- 博客(4)
- 收藏
- 关注
RSS订阅原创 2026山东大学软件学院创新项目实训博客(四)
这个数字是我们讨论后的决策：1-2局数据太少，生成的档案没有意义5局以上又让新用户等太久，感受不到AI的变化3局刚好有足够的行为样本，而且玩家在第4局会明显感受到"AI突然变准了"——这个体验上的惊喜感很重要这周没有写代码，但做了一件可能比写代码更重要的事：重新审视了整个项目的方向。从朋友的一句"东西太少"出发，到分析竞品差距，到画风建模方案的诞生，再到四种博弈模式的设计，最后确认了升级后的完整架构和模型选型。有时候停下来想清楚"做什么"和"为什么做"，比闷头写代码更有价值。
2026-05-03 23:06:45
311
原创 2026山东大学软件学院创新项目实训博客(三)
这周完成了 Prompt Engineering 的核心设计：理解了“通过 prompt 控制 AI 行为”的思路设计了三档难度的 prompt 策略：信息量递增学会了用示例和强调语约束 AI 的输出格式配合实现双重难度控制现在游戏的难度系统已经可以工作了，简单模式下人类确实更容易赢！（本文代码在 AI 辅助下完成。开发方式为 SPEC 协作：我根据 “三档难度控制 AI 猜词准确率” 的需求，与 AI 讨论了 prompt 设计策略，AI 提供了代码实现，我进行了测试和参数调优。
2026-04-20 12:07:21
381
原创 2026山东大学软件学院创新项目实训博客(二)
messages = [{"role": "user", "content": "你好"}]但我们要让 AI同时看到图片和文字base64,xxxxx..." # 图片},"text": "这幅画画的是什么？" # 文字提示content从字符串变成了数组数组里可以放多个元素，每个元素有type字段标明类型表示图片，表示文字图片和文字的顺序可以调换，AI 会同时理解它们这周完成了 AI 模块的“从 0 到 1”：理解了多模态消息的格式（content 数组 + type 字段）
2026-04-12 19:57:25
405
原创 2026山东大学软件学院创新项目实训博客(一)
在调研之前，我先花了点时间理解「多模态」这个概念。传统的语言模型（如 GPT-3）只能处理文本，你给它一段话，它回你一段话。但多模态大模型不一样——它能同时理解文本 + 图像，甚至还有的能处理音频、视频。玩家画了一幅画（图像）AI 需要看懂这幅画，猜出画的是什么（图像理解 → 文本输出）这正是多模态模型的典型应用场景。如果用传统方案，我们需要先用 CNN 提取图像特征，再用分类器猜词，整个流程很复杂。直接把图片丢给它，它直接告诉你画的是什么。多模态 = 能看图说话的 AI。
2026-04-04 23:50:31
588
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人