Wiki 知识库

全部文档 / 标签: 视觉检索

2 篇
清除

当语言说不清审美,我给 Agent 搭了一套“视觉记忆系统”

作者作为设计师,探索让 Agent 理解个人审美偏好的方法。通过让 Agent 读取 Eagle 素材库,将收藏整理成可复用的“偏好证据”并生成个人审美档案。测试对比 Codex、Hermes、WorkBuddy 的 PPT 视觉提案,发现参考图比抽象形容词更能传递审美,但 Agent 能否学习取决于其识别与迁移规律的能力。针对海量素材检索问题,作者本地部署 SigLIP2 建立视觉索引,充当“视觉图书管理员”帮助 Agent 找图,最终形成收集、索引、检索、分析、确认、存档、反馈的完整流程,并封装为个人 Skill。

技术 › Agent 苏_夲 2026-10-018.1 KB 42.8K 130 76

网页爬虫迎来重大升级:PixelRAG 实现基于视觉的网页检索

PixelRAG 是一种开源的视觉化网页检索技术,通过直接截图并使用视觉模型分析像素,而非依赖 HTML 解析,从而避免信息丢失。它构建了 3000 万维基百科截图的视觉索引,在问答任务上超越传统文本 RAG 基准 18.1%,并支持 Claude 代码插件。

技术 › LLM 半吊子程序猿大铭 2026-07-191.7 KB