Wiki 知识库

全部文档 / 作者: 得否 / 标签: Agent

3 篇
清除

我用 Muse + Snaplii,成功请大洋彼岸的土豆哥喝了杯星巴克!

作者分享了人在国内使用 Muse + Snaplii 组合远程为美国朋友购买星巴克咖啡的完整实操流程。先在 Snaplii 创建 AI 支付 API key 并用 USDC 充值(详细记录了到账金额必须分毫不差的踩坑经历),再让 Muse 连接 Snaplii,随后 Muse 自主购买 Uber Eats 礼品卡、登录账号、选店下单,关键步骤需人工确认。最终成功送达咖啡,作者还分析了费用明细,并附上完整流程视频,建议北美用户尝试这一安全且带返利的 AI 支付组合。

技术 › Agent 得否 2026-10-148.0 KB 1.1K 12 78

我把 Ling-3.0-tiny 塞进 DeepSeek Harness 跑真实任务实测

作者在 MacBook Pro M3 Max 上本地部署蚂蚁百灵开源的 Ling-3.0-tiny(总参数 7.9B、激活 1.3B),编译 Ollama 的 BailingMoeV3 分支导入 FP8 与 BF16 两个精度版本,实测输出速度分别约 106 和 81 tokens/s。随后通过 OpenAI 兼容协议将模型接入 DeepSeek Harness,让它把自己的底稿《文科生学 AI,先补一层计算机常识》重写成公众号文章。结果模型完整跑完任务、未瞎编内容,但句子偏碎且擅自添加内容,直出终稿尚早。文中还总结了部署与配置过程中的一系列坑及避坑指南。

技术 › LLM 得否 2026-08-2418.3 KB 18.3K 45 86

从选题到写作再到发布,我把几十个 skill 串成了一条自动流水线

作者分享了自己如何利用 Hermes、Codex 和 Claude 中的数十个 Skill,搭建了一条从素材抓取、选题分析、风格润色到图文排版的内容自动生成流水线。文章详细介绍了自动化流程的设计思路、遇到的痛点以及如何通过拆分 Prompt 保持文风一致性,同时也反思了人机协作中人工审核与决策的重要性。

技术 › Skill 得否 2026-07-236.5 KB 12.2K 90