#