🏷️ 视觉模型

穷鬼玩 Agent 的配置

文章分享了低成本搭建 Agent 的技术配置方案。主要利用商汤、硅基流动等平台的免费额度，集成了 DeepSeek V4 作为主模型，Qwen3 系列处理视觉与工具任务，并结合多个免费或薅羊毛的图像、视频及大模型资源（如 GLM5.1, Claude Opus 4.6 等）来应对不同场景，实现了一套零成本或极低成本的复杂 Agent 工作流。

拆解年入百万的AI落地项目：大模型手机群控

文章深入解析了利用大模型视觉能力（如Qwen2.5-VL）实现的手机群控技术。该技术通过“截图-识别-执行”的循环，模拟真人操作，绕过了传统脚本的维护难题和系统级权限的风控封锁。文章详细阐述了工具变现、内容矩阵、养号出售及代运营四种商业模式，并指出该赛道的核心壁垒在于规模化运营体系而非单纯的技术实现。

Claude能直接操控电脑微信了，这才是真正的上位小龙虾

Claude 推出重磅更新，通过纯视觉方案 Computer Use 结合 Dispatch 远程控制，实现了对电脑微信等本地软件的直接操控。文章详细对比了该方案与传统代码驱动方案的区别，演示了如何利用手机远程操控电脑发送文件、总结群聊及自动发朋友圈，并强调了 Anthropic 作为模型厂商在权限管控与安全防护上的优势。