推荐收藏！九大最热门的开源大模型 Agent 框架来了

最新推荐文章于 2024-07-10 20:21:06 发布
最新推荐文章于 2024-07-10 20:21:06 发布
阅读量887 收藏 13
点赞数 20
文章标签： 人工智能 大语言模型 自然语言处理 ai大模型 大模型训练 Agent 计算机技术
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/zhishi0000/article/details/140289450
版权

在人工智能领域，AI Agent 扮演着关键角色，能够模拟人类的智能行为。

近年来，开源社区涌现出多个优秀的 AI Agent 框架，本文将介绍九种备受关注的开源AI Agent框架，包括AutoGPT、AutoGen、Langfuse、ChatDev、BabyAGI、CAMEL、SuperAGI、MetaGPT和ShortGPT。这些框架为开发者提供了丰富的资源和工具，为智能应用的开发和创新提供了强大支持。

建议在落地实践中使用stars多和大厂的，喜欢记得收藏、关注、点赞。技术交流，见下文。

文章目录
    • 技术交流
    • 用通俗易懂的方式讲解系列
    • 01 AutoGPT
    • 02 AutoGen
    • 03 Langfuse
    • 04 ChatDev
    • 05 BabyAGI
    • 06 CAMEL
    • 07 SuperAGI
    • 08 MetaGPT
    • 09 ShortGPT

01 AutoGPT

AutoGPT是让每个人都能够访问和利用AI力量的愿景 ，以及在此基础上构建。我们的 使命是提供工具 ，让您可以专注于重要的事情：

构建- 为令人惊奇的事物奠定基础。

测试- 将您的代理调优至完美。

委托- 让AI为您工作 ，使您的想法变为现实。

https://github.com/Significant-Gravitas/AutoGPT 157K

在这里插入图片描述

02 AutoGen

AutoGen是一个框架 ，可通过多个代理进行对话以解决任务 ，实现LLM应用程序的开 发。AutoGen代理是可定制的、可对话的 ，并且能够无缝地允许人类参与。 它们可以 在使用LLMs、人类输入和工具的各种模式下运行。

该框架专注于自动生成AI Agent，能够自动完成任务并进行交互。其特点是支持多种任务类型和灵活的自定义功能。

https://github.com/microsoft/autogen 21.3K

在这里插入图片描述

03 Langfuse

Langfuse是一个面向LLM（大型语言模型）应用程序的开源可观测性和分析解决方 案。 它主要针对生产使用 ，但也有一些用户将其用于LLM应用程序的本地开发。

Langfuse专注于基于LLMs构建的应用程序。最近出现了许多新的抽象和通用最佳实 践 ，例如代理、链接提示、基于嵌入的检索、LLM对REPL和API的访问。这些使应用 程序更强大 ，但对于开发者来说也更难以预测 ，因为他们无法完全预测变更如何影响 其应用程序的质量、成本和整体延迟。 因此 ，Langfuse帮助监控和调试这些应用程序。

这是一个语言融合框架，能够将多个AI Agent的语言能力进行整合，使其同时具备多语言理解和生成的能力。

https://github.com/langfuse/langfuse 2K
在这里插入图片描述

04 ChatDev

‍

ChatDev是一家虚拟软件公司 ，通过各种智能代理担任不同的角色 ，包括首席执行官、首席产品官、首席技术官、程序员、 审查员、测试员、艺术设计师等。这些代理构成了一个多代理组织结构 ，他们的共同使命是“通过编程改变数字世界”。ChatDev内 的代理通过参与专业功能研讨会进行合作 ，包括设计、编码、测试和文档编制等任务。

ChatDev的主要目标是提供一个易于使用、高度可定制和可扩展的框架 ，该框架基于 大型语言模型（ LLMs） ，并为研究集体智能提供了理想的场景。

这个框架专注于开发聊天型AI Agent，能够进行对话和问答。它提供了一系列预训练模型和交互接口，便于用户开发定制化的聊天Agent。

https://github.com/OpenBMB/ChatDev 19.6K

05 BabyAGI

BabyAGI脚本是一个 AI 支持的任务管理系统示例. 该系统使用 OpenAI 和 PineconeAPI 创建, 优先级排序和执行任务. 该系统背后的主要思想是基于先前任务的结果和预 定义的目标创建任务. 脚本然后使用 OpenAI 的自然语言处理（ NLP） 能力根据目标创 建新任务, 并使用 Pinecone 存储和检索任务结果以获得上下文。

BabyAGI致力于构建具备初步通用智能的AI Agent。它采用增强学习和知识迁移来提高Agent的智能水平。

https://github.com/yoheinakajima/babyagi 18.5K

在这里插入图片描述

06 CAMEL

CAMEL是一个专为自主和沟通代理研究设计的开源库。我们相信在大规模上研究 这些代理将为了解它们的行为、能力和潜在风险提供宝贵的见解。为了促进这一领域 的研究 ，实现并支持各种类型的代理、任务、提示、模型和模拟环境。

这个框架提供了一套完整的工具和算法，用于构建多模态AI Agent，使其能够处理文本、图像和语音等多种数据形式。

https://github.com/camel-ai/camel 4.1K

在这里插入图片描述

07 SuperAGI

‍‍

SuperAGI是一个以开发者为先的开源自主AI代理框架 ，使开发者能够构建、管理和运 行有用的自主代理。您可以轻松地同时运行多个代理 ，并通过工具扩展代理的功能。这些代理能够高效地执行各种任务 ，并在每次运行时不断提高性能。

SuperAGI是一个强化学习驱动的AI Agent框架，可用于构建具备超级人类智能的Agent。它通过增量训练和自我认知来提高Agent的性能。

https://github.com/TransformerOptimus/SuperAGI 13.7K

在这里插入图片描述

08 MetaGPT

MetaGPT是开源Agent 框架 ，将不同的角色分配给GPTs ，形成一个协同的软件实体来 执行复杂任务。

MetaGPT以一行需求作为输入 ，并输出用户故事/竞争分析/需求/数据结构/ API/文档 等。在内部 ，MetaGPT包括产品经理、架构师、项目经理和工程师。 它提供了整个软 件公司的流程 ，同时精心协调了标准操作程序。

MetaGPT是一个元学习框架，能够自动学习和适应不同任务的需求，快速实现对新任务的适应能力。

https://github.com/geekan/MetaGPT 33.9K

在这里插入图片描述

09 ShortGPT

ShortGPT是一个强大的框架 ，用于自动化内容创作。 它简化了视频制作、素材采集、 语音合成和编辑任务。

自动化编辑框架：通过以LLM为导向的视频编辑语言简化视频制作过程。

脚本和提示：为各种LLM自动化编辑过程提供即用脚本和提示。

配音/内容创作：支持包括英语与、西班牙语呂、 阿拉伯语ü、法语門、波兰语 画、德语闡、意大利语門、葡萄牙语²、俄语画、普通话圖、 日语画、 印地语 d、韩语两等多种语言（使用EdgeTTS支持30多种语言以上）。

字幕生成： 自动生成视频字幕。

素材采集：从互联网上获取图像和视频素材 ，根据需要连接网络和PexelsAPI。

存储和持久性：通过TinyDB确保自动编辑变量的长期持久性。

这个框架专注于处理短文本的AI Agent开发，具备高效的文本生成和理解能力。适用于需要实时响应和快速推断的应用场景。

https://github.com/RayVentura/ShortGPT 4.6K

在这里插入图片描述

开源AI Agent框架为开发者提供了丰富的资源和工具，加速了智能应用的开发和创新。无论是从事聊天型AI Agent开发、多模态应用构建还是实现高性能智能Agent，上述九种开源框架都将成为您的得力助手。通过借助这些框架，我们能够更快地构建出智能化的应用，推动人工智能技术的发展和应用。

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。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么？
  • 大模型是怎样获得「智能」的？
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例：向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示（Embeddings）
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2：手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身：基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例：如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
python_知世
关注
  • 20
    点赞
  • 踩
  • 13
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Cognitive Agent Architecture (Cougaar):分布式智能代理框架-开源
06-08
Cognitive Agent Architecture，简称Cougaar，是一种先进的、开源的、基于Java的软件架构，主要用于构建大规模的分布式智能代理系统。这个框架的设计灵感来源于美国国防高级研究计划局（DARPA）多年的研究成果，其...
Agent Academy-开源
04-27
**Agent Academy 开源框架详解** Agent Academy 是一个专注于智能代理和多代理系统开发的Java集成框架，它为构建复杂的分布式人工智能应用提供了强大的工具。这个框架的亮点在于它将JADE（Java Agent Development ...
Ajax Agent-开源
04-25
Ajax Agent是一个专为开发AJAX（Asynchronous JavaScript and XML）和富互联网应用程序（Rich Internet Applications，RIA）设计的开源框架。这个框架的核心特点是其易用性和强大的功能，它旨在简化和加速开发过程，...
TALK AGENT FRAMEWORK-开源
04-24
**谈代理框架(Talk Agent Framework) - 开源详解** Talk Agent Framework是一个专注于自然语言处理的开源项目，旨在为开发人员提供构建智能代理的工具。这些智能代理能够理解并响应英语等自然语言的命令，极大地...
Agent Developing Framework-开源
04-26
Agent Developing Framework（ADF）是一个基于Java 2 Enterprise Edition (J2EE) 和 JBoss 应用服务器的开源框架，主要用于构建软件代理应用。这个框架提供了一整套工具和类库，帮助开发者高效地创建能够执行特定...
人工智能在自动驾驶中的目标检测研究
zhumin726的专栏
07-10 320
视觉识别技术在自动驾驶中的目标检测扮演着不可或缺的角色。通过不断优化目标检测算法，结合最新的深度学习技术，自动驾驶车辆将能够更加准确、安全地感知周围环境，实现真正的无人驾驶。视觉识别技术使得车辆能够像人类一样“看”到周围环境，通过图像处理和深度学习算法，实现对周围目标的检测和识别。我们将详细讨论目标检测的基本原理、常用算法、最新进展、已有的开源项目及其在自动驾驶中的应用和挑战。通过这些详细的讨论和分析，我们可以更好地理解人工智能在自动驾驶中如何通过视觉识别进行目标检测，并进一步推动这一技术的研究和应用。
开思通智网-科技快报20240704：全球首个，人工智能之城，AI填报志愿
opensnn的博客
07-05 747
【本周新进展】【本周国外资讯】【其他】
AI技术的转变：从辨别式到生成式
学IT，找陈寒
07-09 2519
李彦宏在2024世界人工智能大会上的发言，提醒我们在AI技术发展的道路上，不要盲目追求技术本身或表面的用户数据，而应更多地关注技术的实际应用和产业价值。在大模型技术与个性化应用之间找到平衡，将是未来发展的关键。作为AI从业者和技术爱好者，我们应以务实的态度，探索AI技术在各个领域的实际应用，为产业发展和社会进步贡献力量。通过李彦宏的发言，我深刻认识到AI技术发展的方向和挑战，也更加坚定了自己在这一领域继续探索和创新的信心。未来，愿我们共同努力，推动AI技术更好地服务于社会和产业，为人类创造更美好的未来。
7.深度学习概述
MechMaster
07-10 575
1. 线性回归 1.1 线性回归一般表达式 1.2 线性回归内积表达方式： 1.3 多个样本时，线性回归的进一步表达： 1.4 线性回归方程的解析 1.5 线性回归就是求loss函数的最小值 2. 如何求函数最小值 2.1 一个例子 2.2 求导法——求最小值 2.3 求导法存在的问题 2.4 迭代法——求最小值 3. 代码实现 3.1 手动求函数最小值 3.2 使用pytorch求函数最小值
2024第二届电子通信与计算机科学技术国际会议(ICECCST 2024)
anana_xu的博客
07-05 905
2024第二届电子通信与计算机科学技术国际会议(ICECCST 2024)会议简介2024第二届电子通信与计算机科学技术国际会议（ICECCST 2024）是一次重要的学术盛会，将在中国厦门举行。会议的主要目的是为全球的电子通信和计算机科学技术领域的专家、学者、研究人员和从业人员提供一个交流和学习的平台。会议将汇集世界各地的优秀学者，共同探讨电子通信和计算机科学技术的前沿问题，分享最新的研究成果和技术进展。会议的主题包括但不限于电子通信、计算机科学、人工智能、物联网、云计算、大数据等。
Hugging Face使用笔记
人无远虑，必有近忧
07-09 1192
Hugging Face Hub和 Github 类似，都是Hub(社区)。Hugging Face可以说的上是机器学习界的Github。hugging face在NLP领域最出名，其提供的模型大多都是基于Transformer的。
2025深圳国际人工智能展览会
LIJIAzlexpo的博客
07-05 1167
2.智慧城市、智能安防、智慧办公、智能家居、智慧医疗、智慧养老、智慧零售、智慧社区、智慧政务、智慧教育、智能交通、智能家电、AI芯片、大数据、云计算、5G/6G通信、数据采集、机器视觉、开放平台等硬件设备提供商、集成商、算法工程师等AIoT产业相关从业人士；智能制造（智能软硬件、智能机器人、无人工厂、精密制造、智慧物流）、智慧城市、智慧交通、智能安防、智慧医疗、智慧教育、智能家居、智能家电、智慧政务 、智慧办公、智慧养老、智慧社区、智慧零售、智能电网、智能客服、VR/AR、智能穿戴、自动驾驶、无人机等；
电子产品分销商 DigiKey 在新视频系列中探索智能城市中的AI
heehelcom的博客
07-08 265
DigiKey的技术业务发展经理Josh Mickolio表示，AI在智慧城市中的应用才刚刚开始，它将在创建更智能、更可持续、更宜居的城市方面发挥至关重要的作用。系列中的第一集“智能骨干”聚焦于城市基础设施中的AI，检查了配备AI能源系统、智能交通控制和AI关键基础设施监控的智能建筑。电子产品分销商DigiKey推出了一系列新视频，深入探讨了AI在智能城市中的集成应用。这个名为“智能世界中的AI”的系列是其“城市数字”视频系列的第四季，它审视了城市环境中从基础设施到公共服务的多种AI硬件和软件的部署情况。
聚类精度的尺标：SKlearn中的数据聚类性能评估方法
2401_85763803的博客
07-08 487
聚类分析是无监督学习中的核心任务之一，其目的在于将数据集中的样本划分为若干个簇，使得同一簇内的样本相似度高，而不同簇间的样本相似度低。Scikit-learn（简称sklearn），作为Python中一个功能丰富的机器学习库，提供了多种方法来评估聚类的性能。本文将详细介绍sklearn中用于数据聚类性能评估的方法，并提供实际的代码示例。通过本文，我们了解到了这些指标的计算方法和应用场景，并提供了实际的代码示例。随着数据量的不断增长和聚类分析需求的提高，聚类性能评估将在数据科学领域发挥越来越重要的作用。
使用Python实现深度学习模型：模型部署与生产环境应用
Echo_Wish的博客
07-07 1554
模型部署是将训练好的机器学习或深度学习模型集成到应用程序或服务中，使其能够在生产环境中运行并提供预测服务的过程。模型保存与加载API服务容器化部署云端部署Flask是一个轻量级的Python Web框架，常用于快速开发API服务。它简单易用，适合小型项目和快速原型开发。本文详细介绍了如何使用Python实现深度学习模型的部署与生产环境应用，包括模型保存与加载、使用Flask进行API部署、使用Docker进行容器化部署和在云端部署模型。
理解GCN
bunny___的博客
07-05 940
理解GCN
400G SR4和800G SR8光模块在AI集群中的应用
光模块的博客
07-05 930
高速率光模块作为新一代高速光通信解决方案，正在逐步应用于AI集群中，为其提供更高效、更稳定的数据传输能力。智算中心机房内互联的光模块端口速率已到800G，持续向高速率(1.6T/3.2T)演进中。
昇思25天学习打卡营第3天|MindSpore张量
wwt72的博客
07-07 1059
说明：本次打卡因远程notebook无法打卡，本地运行，本地安装都是python3.10以上的环境，安装mindspore时发现没有适配的版本，新建python3.9环境后可正常安装，算是一个版本的问题记录吧。shape 支持传入 list、tuple、 int。1）支持的数据类型有Tensor、float、int、bool、tuple、list、numpy.adarray。算数运算、线性代数、矩阵处理（转置、标引、切片）、采样等。此种表示方式更直接，但是目前仅仅支持二维矩阵，类定义头如下。
KAN: Kolmogorov-Arnold Networks (arXiv 2024)
最新发布
Jurio的博客
07-10 1175
【KAN原论文阅读笔记】受Kolmogorov-Arnold表示定理的启发，作者提出Kolmogorov-Arnold Networks（KAN）作为多层感知器（MLPs）的有前途的替代方案。MLP 在节点（“神经元”）上具有固定的激活函数，但 KAN 在边缘（“权重”）上具有可学习的激活函数。KAN 没有线性权重：每个权重参数都被参数化为一个样条线的单变量函数。作者发现，这个看似简单的变化使得 KAN 在准确性和可解释性方面优于 MLP。
abac权限 开源有哪些
09-07
### 回答1： abac权限开源有很多种，其中一些常见的有： 1. Apache Ranger: 一个开源的数据安全和访问控制平台，支持Hadoop、Hive、HBase、Kafka、Solr、Storm等。 2. XACML: 一种开源的权限管理语言，支持XML格式的权限策略。 3. Keycloak: 一个开源的身份和访问管理平台，支持多种认证协议和标准。 4. OpenIAM: 开源的身份和访问管理平台，支持多种认证方式和标准。 5. WSO2 Identity Server: 一个开源的身份管理平台，支持认证、授权、自动化管理和审计。 ### 回答2： abac权限是基于属性的访问控制（Attribute-Based Access Control）的缩写，它是一种访问控制模型，根据实体的属性（如用户的身份、角色、位置等）来决定其是否被允许访问某个资源。在开源领域，有几个著名的ABAC权限开源项目，如下： 1. XACML（eXtensible Access Control Markup Language）：XACML是一个基于XML的访问控制语言和框架，可以灵活地定义和管理策略和规则。它提供了丰富的功能和强大的扩展性，被广泛应用于各种系统和平台。 2. Authzforce：Authzforce是一个基于XACML标准的开源访问控制引擎，它提供了强大的策略管理和决策引擎功能，支持多种数据源和灵活的配置选项。 3. Keycloak：Keycloak是一个开源的身份和访问管理解决方案，它支持ABAC权限控制模型，并提供了用户认证、授权和单点登录等功能。Keycloak可以与其他系统集成，为应用程序提供统一的身份认证和访问控制。 4. OPA（Open Policy Agent）：OPA是一个通用的策略引擎，可以用于实现各种授权场景，包括ABAC权限控制。它采用了声明性语言（Rego）来定义和评估策略，同时提供了丰富的API和插件来与其他系统集成。 这些开源项目提供了丰富的功能和灵活的配置选项，可以帮助开发人员实现基于属性的访问控制，并为应用程序提供安全和可扩展的权限管理。通过使用这些开源工具和框架，开发人员可以根据自己的需求选择和定制适合自己的ABAC权限解决方案。 ### 回答3： ABAC (Attribute-Based Access Control) 是一种访问控制模型，它基于用户的属性来决定用户是否被授予访问资源的权限。开源社区为ABAC提供了许多解决方案，以下是其中几个： 1. OpenABAC：OpenABAC是一个基于XACML (eXtensible Access Control Markup Language) 的开源ABAC引擎。它提供了丰富的策略管理功能和属性转化功能，让用户可以灵活地定义和控制访问策略。 2. Keycloak：Keycloak是一款开源的身份和访问管理解决方案，它提供了ABAC功能来控制和管理用户的访问权限。Keycloak支持将用户属性与策略进行关联，实现动态和灵活的访问控制。 3. Apache Airflow：Airflow是一个用于编排和调度任务的开源平台，它的访问控制模型是基于ABAC的。用户可以通过定义基于属性的策略来控制任务和资源的访问权限。 4. Istio：Istio是一个用于管理和保护微服务的开源平台，它使用ABAC来实现对服务间通信的授权。通过定义属性的策略，Istio可以对请求进行细粒度的访问控制，确保只有符合要求的服务能够相互通信。 这只是一小部分开源ABAC解决方案的例子，开源社区不断发展和创新，可能还有其他解决方案在不断涌现。无论选择哪个解决方案，ABAC都为系统提供了强大的访问控制能力，使得权限管理更加灵活和可扩展。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值