耿振博-CSDN博客

原创 Gemini 创作工作流：脚本→分镜→文案→素材描述的协同路径

Gemini3.1Pro通过KULAAI平台为国内开发者提供全流程AI创作解决方案。该模型采用MoE架构，支持百万token上下文和多模态输入，在脚本撰写、分镜生成、文案输出和素材描述四个环节实现无缝衔接。实测显示，其意图遵循率和画面细节表现突出，能生成专业级3D渲染图。核心优势在于通过结构化工作流（脚本→分镜→文案→素材）取代碎片化工具切换，将创作时间从半天缩短至20分钟。2026年5月数据显示，该方案显著提升了内容创作效率和质量。

2026-05-11 08:56:24 260

原创 Gemini 3.1 Pro接口怎么用，看完这篇就懂了

Google DeepMind发布旗舰AI模型Gemini 3.1 Pro，采用MoE混合专家架构，支持百万级token上下文窗口和多模态处理。该模型在多项基准测试中表现优异，ARC-AGI-2得分77.1%，SWE-Bench达80.6%，科学知识评估94.3%。定价维持每百万token输入2美元不变，现有用户可零成本升级。文章详细解析了API密钥获取、五大关键参数配置（Temperature、SystemInstruction等）及思维模式选择，指出合理参数设置对输出质量的决定性影响。同时推荐KULAA

2026-05-09 08:42:56 486

原创 2026年5月五大AI模型对比：别只看热度，看效率

2026年AI模型竞争格局已从"中美两极"转向多极化，五大主流模型性能差距缩小至2.7%。本文对比GPT-5.4、ClaudeOpus4.6、Gemini3.1Pro、DeepSeek-V3和KimiK2.5的核心差异：GPT-5.4在智能体框架表现突出，Claude4.6以安全性和长文本处理见长，Gemini3.1Pro具备原生多模态优势，DeepSeek-V3凭借开源和成本效益（训练成本仅557万美元）受企业青睐，KimiK2.5则擅长超长上下文处理。实测显示，模型选择需结合场景需求

2026-05-09 08:39:37 617

原创 GPT-5.5在代码生成场景中的应用与优化实践

《GPT-5.5在代码生成场景的应用实践》摘要：OpenAI发布的GPT-5.5在Terminal-Bench2.0测试中获得82.7%得分，代码生成能力显著提升。文章从Prompt工程、推理力度控制、上下文管理、质量优化和成本控制五个维度，详细分析了该模型在代码生成中的最佳实践。重点介绍了reasoning_effort参数的分层应用策略、结构化上下文注入方法，以及通过编译检查和测试验证提升代码可用性的技巧。同时指出GPT-5.5在不同编程语言上的表现差异，并提供了30美元/百万Token定价下的成本优化

2026-05-08 09:11:59 492

原创 Gemini31Pro构建RAG知识库系统

Gemini 3.1Pro技术方案解析：RAG知识库系统构建指南 Google DeepMind发布的Gemini 3.1Pro凭借77.1%的ARC-AGI-2得分成为旗舰模型，其百万级上下文窗口和MoE架构特别适合构建RAG系统。方案采用四层架构：接入层处理多格式输入，编排层智能路由查询请求，生成层通过Gemini 3.1Pro的三级思维模式（Low/Medium/High）实现精准响应，存储层管理向量化数据。关键技术包括：原生PDF解析（IoU 0.804）、混合检索策略（向量+关键词）、动态成本控制

2026-05-08 09:06:59 610

原创使用GPT-5.5打造企业级知识库问答系统

本文介绍了基于GPT-5.5构建企业级知识库问答系统的方案。该系统采用五层架构，通过RAG技术保证回答准确性，支持混合检索、多轮对话管理和多模型路由。关键点包括：文档切片策略（500-800字符）、混合检索（向量+关键词）、防幻觉Prompt模板、对话历史压缩以及结构化引用标注。GPT-5.5在复杂问答上表现优异，但需结合Gemini等低成本模型优化30美元/百万Token的成本。系统上线后需监控准确率、响应时间和用户满意度等指标，持续优化检索策略和模型组合。

2026-05-07 15:48:57 478

原创 Python调用Gemini31Pro接口实战

摘要 Google DeepMind推出的Gemini 3.1 Pro模型支持多模态输入（文本/图像/PDF/视频），采用MoE架构和100万token上下文窗口，提供三层动态思维模式（Low/Medium/High）。Python开发者可通过google-genai SDK或聚合平台（如KULAAI）调用，后者支持国内直连及多模型切换。关键功能包括：多模态处理（如PDF解析IoU达0.804）、流式输出、函数调用（支持并行）和错误重试机制（指数退避）。需注意隐式限制：system_instruction超

2026-05-07 15:44:17 782 1

gengzb90的博客