<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[聚梦小课堂]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/JuMengXiaoKeTang</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; JuMengXiaoKeTang]]></copyright><item><title><![CDATA[Jev模型：一个不会说话，只做判断的模型]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/166902754</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/166902754</guid><author>JuMengXiaoKeTang</author><pubDate>Wed, 30 Sep 2026 20:09:19 +0800</pubDate><description><![CDATA[Jev 取自 19 世纪经济学家杰文斯，对应"杰文斯悖论"：一种资源变得更便宜高效之后，总消耗量反而上升，因为新的使用场景不断出现。用在 AI 上的意思是——判断变便宜了，判断的用量会暴涨。这既是命名，也是它的商业逻辑。]]></description><category></category></item><item><title><![CDATA[AI 开始参与改造自己：一篇讲透 RSI（递归自我改进）]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/164340945</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/164340945</guid><author>JuMengXiaoKeTang</author><pubDate>Thu, 03 Sep 2026 22:45:03 +0800</pubDate><description><![CDATA[9 月 2 日，谷歌发布 Gemini 3.8 Flash——六周内第三款 Flash 模型。让它在圈内炸开的不是跑分，是 DeepMind 研究员姚顺宇在 X 上的一句话：

对模型而言，这只是迈出了一小步；但对于 RSI 来说，这是一次巨大的飞跃。

一句话带火一个缩写。而 RSI，可能是接下来两年 AI 行业最重要的词。]]></description><category></category></item><item><title><![CDATA[模型是引擎，Harness 是底盘：一篇讲清 AI 圈的 Harness到底是什么]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/164268967</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/164268967</guid><author>JuMengXiaoKeTang</author><pubDate>Tue, 01 Sep 2026 21:58:33 +0800</pubDate><description><![CDATA[同一个 Claude 模型，在网页对话框里问它"帮我改这个 bug"，它只能给你一段代码让你自己复制粘贴；在终端里敲个命令让它干同样的活，它会自己读文件、搜代码、跑测试、看报错、再改，直到测试通过。

模型没换，能力差了一大截。

差的那一截，就是 Harness。]]></description><category></category></item><item><title><![CDATA[万字长文，AI 是怎么从「会聊天」走到「会拧螺丝」的：Tool、MCP、Skill、MHS 一次讲透]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/164192330</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/164192330</guid><author>JuMengXiaoKeTang</author><pubDate>Sun, 30 Aug 2026 19:37:55 +0800</pubDate><description><![CDATA[这篇文章面向对 AI 略有了解、但被这几个新词反复轰炸的读者。
全文没有一句黑话是必须查字典才能读的；但每一个概念，都会讲到能动手做出来的颗粒度。]]></description><category></category></item><item><title><![CDATA[未来的世界，会变成什么样子？]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/157068278</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/157068278</guid><author>JuMengXiaoKeTang</author><pubDate>Sat, 17 Jan 2026 20:39:40 +0800</pubDate><description><![CDATA[emm,世界的下一步，会是什么样子呢？不妨做一点小小的猜想。]]></description><category></category></item><item><title><![CDATA[【Docker实战】n8n容器如何访问宿主机ComfyUI？详解 host.docker.internal 与网络配置]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155713827</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155713827</guid><author>JuMengXiaoKeTang</author><pubDate>Mon, 08 Dec 2025 19:12:07 +0800</pubDate><description><![CDATA[摘要：本文针对Docker环境下n8n无法访问本地ComfyUI等API服务的问题，详细解析了Docker网络隔离机制。核心解决方案是使用host.docker.internal域名代替127.0.0.1，并确保ComfyUI开启--listen参数监听所有网络接口。文章还提供了Windows/Mac/Linux全平台的配置方法，特别是Linux系统需要额外添加host映射。通过&quot;改地址、改监听、查系统&quot;三步操作，可实现n8n与本地服务的稳定连接。]]></description><category></category></item><item><title><![CDATA[Comfyui中安装SageAttention（for Wan2.2）的记录]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155648333</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155648333</guid><author>JuMengXiaoKeTang</author><pubDate>Sat, 06 Dec 2025 22:23:14 +0800</pubDate><description><![CDATA[本文分享了安装SageAttention和Triton的复杂过程。作者指出这些组件存在严格的版本依赖关系，本地编译需要匹配CUDA toolkit、Python环境（需完整库文件）及特定版本的MSVC buildtools（2022版）。经过与ChatGPT反复调试后环境混乱，最终建议直接使用预编译轮子（附GitHub链接），强调需匹配本地Python、Torch和CUDA版本，这比自行搭建环境更高效。文中提供了woct0rdho维护的Triton和SageAttention的Windows预编译版本仓库地]]></description><category></category></item><item><title><![CDATA[深入解读 Claude Skills（Anthropic）——原理、实践、风险]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155643914</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155643914</guid><author>JuMengXiaoKeTang</author><pubDate>Sat, 06 Dec 2025 16:18:26 +0800</pubDate><description><![CDATA[摘要：Anthropic推出的ClaudeSkills功能通过模块化&quot;能力包&quot;机制，将指令、脚本、模板等打包为可复用的Skill，使Claude能像&quot;专家&quot;般处理特定任务。该功能采用渐进式披露、可组合性等技术架构，支持预构建和自定义Skills，适用于企业文档生成、数据分析等场景。虽然提升了效率，但也存在安全风险，如恶意代码注入等。文章详细解析了其技术原理、应用场景、风险治理，并提供了Skill创建示例和FAQ。建议企业建立严格的管理制度，确保安全使用这一将通用AI转]]></description><category></category></item><item><title><![CDATA[【技术科普】不仅是“回放”：为什么具身智能（Embodied AI）开发需要 Rerun.io？]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155446618</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155446618</guid><author>JuMengXiaoKeTang</author><pubDate>Tue, 02 Dec 2025 09:44:36 +0800</pubDate><description><![CDATA[摘要：Rerun.io是一款面向AI和机器人开发的开源可视化引擎，被誉为&quot;超级黑匣子&quot;。它突破了传统调试工具的限制，能够将多模态数据（图像、点云、日志等）在统一时空坐标系中精确对齐和可视化。与普通摄像头录像相比，Rerun具备3D时空重建、AI思维可视化、多源数据同步三大核心优势，使开发者能直观分析系统状态。该工具支持Python/C++/Rust集成，适用于机器人、计算机视觉、具身智能等领域，通过高维数据记录帮助开发者快速定位复杂系统中的问题。]]></description><category></category></item><item><title><![CDATA[GEO (生成式引擎优化)：定义、原理与核心策略]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155425317</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155425317</guid><author>JuMengXiaoKeTang</author><pubDate>Sun, 30 Nov 2025 18:47:20 +0800</pubDate><description><![CDATA[摘要：GEO（生成式引擎优化）是针对生成式AI（如ChatGPT、Google AI）的内容优化技术，旨在提高内容在AI生成答案中的可见性和引用率。与SEO不同，GEO关注语义理解与权威性，而非关键词排名。核心策略包括引用优化、统计数据强化和权威语调，通过结构化标记、层级标签等技术手段提升机器可读性。研究表明，权威引用和数据化内容可显著提升AI采纳率。GEO与SEO将长期共存，分别满足信息性和事务性查询需求。]]></description><category></category></item><item><title><![CDATA[n8n中数据暂存与加速调试的小技巧]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155396234</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155396234</guid><author>JuMengXiaoKeTang</author><pubDate>Sun, 30 Nov 2025 17:57:50 +0800</pubDate><description><![CDATA[摘要：本文介绍了在n8n工作流调试中节省时间和token消耗的实用技巧。针对多次运行前置模型导致效率低下的问题，作者发现使用EditFields节点（原set节点）可以有效缓存中间数据：通过JSON模式处理数据，删除中括号后即可复用之前的大模型输出，避免重复运算。该方法尤其适用于包含多步骤和循环的复杂工作流，能显著提升调试效率并降低成本。文章来自聚梦小课堂的AI技术分享。]]></description><category></category></item><item><title><![CDATA[在n8n中清理单个飞书文档所有内容的方法]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155395735</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155395735</guid><author>JuMengXiaoKeTang</author><pubDate>Sat, 29 Nov 2025 21:53:11 +0800</pubDate><description><![CDATA[本文介绍了使用n8n工作流自动化操作飞书文档的方法。首先需要创建飞书应用并设置文档读写权限，然后在n8n中安装飞书社区节点feishu-lite。工作流包含多个步骤：配置HTTP请求节点获取动态token；设置获取文档内容和block数量的节点；使用代码节点处理数据；合并分支后执行批量删除操作。最后提供了删除文档内容的URL格式和请求体配置方法，实现从第0个block到末尾的全部删除功能。]]></description><category></category></item><item><title><![CDATA[Z-Image测试效果记录（对比豆包的图像生成）]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155394322</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155394322</guid><author>JuMengXiaoKeTang</author><pubDate>Sat, 29 Nov 2025 20:35:32 +0800</pubDate><description><![CDATA[Z-Image开源后对其turbo模型进行了多维度测试评估，结果显示：1.在细节还原方面，模型能准确呈现苹果水滴、机械腕表机芯等复杂结构；2.构图能力上可正确处理透视关系和专业构图术语；3.艺术表现力上成功融合赛博朋克与东方元素；4.材质表现优异，能模拟玻璃冷凝水等物理效果；5.场景构建中展现出良好的氛围营造和动态捕捉能力；6.文字生成测试表明其具备基础但精确的文本渲染能力。总体而言，该模型在图像生成的多个关键维度上表现出色。]]></description><category></category></item><item><title><![CDATA[2025.11.28 AI快讯]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155363045</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155363045</guid><author>JuMengXiaoKeTang</author><pubDate>Fri, 28 Nov 2025 22:13:34 +0800</pubDate><description><![CDATA[【摘要】AI领域呈现三大趋势：1)行业变革：美国启动Genesis计划加速科研自动化，但苹果因AI生成数据错误率过高撤稿，暴露质量控制问题；2)技术突破：Amazon推出Agent互操作协议，微软发布高性能ARM芯片，DeepSeekMath-V2数学能力超越人类；3)细分发展：单人公司模式兴起，具身智能转向家庭场景，同时AI伪造内容引发新型社会风险。行业正经历从自动化应用到基础架构的全面升级，但也面临数据质量与伦理挑战。]]></description><category></category></item><item><title><![CDATA[2025.11.27 AI快讯]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155325262</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155325262</guid><author>JuMengXiaoKeTang</author><pubDate>Thu, 27 Nov 2025 22:19:56 +0800</pubDate><description><![CDATA[AI领域近期动态频出：无问芯穹获近5亿元A+轮融资，将扩大AI云与终端方案规模；华为开源ROOT优化器，提升大模型训练效果；DeepSeek-Math-V2数学推理模型达IMO金牌水平。科研方面，北大等团队推出3D建模工具PartCrafter，上海交大开发蛋白质设计框架ProtDAT。NeurIPS2025奖项公布，阿里团队获最佳论文。亚马逊预测2026年AI陪伴机器人等五大科技趋势。同时研究显示生成式AI在需求工程领域快速增长，但多数仍处原型阶段。OpenAI披露第三方数据安全事件，强调核心信息未泄露。]]></description><category></category></item><item><title><![CDATA[2025.11.26 AI快讯]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155284929</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155284929</guid><author>JuMengXiaoKeTang</author><pubDate>Wed, 26 Nov 2025 22:17:41 +0800</pubDate><description><![CDATA[AI领域迎来研究转向与技术创新：SSI提出AI发展进入&quot;研究时代&quot;，关注人类泛化能力与价值对齐；基础设施竞争转向成本优化，Google自研TPU重构经济模型；清华揭示大模型&quot;能力密度&quot;指数增长规律，预示端侧低成本部署可能。Meta、Google分别推出SAM3分割模型和GeminiFileSearch，推动视觉与RAG技术标准化。中国企业密集开源多模态模型，斯坦福Agent0框架实现无监督进化。技术突破方面，火山引擎视频生成优化、阿里千问登顶空间推理榜单，显示国产..]]></description><category></category></item><item><title><![CDATA[Ilya Sutskever关于scaling law的一些观点]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155282238</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155282238</guid><author>JuMengXiaoKeTang</author><pubDate>Wed, 26 Nov 2025 19:54:01 +0800</pubDate><description><![CDATA[摘要：AI发展正从&quot;规模扩张时代&quot;转向&quot;研究回归时代&quot;。单纯堆叠算力和数据的边际效益正在递减，当前AI虽在测试中表现优异，却缺乏真正的泛化能力，如同&quot;刷题家&quot;而非&quot;天才学生&quot;。未来研究应借鉴人类情绪的高效价值判断机制，开发更聪明的算法。超级智能的安全对齐需以&quot;关爱感知生命&quot;为核心原则。在这个新时代，真正的壁垒不再是算力，而是对智能本质的深刻理解和研究品味。]]></description><category></category></item><item><title><![CDATA[2025.11.25 AI快讯]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155246420</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155246420</guid><author>JuMengXiaoKeTang</author><pubDate>Tue, 25 Nov 2025 23:07:47 +0800</pubDate><description><![CDATA[AI领域迎来多项突破：ClaudeOpus4.5以80.9%高分登顶智能体榜单，同时成本大幅降低；OpenAI推出基于GPT-5mini的电商功能，准确率达64%；腾讯开源1B参数HunyuanOCR模型，支持14种小语种；字节跳动开源EinoADK框架，确立智能体标准范式。研究显示，AI正向低成本、垂直化方向发展，人机协同和业务整合成为关键趋势，同时模型可解释性和安全控制取得进展。专家指出，未来AI竞争将聚焦垂直领域整合与数据私有化，而非通用工具开发。]]></description><category></category></item><item><title><![CDATA[Google的Nano banana pro 与 豆包的Seedream 电商海报生成对比实测]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155244901</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155244901</guid><author>JuMengXiaoKeTang</author><pubDate>Tue, 25 Nov 2025 22:21:58 +0800</pubDate><description><![CDATA[摘要：对比Seedream4.0和BananaPro两款AI绘图工具生成的香水海报效果。测试使用中英文提示词，包含深海蓝主题、宝石光泽、水雾等元素。BananaPro在整体美感和光影处理上更优，但仍有细节不足；Seedream4.0存在文字变形和AI伪影问题。虽然BananaPro效果更接近商用需求，但两者均需PS后期处理才能达到完美效果。]]></description><category></category></item><item><title><![CDATA[使用n8n调用mcp（高德地图）的测试]]></title><link>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155242497</link><guid>https://blog.csdn.net/JuMengXiaoKeTang/article/details/155242497</guid><author>JuMengXiaoKeTang</author><pubDate>Tue, 25 Nov 2025 19:42:20 +0800</pubDate><description><![CDATA[摘要：本文介绍了在n8n工作流平台中调用高德地图MCP服务的简易方法。用户只需在高德开放平台注册账号并获取API key，在n8n中配置MCP客户端节点，该方法比百度地图更便捷，可免费获得测试额度，还能结合其他工具节点创建智能工作流，实现模型调用外部服务功能。]]></description><category></category></item></channel></rss>