啊，大家好，今天我们就要扑克中啊 simon link 入门六十例第三十二课啊，将 simon link 中导入图片，并对图片进行各种变化域的变化， 下面我们根据扑克中的过程，我们建立了这个模型，然后这里我们简单一些介绍一下这个模型的各个环节。首先这个的话通过 image from field 这个模块， 然后这个模块里面的话，因为我们输入如果是彩色图片的话，这里我们啊将图片使用 分颜色信号进行输入，也就是说如果是 rgb 格式，那么我们这里输入 rgb 三种三个变量，那么他这个啊模型接口就会变成 rgb， 那 么模块就会输出这张彩色图片的三个通道， 然后再进行 r， g， b 转啊灰度这里的话直接采用公式，使用 simulink 自带的乘法和加法就能完成这个转化公式。好，这个是不是 size， 因为图片输的图片大小可能是任意大小，那么我们需要将图片转化为一个标准大小，比如说我们这里转化为五幺二乘以五幺二， 按照这个格式书写就可以了。啊，这两个的话，这是他默认图片大小，然后五幺二的是我们想要的图片大小。转换之后，我们这里分别进行了 dct 变换， e dct 变换， f t 变换以及 e f t 变换， 这些模块都是 simone 自带的，我们只要输入这个名字啊，就能在 simone 中找到。好，下面进行仿真测试。 好，访谈结束啊，我们看一下效果。首先这个的话是原图， 也就是彩色变恢复之后的效果，然后这个的话是 d c d 变换啊，然后这个的话是福利也变换，然后 image 变换之后的话可以看到好恢复是图像效果好，大概就这么一个演示过程， 演示完毕，谢谢大家。
粉丝1484获赞4222
相关视频
03:30查看AI文稿AI文稿大家好，今天这期视频主要是给大家演示一下如何用 ai， 也就是 gpt 来辅助咱们 similink 仿真建模的一个自动搭建，自动运行啊，自动连线。 好，那咱们先演示一下它的过程吧，然后后边我再给大家解释一下这个整个它是怎么搭建的啊？那启动了咱们这个 codex 之后，它就会自动启动咱们的 matelab， matelab 我 这里边用的版本是二零二三 b 啊，好，那这个时候呢，咱们就给他这样一个指令，再 啊这个文件夹里边新建一个 s l 叉的啊，这样一个 simlink 模型，文件添加模块， step get 等于二，然后输出成 scope 并连线啊，然后 stop time， 然后运行时间保存模型啊，也就是让它见模连线运行保存啊。 好，咱们直接发送。这个整个用的工具是 codex， 呃，就是这个 gpt， 呃，官方的这个编编编码工具啊，就是大家都在往这个自动化执行，自动化脚本完全脱离键数的这么一个方向上靠拢。 好，咱们就等它自动运行就可以，咱们就盯住了，哎，这个时候已经搭建连线完成了， 然后允许。 好，那这个时候呢，它已经从零创夕创建并覆盖保存了模型文件啊，什么什么 step 二，对不对？然后咱们看一下运没运行啊，它没有运行啊，让它运行一下，这个时候看到这里边没有这个任何的这个 step， 这个 节约线好，运行一下模型 stop time 等于二啊，咱们让它运行一下，这样的话就实现了自动建模，自动连线，自动运行，对不对？ 允许看，似乎已经运行完毕了，我们看一下，看，已经运行完毕了，零一二啊，几月到二对吧？ game game 是 二对吧？随着今年这个小龙虾啊，随着今年这个 更多的这个 agent， 更多的这个 skills 的 出现啊，它实现的已经是特别的不错了，如果说大家不是什么特别特别深度的，嗯， 深层次的研究呢，我觉得这个功能对大家的帮助来说是非常巨大的。那么具体需要的一些工具是什么呢？首先就是 codex 啊， codex 就是 gpt 官方的一个编程软件桌面端啊，一个 codex， 一个 matelab 软件，还有一个什么呀？咱们一开始让它自动，你查看一下这个帖子啊，这个帖子是什么？就是这个链接，我给大家打开 啊，就是这个帖子，这个帖子呢咱们不用读他是什么，咱们只需要把 codex 配置到桌面端之后，配置好网络环境，然后让他发送到这个发送这串指令啊，他就可以自动配置了。这个整个过程呢，他大概是配置了半个小时左右，我完全是没有进行任何操作的，只是保证了他的网络环境的一个畅通啊， 然后我就我就告诉他，我要测试一下自动建模的效果，怎么测试，他给我一个方案，然后我马上就发送了他给我建议的这个方案，然后测试。测试成功啊，现在就是给大家演示呈现这么一个结果， 如果说有需要这个相关的这个协助安装软件啊，对不对？配置相关的环境啊，可以联系一下啊，三连私信，谢谢大家，感谢大家观看，大家再见。拜拜。
1337AI赢斯坦
05:58查看AI文稿AI文稿之前 ai 做 ppt 最让人头疼的就是排版乱，审美差，内容不成体系。但这套论文答辩 ppt 是 用 codex 加 gbt image two 自动生成的， codex 负责读论文拆结构， gbt image two 负责生成高质量的页面视觉， 我现在直接演示完整流程，看完相信你也能够复现。首先我这里准备了一个答辩 ppt 的 文件夹，里边有一个大论文 的文，还有一个校徽，作为一个视觉的参考。那接下来我们在 codex 添加新的项目，使用现有文件夹， 然后选中刚刚的答辩 ppt， 打开，这样的话，这个新绘画的所有的上下文就跟这个答辩 ppt 这个项目做了关联。那么接下来给它输第一段提示词，就是提炼 ppt 的 结构，让它生成十八到二十页的大纲，适合八到十分钟的答辩。最后输出一份 md 文档， 那我们这里选的是 gpt， 五点五智能选超高，然后速度就按标准就可以了。 ok， 我 们给它发送，然后我们稍作等待， 这里出现了读取 pdf 的 技能，那如果没有这些插件的话，去把它安装一下，当然默认它好像就是安装的，我也不太确定。比如说 documents， 如果没有安装的话，你把它安装一下插件，那插件里边还有一些，呃，做 ppt 的 这个 presentations 这个插件，还有做表格处理表格的这个插件，这些可以去安装一下，点一下就可以安装了，很简单。那我们再等待它一下， 经过三分三秒钟的等待，这个结果是生成了，我们可以点这个悬浮的这个框，点开一下这个 md 文件，里边就是大纲了，大概是二十页。 ok， 大 体看上去没有什么问题。那我们接下来给他第二段提示词，然后让他确定一个 ppt 的 风格。 这里需要注意的就是，我们必须调用他的一个技能，叫我们使用 at， 然后 image 这个技能，这个技能是他可以直接使用 gpd image 来生成非常逼真的那些图片。呃，里边的一个字都不会错的那种，大家都刷到过那种图片估计。然后我们让他生成 这里给他说，根据学校上传的 logo， 啊，不对，根据上传的学校 logo， 也就是当前这个文件夹下不是有个 logo 吗？他会参考这个视觉元素去生成一套方案。 ok， 又经过三分二十四秒钟的等待，他生成了视觉方案，大体上看还是符合屈服蓝大学调子的，看上去没有什么问题。不过呢，这个东西有点像开盲盒，我刚刚又在另外一个绘画里边让他生成了一下，这个看上去就更有那个学术味。 呃，所以说呢，跟提示词也有点关系，然后跟这个东西生成它本身都是随机性的嘛，所以有点想开盲盒。那既然这样，我们就继续这个再继续做吧。然后我们下一步就是参考，让他参考上面的这个视觉方案和 md 文档，就是这个答辩的 ppt 结构，然后使用 image 键技能。这里必须要艾特一下 image image 键 图片生成技能，生成全部的 ppt 页面，最后拼装成一个大的 ppt 演示文稿，然后让他起用演讲者注视，然后注视里面添加备注。嗯，不要添加任何的元素，然后避免破坏 ppt 的 图片，我会这样让它生成。 那在生成的过程中呢，他还有所顾虑，有点谨慎，他说容易出现错字，也就是生成的那个图片容易生成错字。他提了一个更稳妥的做法，就是生成到视觉图片作为视觉追踪，然后用程序渲染成 png。 但是我直接给他说，哎，不会出现错字，大胆的生成就完了。 这样的话，它生成的二十页资产最后全部都会完整的保留，不会再那个出现可以编辑的文字了，这样的话视觉完全统一，它最后只会在答辩的那个演讲的注示里边添加文字， 这样它现在正在一页一页的生成。 codex 现在的用户体验已经和 cloud 的 桌面版差不多了，你看这里也有这个进度显示，这边点开之后也会有资产的显示，这里是这个实时进度，这里是生成的一些结果 本身。虽然他是面向程序员提供的产品，不过他现在越来越像一个超级的终端啊，不是超级的那个智能体，面向普通人也可以用了。你看在他的设置里面打开设置，我们可以选中这个适用于日常工作的，如果你是不是技术人员的话，你可以选这个模式，那他会回复的过程中会少一些技术性的话语，这样的话看起来更纯净。 ok。 经过了四十三分钟之后，终于生成了 ppt。 它生成慢的原因主要是那些图片一张张的特别慢，我们打开这个缩略图先看看，哎，看上去没有什么问题，视觉上比较统一。那我们继续使用 wps 来打开这个 ppt 看一下啊，看一下，第一眼看上去这个字什么的都没有什么错。然后我们先看一下缩略图，看看整体是什么样，一个感觉 整体上差别也不大，整体的视觉元素，视觉语言保持的还是比较一致的。然后我们看一下细节，第一个问题就是我看这个 logo 好 像有点问题，不过这也好处理，直接把那个 logo 图片导进来给他盖住就可以了。下面这些基本上是没有什么要改的，直接来自论文里面，然后他还生成了备注，这底下有批注啊，这底下有备注，到时候可以照着读的。 然后我们翻一翻，翻一翻大概就是 logo 是 最大的问题，其他的都问题不大，没有什么错别字，哎，这里代码什么都是能做表，然后这个图，这个图表也非常的 nice， 然后这个也可以，都是比较可以比较，可以可以用 哦。我发现还有个问题，就是屈服师范大学底下这个白描的图也有点不对，这不是屈氏大典的元素，不过这个也好解决，让他单独再生成一下这一页就可以了，可以让他给他一些参考，给他一些图片作为参考，让他知道真正的屈氏大的那个图片，然后参考可以生成更逼真的白描， 那整体上就是这个过程。我们最后再来总结一下，我们看一下这个绘画，整体上就是这一个绘画。首先是在这个项目里面有个答辩 ppt， 里边给他提供了我们的完整的论文，还有一个 logo， 学校 logo。 然后第一步要求他生成 ppt 的 大纲，这个大纲就是在这里， ppt 大 纲生成完了之后，我们再让它形成一套视觉方案，参考 logo， 或者说你给他提供更多的一些视觉参考，然后它生成一个视觉方案，生成之后我们再让它参考视觉方案和刚刚的 md 文件，就是大纲，再用这个生成图片，一页一页的生成 ppt。 呃，生成完之后，最后拼成了一个大的 ppt， 那这样的话就完成了整个 ppt 的 生成功。不过这样有问题，就是生成出来的 ppt 你 是没法进行编辑，毕竟它都是一张张的图片。那好在它生成图片比较准确，没有什么错字的问题。如果有简单的一些元素需要覆盖，你像这个 logo 可以 直接用 logo 给他盖上去，真实的 logo 给他盖上去。还有最后这张白描，如果有问题，可以让他单独生成这一张。其他的你像这些图标什么的图标什么字都是没有什么问题的，都是没有问题的，直接就是参考那那个论文里面那些直接读读过来的。 ok， 那 今天的内容就到这里了，如果大家有什么问题的话，可以在评论区聊一聊哦。
8553是润鲁呀
06:21查看AI文稿AI文稿我们聊一个比较前沿的话题，之前 ai 都是帮我们在写代码，他写完之后我们得去重复的去检查，报了错之后有些可以自动的去调试，有些还需要我们人工的去干预，但现在 ai 正在逐渐的潜入到你的各个行业软件中去。这个是二零二六年四月二十八号， cloud 官方 osopix 发了一个新闻，比如说这里 osopix 开发了一个新的工具叫做 connectus， 它直接把 cloud 嵌入到了各个行业工具里面去，包括我们所熟知的 adobe 还有 affinity， 这都是做平面图像处理的。还有就是我们在三维建模和三维工具中常见的 autodesk fusion， 以及做一些视频图像创意的 blender 等等。 也就说现在大模型可以直接迁移到这些行业软件当中去，直接帮我们去干活。那么我们今天是直接 做了一个尝试，作为一名工程师， maclab 和 c p l 在 我们工作当中是非常重要的，它可以帮我们去做很多的计算和仿真。现在 用 maclab 有 两个技术路线，第一个技术路线是我们可以在向 vs code 以及 cut 这样的一些智能 ida 当中去装一些这种 extension 扩展插件，那么大模型就可以直接 去写脚本，也可以去做测试运行结果，也可以去帮你做一些调试。但是更复杂的一些工作还是你需要在 matelab 中去做。另外一条技术路线就是我们今天所要尝试的，我可以直接通过大模型 去调用 matelab 的 一个 mcp server， 这样的话大模型就可以直接调用 matelab 所有的一个能力，包括 simplink 这样的图形化的编程和建模工具也都是可以去做的，这样的话它就可以直接去读 maclab 里面运行的一些结果，帮我们去修复这个模型，最后给出我们想要的一个结果来使人工智能生成一个技术路线图。 那么这里面有一个核心的，就是我们需要去装一个 matelab 的 mcp call server， 有 了这个之后，那么大模型就可以调用这个 mcp mcp， 再去调用 matelab 里面所有的一些工具箱，最后给出我们想要的一个结果来， 下面我们去做一个尝试。下面我们举一个 matelab 里面调用 mcp 去进行建模仿真的一个案例， 这个图展示的是一篇文献里面的一个内容，那么就是关于信号的一个频率响应的一个仿真，这边是一个 信号发生器，这边是一个探测器，探测器会藕合一个信号，那么不同的一些电阻电感的期间，它都会影响它最终的一个频率响应。那么我们就想通过 simlink， 不是 麦特列吧，是通过 simlink 去仿真不同频率情况下， 它信号输出的一些项尾和浮值的一个衰减，这就是我们的一个目标。但是怎么去做？这边就是我输入给大模型的一个 prompt， 就是 一个提词词，当然这个提示也是我用自然语言描述之后，大模型给我优化之后的一个提词词。 有了这个提示之后，看右边这个就是我用这个翠配置好的一个 mac 的 一个 m c p， 可以 看它这里面有这么一个核心的一个 e s e。 那 么 大模型它会写一个脚本，写个脚本之后它会调用这个 m c p 的 serif， 就 可以直接生成 simlink 的 文件，这样可以直接跑， 他跑完之后他也还可以去测试。而且如果说你埋汰料板里面没有去装一些必要的一些拖 boss， 他 可以去改变他的一个建模思路，这个是最后运行完的一个结果，我们去回到埋汰料板里面去看一下他运行完的一个结果， 可以看到这个就是运行完成之后的一个结果。这边是一个信号发生器，这边是一个功率放大器， 信号发射器去驱动一个功率放大器，功率放大器我们是想去驱动一个汉姆或者线圈去产生一个磁场源， 汉姆或者线圈，它这里面是用了一个响应函数的一个模型去进行数学建模的，因为它这里面缺一些 turbo box， 所以 说它改了这个建模的一个思路。建模完成之后我这里就放了一个磁弹针，磁弹针把里面的一些 啊参数他也去自动的去输入好了，输入好的之后，他这里面去把输出内容可以直接输出到 work space， 同时也可以输出到，可以看到这是输出完的结果，就说他可以直接通过这个试播器进行一个输出，可以看到信号发送输入的是一个少变的信号，我这个频率随着时间他是逐渐的去增加的，就说刚开始频率会比较低。黄色是这个信号发射器的一个信号， 蓝色是紫色，蓝信号的一个响应，可以看到随着频率逐渐的升高，它信号的幅值它是逐渐的在增大的，我们也可以去拉大，去看一下信号输入和 我们应该是去看一下输入信号和输出信号之间的一个相位关系，这都是可以的。 同时它也把相关的一些内容也输出到了这个 workspace 当中，这样我们还可以进行更进一步的一个绘图，哪怕你是写文章也是可以的。这里面它也自动把图也生成了一个截图，可以看一下 这是一个频谱，对，这是一个频谱扫描的一个结果，可以看到随着频率的一个增加，它的一个赋值和相应的一个 算见情况大概是这样。所以说有了这套工具之后，即使我对 simon lake 不是 很熟悉，想去做一些比如说关于店员，或者说，比如说一些高频微博等的那些 测试，也可以通过这套工具快速的去搭建一个模型，去完成我们想要的一个结果，所以说还是非常的一个方便。好，谢谢大家。
103原来是这么拍的
01:19查看AI文稿AI文稿codex 加 html 才是做 ppt 的 王炸组合，今天教你用 codex， 只要四步就能做出可以编辑修改的精美 ppt。 第一步，上传你的文档，让 codex 根据你的文档生成 ppt 大 纲和主页内容，这里的大纲就是后续 ppt 的 内容框架。第二步，让 codex 调用 html 这个 style， 根据刚才的大纲生成三版不同视觉风格的 ppt 预览，以拼图形式输出。 这一步我们是为了快速选择合适的视觉风格，我更喜欢这一张。第三步，让 codex 寄予我刚才喜欢的视觉方案，继续调用 image 帧这个 skill， 将拼图中的每一页依次生成高清单页视觉稿图片。 和直接生成 ppt 相比，先生成视觉稿能更好地利用 m h two 模型的构图设计能力，露出的 ppt 会更有设计感。第四步，也是最重要的一步，复制我这段已经调教好的提示词，让 codex 把单页视觉稿图片还原成可以编辑修改的 ppt 文件。 这里我建议每次单独还原一页视觉稿，如果效果不满意，重新生成会更方便。我这里先还原第五页视觉稿，看下效果。可以直接用 wps 打开，我们可以看到这页的还原效果很好，而且可以随便编辑修改 ppt 内容。 接下来我们对剩余每一页视觉稿图片都执行刚才的操作，最后把得到的多个 ppt 文件合并起来，一份充满设计感并且可以编辑修改的 ppt 文件就生成好了。
1.3万不写代码的盖朵
02:35查看AI文稿AI文稿原来完全不懂代码的人，真的可以让 ai 帮你做工具、写程序，甚至开发软件，哼！这期视频我要分享的是怎么用 codex 来实现上面这三个需求。全程不需要你懂任何编程知识，只要你会打字，会点鼠标就行。 首先登录进去，别的不用研究，咱们不是来当程序员的，不用管那些复杂的项目，文件夹，保持默认设置就好，你只需要找到那个对话框。对，就跟普通的 ai 聊天一样，咱们全程就靠跟它聊天来完成所有操作。 我首先尝试的是是让 codex 帮我做一个自动生成视频提示词的 skill， 这个 skill 的 要求是我之前在网上找到的，直接复制粘贴发给他， 发出去之后 codex 就 开始自己干活了，中间可能会弹出来几个确认框，你什么都不用想，点试就行。等它跑完，它会告诉你做好了，这时候这个工具就已经存在你的 codex 里了，下次你想用的时候，直接艾特这个文件名，它就能自动调用出来，特别方便。 第二件，我试的是调用 github 上的工具，我选的是一个生成 chat gpt 图片提示词的工具。这里有个前置步骤，需要先装备一个 github， 操作也很简单，在界面左侧找到搜索 github， 找到对应的点安装，跟着提示走就行。 装好之后，我就直接告诉 codex， 我 要用某某名称的 get up 工具。接下来还是老规矩，他跑他的，你点你的事。等他配置完，这个工具就在 codex 里直接可用了。如果你想知道以后怎么调用这个技能，直接问他我用这个工具需要输入什么指令，他会清清楚楚告诉你。 第三件事情，我想尝试一下进阶版，我让他帮我做了一个软件，一个真正的可以打开使用的软件。作为一个连 html 是 什么都不知道的小白，我就跟他说，我是纯小白，完全没接触过代码编程，现在想做一个天气预报的软件，你能帮我吗？ 他先问我，你要做网页版还是 app 版？我说做 app 版本，然后他就开始自动写代码，自动配置环境，我还是只需要在旁边点几个试， 等他全部跑完，天气预报软件就做出来了。但我拿到之后蒙了，我要怎么使用？我就有直接问他，他又一步步教我怎么运行我的 app， 居然就这么做出来了。 所以你看三件事总结下来，我的核心动作其实就两个，一是把需求说清楚，二是疯狂点事。 codex 本质上就像一个特别耐心的程序员，同事你负责提需求，他负责写代码，你们俩配合就能做出以前想都不敢想的东西。如果你也是完全不懂代码，但又想尝试用 ai 做点实用工具的人，真的可以去试试 codex。
1414阿斯加德（学习AI）
02:21查看AI文稿AI文稿newchat gpt 两年了，但你真的知道它是怎么工作的吗？不是那种它是大语言模型的答案，而是一个 token 进去，下一个 token 怎么出来，中间发生了什么？ carpos 今年二月发了一个文件，两百行 python 零依赖，把这个问题彻底回答了。 这两百行里装了五个东西， tokenizer， autograd 引擎， gptr 架构， adam 优化器，还有训练和推理循环。没有 py torch， 没有 nampai， 没有任何外部依赖，所有数学从头实现，包括反向传播。 他说这是算法内容的全部，其他的都只是效率。 tokenizer 做一件事，把文字变成整数系列，再变回来。 micro gpt， 用最简单的方案，每个唯一字母分配一个 id， 加一个特殊的 bos， token 表示文档边界。二十六个字母加 bos， 词表大小二十七。 gpt 四的 take token， 词表有十万个，但原理一样， token 的 整数值本身没有意义，只是离散符号。 训练神经网络需要梯度，每个参数对 loss 的 影响方向和大小。帕特尔是自动算。 micro gpt 从头实现， 核心是一个 value 类包，四个字段，当前值， t 度子节点，局部导数，每次做加法乘法就记下这个结果是怎么算出来的。 backward 的 方法，从 loss 往回走，用链式法则把 t 度一路传回每个参数。整个 auto 引擎三十行 g p t 的 核心是 transformer， 核心机制是 self attention， 让每个 token 能看到续列里其他 token 的 信息。 micro gpt 实现了完整的 gpt 二架构， embedding 层，多头注意力前馈网络， layer， norm 堆叠 n 层。 gpt 四和这个架构的差距不是结构，是参数量，数据量，训练算力算法是一样的。 microgpt 不是 一个新项目，是十年工作的终点。从 micrograd 讲反向传播，到 macmore 讲自辅基语言模型，到 nano gpt 讲 gpt 二训练，每一步都在剥掉一层复杂度。 microgpt 是 把这条路走到头，一个文件两百行，再也没有什么可以去掉了。两百行读一遍，你对 nfm 的 理解会完全不一样。
109大力AI
23:38查看AI文稿AI文稿嗯，先打开我们的模型，这个整个一个模型的话就是一个小型的光伏电站， 然后第一个模块的话就是咱们的并网点和电网接口，它就相当于电网去接入大电网的一个插座，同时呢还负责呃测量并网点的三项电压和电网节奏， 然后后面的光伏逆变器啊和储能逆变器都要参考这里的电压和相角，才能知道自己该按什么样的节奏向电网送电。 然后这一个的话就是咱们的调度控制部分，也就是整个电站的战绩大佬， 他就是主要是接收天气目标功率、频率变化和设备的在线状态，然后呢去判断每个方阵现在能发多少，最后把总任务分配给三个光伏方阵和储能站， 然后第二三四个就是咱们的中间的三个就是。呃，三个光伏方阵嘛，就是三个发电小组，每个方阵都要看自己的太阳强度、温度、在线状态和功率命令，然后通过光伏阵列、直流母线、逆变器、滤波器和断路器把电送到电网里面。 然后这一个的话就是储能站，储能站的话就是电站里面的备用充电宝吧， 就是一间没有太阳的时候，他就是承担主要的一个支撑，白天光伏不够或者是某个方阵故障的时候，他就帮助去补上去。额，在局部有负余的时候就是小功率可以吸收， 然后这个模块的话就是监测记录部分，他不参与控制，他就是把功率、电压、电流、频率和可用功率这些记录下来。然后的话， 嗯，这个的话就是，呃，电力仿真环境就是相当于整个电力系统的一个规则书，就是告诉软件用理算方式去怎么去计算这些电力电子原件嘛。 然后先来看呃一个战绩调度控制吧。 嗯，这里的话就是呃整个模型的最重要的控制中心，然后它的作用的话就是不是直接发电，就是去决定每个发电单元应该去发多少电。 然后左边的一个场景发生器的话就是负责去呃安排仿真过程，中间的战机主控的话就是主要去计算功率分配的一个结果， 然后嗯，左边的呃左边的场景发生器的话，他就是根据仿真时间安排一天的一个运行的一个情况嘛，就是比如说什么时候世界间啊，什么时候太阳升起来，什么时候进入高辅照，高辅高照辐射工况，然后 呃什么时候第二个方阵故障，什么时候电网频率偏低偏高啊。然后中间这个的话就是战机主控，他就是呃 核心吧，他就是会看三个方阵中当前的一个太阳强度、温度和在线状态，然后去算出每个方阵现在最多能发多少。 然后呢？他再看目标功率和频率变化，然后决定权杖此刻到底需要多少功率，然后最后把功率分配给三个光方阵，并去决定储能是否需要参与。 然后上面几个模块的作用的话就是呃，比如说我们把太阳强度要拆成第一方阵，第二方的第三方阵的各自的一个太阳强度，然后温度和在线状态也是这样的，就是这样每个方阵才能拿到自己的一个输入嘛。 然后下面的话就是实际的一个功率的一个呃反馈，比如说咱们三个方阵实际发了多少电，会重新汇总回到战机主控，然后这样的话就是主控就是不只是按自己的计划进行分配了，而是会参考实际的情况进行执行。 然后呢这里有一个延迟环节，然后它的作用的话就相当于让信号往一个很小的计算步再回来，然后避免这个控制器和执行层，嗯，在同一时间，然后卡住。 然后右边的话就是分发的部分，就是站机主控器算出，嗯，三路光伏功率命令，然后会被拆开，然后分别送到三个光伏方阵，然后算出来的三路可用容量也会被拆开送到监测部分， 呃，这样的话这个整个部分就完成了从信息收集，然后到计算命令再到分发命令的一个全部过程。 然后的话接下来就是并网点和一个电网接口，然后嗯， 也就是光伏电站和外部电站的一个连接的一个位置吧，他就是又提供电气连接，也提供测量信号，嗯，并且所有的光伏方阵和储能站呢，都要通过这里去并入电网。 然后嗯，这一个的话就是咱们的一个三项电源网，电网源吧，就是他提供一个三项交流电网环境， 然后并且呢可以按照场景去改变频率，比如说在千频测试的时候频率会降低，在过频测试的时候频率会升高，然后这个的话就是一个并网线路， 呃，就是真实的电线的话，它并不是一个理想导线，会有电阻啊，电感这些，所以说咱们这里的线路用等向模块去模拟并网电路的影响，这样电在在输出电流的时候会更加真实，一个真实的一个并网过程。 然后这个的话就是三项电流电压测量的一个东西，他就是可以把并网点的一个三项电压给测量出来，就然后送给去光伏和储能的一个逆变控制器。 呃，逆变器的话就是如果不知道电网电压的话，就没有办法去计算自己应该去输出什么样的电流，是吧？ 然后这个的话就是三项锁线环，嗯，它也可以理解成一个节拍器吧，它就是从三项电压里面去，嗯，提取 电网当前的一个象角和频率，嗯，逆变器要变网的话就必须跟着电网的节奏，嗯，去输出电流，不然的话就像两个人跳绳一样，就是节拍不一致吧，就容易冲击系统。 然后最右边的话就是发送标签，就是把并网点的一个电压，频率还有橡胶，嗯，把它送到其他模块， 嗯，电压送给逆变器控制器，逆变器控制，然后频率送给监测，然后橡胶送给电流。参考三层，这样就是同时完成了连接电网和提供同步参考的一个两个任务。 然后接下来的话就是光伏方阵的一个执行层嘛，嗯，这页的话就是以第一光伏的第一光伏的方阵为例吧，呃，因为第二第三的结构几乎是一样的，只是信号的编号不一样， 嗯，光负方阵执行层的任务就是，呃，把这个战机主控给出的功率命令变成真实的一个并网输出功率。然后， 嗯，这一个的话就是咱们的一个光负正列的一个泵体，它的作用的话就是去接收一个太阳的强度和温度，然后去产生直流车的电压和电流， 嗯，你可以这样把它理解成一个太阳能板嘛，就是太阳越强的话，它提供的能量也就越多，温度越高的话它的发电能力就会下降。 然后这边的三个的话就是呃启动许可判断嘛，它就是分别判断太阳的强度够不够呀，然后设备是否在线啊，然后功率命令是否有意义啊？ 因为只有太阳够强，设备没有故障，并且确实有发电任务的时候，方阵才会准备启动嘛。 然后的话这个的话就是咱们的模式管理器，嗯，它的作用的话就是去负责光伏站的启动同步 还有正常运行和退出，因为他不会让功率突然跳变，而是按照一定的功率去慢慢的升，然后退出时也会让功率慢慢的降，然后在等待电流变小的时候断开。这个模块的话就相当于光伏方阵的一个安全源来保证安全了。 然后这个模块的话就是咱们的逆变控制器，嗯，它的作用的话就是把功率命令，嗯转化成三项电流参考，然后呢再根据实际电流进行调节，然后最后的话把这些信号呃输出为调制信号，然后， 嗯， 然后这个模块的话就是呃咱们的一个脉冲发生器，它就是把调制信号变成开关脉冲， 然后这一个的话就是呃三项桥吧，它就是把这些脉冲信号从直流电转化成一个交流电， 然后这个的话就是滤波器，嗯，因为咱们逆变器输出的电流嘛，嗯，一般会带有开关波动，然后滤波器的作用的话就是让这个电流更平滑， 哎呦哎，然后这个模块的话就是断路器吧，他就是负责把这个方阵接入或者是断开电网， 然后这些模块的话就是呃功率呀，电压，电流啊测量，然后用来记录这些结果的 这一页就是整总的来说的话就是说，呃，先由太阳能板去产生一个自流电，然后再用再有这个启动许可和这个模式管理，决定能不能够发电。然后呢有逆变控制和这个脉冲发生器 去控制一个三相桥，然后最后经过滤波器和这个断路器，然后再并入电网，然后并且把这个呃功率跟这个电气量给全部记录下来， 然后再说这个储能站执行层吧。嗯，刚刚也说过，哎呀，这个储能站的话就是充电宝，就是白天，就是白天少处理，然后夜间的话就是夜间或者是方阵故障的时候就拿出来补功率吧。 嗯，然后先说第一个模块吧，这个就是电池的一个本质，它就是储能这样的一个能量来源，嗯，在这里的话我们的一个储值电量设置的是百分之八十，嗯，这个电池里面有额定的电压容量跟内容，然后这些参数就是模拟这个真实电池的嘛， 然后这个模块的话就是放电侧直流变换器控制和开关。嗯，他的一个，他们两个的作用的话就是把这个电池车的这个能量，然后送到直流母线， 并且尽量让这个直流母线的电压呢，就是维持在合理的范围内吧，就是也可以你可以把这部分理解成电，就电池到直流母线的一个水龙头，就是控制开到多大。 然后这个模块呢就是呃小功率吸收控制，它就是在呃储能功率命令为吸收功率，并且呢呃直流电压足够高的时候工作，它不是大功率充电模块，就是保留一个小功率的一个吸收通道，然后用来处理一些局部的一些富裕的。 然后，嗯，然后这个模块的话就是咱们的一个储能模式的管理器，嗯，它就是决定了储能站什么时候进行投入，什么时候保持，然后什么时候退出。 然后呢？这个模块的话就是，哎， 就是咱们的储能异变控制器，他就是把储能的功率命令变成一个三项电流控制信号，然后后面的脉冲发生器啊，三项桥和测量模块的话就是，嗯，把这些直流车的能量变成交流车，然后输出，然后并把这些结果给记录下来。 然后这一部分的话就是监测记录系统吧，就是他不参与控制，他就是只是把这个模型中的一个结果呃进行一个集中显示和保存。 嗯，这里呢就是可以看到一个并网点的一个电压波形，然后太阳强度和温度的一个波形，然后山路光伏功率的一个命令，实际功率还有 频率支撑相关信号都能看到。然后咱们看这信号的话，就是可以判断这个模型是否能通过呃玉器进行运行吧？ 嗯，就是除了施波器以外的话，咱们还有比如说呃 two 个 space， 然后他可以把这个数据保存到工作器。然后的话就是呃施波器的话，就主要是咱们看波形嘛，然后工作区的数据的话，就咱们去做一个数字检查，还有一个公司的验证。 然后呢就是咱们这个模型呢，就是采用的是固定的一个布长仿真， 嗯，因为这个布长设置比较小，是因为这个模型里面有这个脉冲控制开关起见，如果布长你用的比较大的话，就这个电流和电压和开关都不够准确吧。 然后我们来看这个仿真图吧。嗯，先来看这个工况一吧，这个工况一的话就是夜间的这个储能之声，然后也就是零到六秒的一个夜间工况， 就是说这个夜间没有太阳的时候呢，就是三个光伏方阵基本不具备一个发电能力，但是呢这个电站呢， 他肯定是有功率的，基础功率的需求，所以说，嗯，这个时候就是看储能站能不能承担一个支撑任务吗？ 第第一个曲线可以看到这个平均的太阳强度为零，就是，嗯，说明这个此时的光方阵是没有太阳资源的， 然后光伏总功率的话也也是接近零，说明这个光伏确实没有承担这个主要处理，是吧？然后储能功率的话就比较高了，他这就说明他就承担了一个主要的输出吧， 所以说这总的来说就是说夜间的一个阶段下就是模型呢，他没有强行让光负去发电，嗯，就是让储能来支撑一个全站的功力需求，就这说明了这咱们这个储能站就是是合理的正常的运行的，而且并且承担了一个 无光照条件下的一个基础的一个任务。 然后第二课的话，就是层间 晨间爬升功课，就是六到八秒的时候，就是太阳刚刚开始升起的时候，就光雾方阵，它并不能呃从发电，呃， 嗯，怎么说呢，就是从不能发电逐步变为可以发电，然后同时呢这个全站的目标功率也是从夜间水平然后升为白天水平了嘛，然后这个平均太阳强度的话就是逐渐爬升。光伏总功率的话，它也也不是一下从从 从低跳到高，它就是随着这个太阳的一个强度和这个执行层，然后就去呃逐步升高的，然后这个储能功率的话也是了，它就是从夜间的一个主要之力，然后就是变成了一个补偿的一个角色吧。 这个图就主要说明就是晨间的切换，它不是突然发生的，就是光伏逐步接管嘛。然后第三的话就是千平支撑的一个工况， 嗯，就是主要是八到十秒吧，主要是呃电网频率，它低于正常值的话，就说明电网此刻这个缺少有功功率吧。嗯，就咱们就需要光伏电站来多出一点力来支撑电网， 然后控制频率的话就是从正常时下降到较低值，然后这个频率支撑功率的话也就是变成了呃正值，就是说明这个时候呢，这个战机主控判断此刻应该增加这个有功支持。然后再看这个， 呃全站的需求功率就被抬高了吧，就说明这个频率支撑已已经被叠压到了一个总功率的需求里面。 然后最后看这个光伏加这个储能总数处，就是可以看到执行层会跟随的就新的需求来进行变化吧，就整的一个来说的话，就是频率偏低的时候，模型会增加有功支撑， 然后看第四个就是高辐射高温浸满发吧，就是十到十四秒的时候， 嗯，这个时间段的话就太阳强度比较高，就是光伏具备的较强的一个发电能力，但是这个温度呢也在升高，并且呢这个温度升高呢，会让这个光伏逐渐的这个能力，呃要有所衰减嘛， 然后太阳强度的话升高噻，然后温度也升高嘛，嗯，总的来说的话就是，呃 就实时可用的容量，不只是只看这个太阳强度，还要考虑这个温度影响，也就是说这个太阳的呃太阳强时光伏能力会增强，但是温度高时又会打一点折，就是这样模型的话会更加接近一个真实的一个光伏电站。 然后功控无的话就是第二方阵的一个故障在分配，嗯， 就是第二方阵在这个时间里面退出运行吗？就是不能去承担一个原来的功率任务，呃，这工况的话就是去验证这个故障在分配功能的， 然后第二方阵的一个这样状态，他从在线变成了离线，然后功率的话也是呃经过一个平滑，然后再退出，过程逐渐到零， 嗯，这里不能要求它瞬渐变为零，因为它这个呃执行层有安全退出逻辑，需要先降低功率，然后再进行电的一个衰减， 就等于说这个主要是描述，嗯，就是模型不是简单让故障方阵退出，而是先让这个功率任务迁移出去，然后保证全站的输出尽量连续吧。 然后工况六的话就是过频现发嘛，嗯，主要是说这个电网功率的频率高于正常值的时候，就说明这个系统的有功功率偏多一点，然后电站此刻呢应该少输出一点， 嗯，这个工况的话和第二第二方的故障有重叠，所以说它更能够说明这个控制器在这个复杂情况下就是依然能够去正常响应嘛。 呃，总的来说的话就是呃这个频率偏高的时候，这个模型会呃降低有功需求，呃，就是说明这波咱们这个过频现发的这个方向是正确的。 然后这功放的话就是一个午后的一个资源衰减功放， 就是说下午这个太阳逐渐变弱的时候，光伏资源开始下降了吗？然后电电电站呢，就是需要根据新的这个可用容量，然后重新来去调整一个功率分配。 嗯，这张图主要说的是，呃暂级主控的话，他并不是按固定的比例进行一直发电的，而是会就是跟随着资源的变化，然后去调整一个输出，比如说当这个光伏资源变弱的时候，呃功率分配的话也就会重新组织吧。 然后第八个的话就是日落后的一键支撑，嗯，就是太阳已经落山了嘛，然后太阳强度又重新回到了零，然后光雾方阵的话就是需要逐步退出，然后全站的话又回到了这个储能需要支撑的一个状态。 然后总的来说就是日落切换后就是光伏能够平滑退出吧，然后咱们的储能也够支撑一个全站的需求，然后这说明咱们这个模型的一个昼夜切换的逻辑是完整的，并且呢这个展示的效果也是对的。 然后八个工况讲完了之后的话，这个整体的话就可以可以概括为这样说吧，就是咱们这个模型的话，就是能够根据一个太阳强度、温度和一个在线状态去计算可用容量， 并且呢能够在这个频率偏低的时候增加支撑，然后频率偏高的时候呢能够降低输出，并且能够在方阵故障的时候把这个任务转移给健康单元，然后也能够在夜间和光火不足的时候让储能去参与支撑。
191Jock.
07:22查看AI文稿AI文稿之前呢，我们分享了一期 cloud code 接入 deepseek， 但其实没过多久啊， cloud 就 有过一次版本更新，新版本的模型名称就会出现一些问题， 那这一次就正好我们把桌面版 codex 和 cloud code 都通过 c c switch 来接入 deepseek， 我 们出 three two one。 我 这里啊，把前置环境和 c c switch 都准备好了，同时呢也写了文字版的安装教程。呃，大家可以参考一下，我就不展开了，我们直接开始。 那先说 codex 吧。首先呢，我们需要做一个 cc switch deep seek 的 通道，这个呢，我已经准备好了。呃，文字版里面大家可以自己找一下。首先我们打开这个文件夹，找到这个文件， 复制一下再黏贴。然后呢重命名，文件名是点 env， 注意啊，这个点不能忘记。然后呢，这个文件呢，我已经有了，所以呢我就不确认了，我把这个删掉。 我现在打开这个点 env 给大家看一下，这里面啊就是一条 apikey， 你 们打开的话就把自己的 apikey 写上去就可以了。然后呢，我们双击一下这个 start 点 back 的 文件， 出现这样子的界面，这就算成功了。那如果中间哪里有报错啊，就要重新回去验证一下自己在前面的环境这里有没有什么没有安装好或者遗漏的地方。 好，那我们接着打开安装好的 cc switch， 这个是 codex 的 界面啊，它是 gpt 的 图标。 进来我们看到这个，我们点击右上角的加号，可以看到的是添加供应商，呃，我们下滑，这里填供应商名称， deepseek v 四 pro。 备注呢，我们就随便写写一个 test 官网的链接，这里是可以不填的， api key 就 填自己的 deep seek 的 api key 就 可以。 这里注意啊， api 请求地址填的不是 deep seek 的 接口，因为前面我们已经做过 cc switch 的 转接了，所以填的是本地的地址， 然后下面到模型名称这里就填 deepseek v 四 pro， 然后我们拉到最下面，这里直接就是点添加， 然后它会自动回到上页。这里啊，已经多了一条 v 四 pro。 看一下啊，这里我们直接点一下它就可以切换到使用中了。现在我们来打开 codex 看一下 这里，它其实已经绕开登录环节了，原本打开呢是需要 gpt 的 账号了，现在呢，呃，都是需要验证手机号的。那我们现在通过 cc switch 就 可以直接接入 dbic， 跳过登录直接进到 codex 的 界面了。 这里我们根据他的提示啊，先初步一下，然后这个 set up 好 快速就完成。现在我们发消息来问他一下，你当前使用的是什么模型，有回复了啊，他这里回复呢，他是 deepsea 了。好，我们现在再来验证一下 这里呢啊，使用之前他会向你申请一下电脑的权限。没关系啊，我的 codex 工作区也在桌面上面，我们现在直接打开看一下。 好的，这里呢，他是已经在工作区里面建立文件夹了，速度啊，我觉得是很快的，根本没什么毛病。那其实到这里为止呢， codex 接入 dbic 就 完成了 啊，如果没有账号没法注册或者说登录需要验证的朋友们啊，我们就先把 dbic 可以 这样耍起来了。 然后接下来呢，我们直接再来试一下 cloud code， 这里同时也是一样的啊，我们首先先要打开 cc switch， 我 先把我刚才的配置都删掉， 注意啊，这里是 cloud 的 配置页，也同样啊，直接点击加号进来，直接就是选择 deepsea， 这里的供应商链接，官方名称都已经直接有了备注。我们也先随便写一个测试 a p r key， 这里也同样是写 deep seek 的 key 请求地址，这里也不需要动了。 好，接下来我们就到了模型这里，模型这里呢，我们都填 deep seek v 四，然后这个 e m 呢？呃，之前的视频也说过，其实就是百万上下文使用的意思，如果不加的话呢，不用做大项目的话也是够用的。 然后这里其实还是可以换一个 flash 模式的，也不用全部都是 pro， 然后随便找一个改一下啊，这几个模型名字等会都有用的，是一个对应的关系。然后这里我们就直接先添加， 回到这里就有这个选项了，我们这里就直接点起用。之后呢，我们再开通一下本地路由，在这个设置路由本地路由里面，本地路由打开 cloud 打开， 然后同样这个本地的服务器地址是要记一下，后面要用的。好，我们返回上一集测试一下，看到他是正常运行的。接下来呢，就是打开 qq 的 第一次 打开登录界面，不用登录啊，左上角 help 这里啊，点击这个 troubleshooting， 然后进到这个 enable develop mode， 然后点击 enable， 然后这里其实就是进入它的开发者模式， 然后重启，重启之后你会发现这里多了一个 develop 的 入口，然后我们选择 configure party info， 然后进来。进来之后，首先第一个 provider， 我 们这里直接就选 getaway， 然后 getaway 这里的 base url 就 写刚才我们 cc switch 这里出现复制下来的地址，这一个 key， 这里呢，当然还是 deep seek 的 key， 然后 bear 这里是不用动的。好，到模型 list 这里怎么填啊？这里就是填我们前面在 c c switch 里面配置过的对应模型，前面呢，加一个 cloud。 好， 这里两个模型够了，直接我们拉到最下面 apply locally。 好， 然后直接重启。 看啊，这里就是直接不用登录，我们就进到 cloud 的 界面了，然后 solo party 的 模式到 code 这里试一下。首先呢，我们随便设置一个工作区，然后测试一下，帮我建个文件夹。好，我们看一下它的这个速度还是很快的啊。 ok， 那 到这里呢， codex 和 cloud 都已经接入完成了。我最后补充一点啊， mac 系统呢，相对比较稳定，但是 windows 的 话呢，会经常会出现这样子的报错， 但这种报错啊，其实没有什么关系，通常都是安装有问题。呃，因为网络原因，组建安装可能会有丢失，最好呢是可以调整一下自己的网络环境，重新安装一下就 ok 了。 顶级的 a g 呢，配上我们的国产大模型，就再也不用为无法登录烦恼了。好，那这次的内容就到这里，希望对你有所帮助。我是阿月，我们下期再见。
2052阿悦很严格
08:17查看AI文稿AI文稿大家好，今天我们开始讲 codex 的 入门系列，这期我会从零演示一遍 codex 如何安装，怎么打开项目，怎么让它整理资料，分析表格，最后再基于结果生成一张图片。 看完之后你基本就知道第一词应该怎么用了。很多人第一次听到 codex 会以为它只是给程序员写代码的工具，但是我觉得它真正有价值的地方远远不止写代码它。你可以把 codex 理解成一个可以围绕你电脑资料工作的一个 ai 助手。 相比于传统的这种聊天式的 ai 工具，他不是你问一句，他答一句，他可以基于你指定的文件夹去理解里面的文档、表格、截图和各种资料，然后帮你整理分析跟生成结果。 比如说你要做调研，他可以帮你整理资料，你要做计划，他可以帮你把零散的信息变成了行动目标，你可以分析表格，你可以去提炼脚本大纲，甚至生成配图等等。 所以我觉得 codex 对 于普通人也很有价值，只要你的工作经常发生在电脑上，需要处理文件资料啊，调研等等，我就觉得你应该试一下。 好，今天我们首先从安装开始。安装很简单，我们第一步需要打开 codex 的 官方网站，根据你的系统选择对应版本啊， mac 就 选 mac， windows 也可以， windows 安装过程跟普通的软件差不多，就按照提示一步一步完成就可以了。安装完成以后，打开 codex 登录你的 chat gpt 的 账号 啊，然后第一次登录的时候，他可能会让你选择主要的用途，那这我们可以看到这他是有一个工作模式，你是主要用于编程还是日常工作，这个之后都可以修改，但是如果你选择编程的话，他的回答会更技术性一点，更细节一点点。 登录之后你就来到了这个 codex 的 主界面，这个界面可以简单理解成三个区域，左边这块是这个项目跟任务列表，中间是你跟 codex 对 话的地方，右边通常会显示他正在处理的内容啊，或者可以生成的结果等等。接下来讲第一个概念叫做项目， codex 里面的项目本质上就是你对应你电脑里的一个文件夹，你选择哪个文件夹， codex 就 围绕这个文件夹里面的资料来进行工作。我这里用一个普通的例子，比如说啊，我这里可以选择添加新项目，使用现有文件夹就可以找到你自己对应的一个文件夹去作为你想工作的一个区域。 这里准备了一个很普通的例子，周末去杭州玩两天，这个文件夹里面有一些零散资料，比如说旅行笔记，想去的地方，想吃的店等等，也有一些截图、天气或者是酒店的一些路线信息。 在这个下拉菜单，这可以指定你想要的这个项目的文件夹，在这使用现有文件夹就可以指定你的工作目录，比如说我们可以简单看一下他们前 直接在这对话的形式告诉他啊，你可以查看我这个项目下面的一些文件等等。 比如说如果这我想要他帮忙整理这个文件里面的一些资料，比如说整理一个对应的杭州旅行计划， 我们可以通过语音的形式，在这有一个语音的形式，帮我整理一份杭州周末的旅行计划，内容包括目标行程安排，预算，需要提前准备的事项，以及如果下雨的备用方案等等。啊，需要 dog 的 文档，然后有图文， 对，然后就有语音的形式，在这我们可以选择它的智能的一个高低，一般来说高就足够了，然后除了这个智能，就是它的思考的一个深度， 如果是特别复杂的问题，你就可以选择超高，但它对应消耗的 token 会更多一点点，然后在这儿你可以选择对应的模型，现在最新的就是叉 gdp 五点五的这个模型，速度一般就是有标准跟快速，然后快速会一点五倍的快，但是同样的 token 数会增加。在这我们为了演示选择快速，我就开始 看，经过了这个两分二十秒，他就生成了这个文档，我们打开看一下，那就生成了一份两天两晚的旅行计划，有一个目标概，里面有图片也有表格，有对应酒店的一些住宿的建议， 以及两晚的一些价格，餐厅的一些备选，总的来说是非常全面，也非常友好。对于这种复杂文件整理的情况来说，帮我们完成了多的一个信息整理， 这也是 codex 跟普通的聊天工具最大的区别。普通的聊天工具需要在兑换框里面，你反复的复制粘贴文件，然后告诉他怎么做，他再告诉你怎么做，你可能需要去，然后你自己再去操作。但 codex 真正就是 在你指定的这个文件夹里面去读写，去生成你想要的文件，真正帮你去完成了这工作，我们可以看一下在对应的项目下面，他已经生成了这一份文档，相当于你就不需要去手动的去啊复制粘贴很多重复工作。 你可以想象一下，如果你是学生，你可以把论文资料啊，阅读笔记放到一个啊文文件夹，然后让他去生成论文。提高啊，你是做运营的，你同样也可以把这个沟通资料表格，会议记录，让他生成一个执行方案等等。销售啊，可以让他去根据你的客户资料和沟通记录进行一个跟进的计划， 所以这个就是 context 真正有用的地方，他不是给你建议，也不是告诉你怎么做，而是直接帮你去处理资料生成结果啊，这到就会极大的提高你的工作效率。 接下来我讲第二个概念，就是啊县城，就是对于同一个项目来说，你可以啊开多个县城，比如说这是这个项目本身，然后我们可以开，同时在这下面开一个新的，就叫县城，比如说分析一下，在这我想让他帮忙分析一下预算， 这样它会读写里面的一些表格啊，然后生成表格啊等等啊。同时我还想要调用这个啊， x g b t 的 那个深图模型，那么目前这个模型也是市面上深图能力最强的。 对，这样你看我们在左边就能看到转圈的，是正在运行的，然后黄蓝色的小点表示已经完成，这是帮我们那个预算的，它能够生成一个像 csv 的 一些信息，然后它也能够读取原本里面的一些信息啊，对， 让我们再看一下这个 啊，经过这个几分钟他就生成了啊，然后他就生成了一个图片，我们可以看一下效果啊，还是很不错的。就是根据我们刚才的一些旅行安排，然后生成了一个啊，非常清晰，然后也很信息量比较全面的一个旅行安排。对， 然后这个地方有一个点我也想介绍它的功能，比如说在这个工一开始的过程当中，他是尝试生成一个 svg 的 图片，然后没有调用他的，我想他调的那个工具叫 emoji 键啊，在这儿，所以我就用这个，在这个地方可以打断他，比如说用户他还在生成当中，我可以直接啊， 直接去发送，然后他就可以可以调整他的方向啊。另外大家也可以在这个设置地方可以看到自己的一个使用量，在这个地方设置 下面有个剩余用量，他这边有一个每五小时跟一周的一个限制啊。一般来说如果你是叉 g t 的 plus 账户的话，就是啊，你进行一些高强度的整理文章啊，调研啊来说，一般来说是没什么问题的啊。然后 open i 也经常时不时会重置他们的这个限制啊，所以说相比克拉扣的来说，这一点是非常好的，有点量大管饱的意思， 哎，我们回顾一下这一期，就是第一个就是首先 codex 它不只是写代码，它更像是一个可以围绕你电脑资料这么工作的一个 ai 助手。第二个是 codex 里面的一个概念就是项目，项目本质上就是你对应你你选择的一个文件夹。第三个就是同一个项目里面可以开多个县城啊，不同县城处理不同任务 啊。第四个就是啊，他可以帮你整理资料啊，分析表格，生成图片等等一些工具啊。第五个就是你怎么样去看选择模型，速度以及以及查看你的使用量等等。 这一期只是一些基本的一些概念，但是以及能够看到 codex 的 一些核心价值啊，他不只是在告诉你怎么做，而是真的去帮你去完成一项工作啊。 下一期我们会继续讲一些更进阶也更实用的功能，比如说插件呢啊，技能啊，智能浏览器辅助自动化任务，以及啊怎么把一个复杂的任务拆解成几步让他啊连续几天或者上周的去持续的运行啊。这期先到这，请大家继续关注这个系列。
4125Tao 的 AI 产品实验室
03:59查看AI文稿AI文稿一个不看项目就直接改代码的 codex 才真的危险。很多人第一次用 codex， 以为它和普通聊天一样，你说一句它直接给你一个答案，其实不是。 codex 更像一个会在项目里边儿看编作的 agent， 它不是只靠嘴回答，它会读文件，搜代码，改文件、跑命令，看结果，然后继续调整。 所以你看到它先搜索，先打开文件，先看配置，不要觉得它在绕路。理解 codex 的 工作方式，先记住五个词， thread、 workspace、 tools、 patch、 verification。 第一个是 thread， 也就是当前这次任务绘画，同一个任务尽量放在同一个 thread 里做。你前面让它读过什么，它已经判断过什么， 都会影响后面的动作。比如前面已经分析过登录模块儿，后面再让他改登录按钮，他就能接着前面的上下文继续走。但如果你新开一个绘画，他很可能要重新读项目，不是他变笨了，是上下文断了。 第二个是 workspace， 也就是 codex 当前看到的工作区，它能看到哪些文件。首先看你打开的是哪个目录，它能不能改文件，能不能跑命令，还要看当前权限和模式。新手每次开始任务前，都应该先确认这两件事，可以直接问他一句，让他先报告工作区和文件，再说后面要不要动手。 这句话能防住很多问题，目录开错了，后面做得越多，错得越远。第三个是 tools， codex 会调用工具，读文件是工具，搜索是工具，编辑文件是工具，运行测试也是工具，你不用害怕它用工具。 真正要看的是他有没有先说明理由，用完以后有没有根据结果调整判断？如果他没看文件就开始下结论，你可以打断他，让他先去搜相关文件，而不是凭项目惯例猜路径。第四个是 patch， 也就是他真正改了什么 codex。 改文件时，重点不是他说了什么，而是他改了哪些文件。 一个小需求，如果突然动了十几个文件，就要停下来问清楚。你可以让他按文件说明这次为什么必须改，把非必要改动收敛到最小范围。 第五个是 verification， 也就是验证，改完不验证就不算结束验证。不一定每次都跑全量测试小任务，可以跑 link， 跑类型检查，或者给出手动验证步骤，但他必须说清楚用什么证明这次改动真的成立。你可以在任务一开始就写完成标准，让他最后按这个标准来交付 行为符合需求，只改必要文件，跑过相关检查或者说明为什么没跑。最后把改动验证剩余风险分开讲清楚。一个健康的 codex 工作流大概是这样，你说帮我修复登录按钮，点击后无响应的问题，它应该先找登录页面和按钮实现再查。点击事件 表单，提交接口调用和错误处理，确认原因后，只做最小必要修改。改完以后跑相关检查，或者说明项目里没有可用检查命令， 最后再告诉你改了什么，怎么验证，还有什么风险。这就是 agent loop。 真正要学的不是把每一步背下来，而是看它有没有跑完整个闭环。 如果它只给结论，没有读文件，风险高。如果它只改代码，没有验证，风险高。如果验证失败了，还说已经完成，风险更高。每次任务你都可以用三个问题卡一下它，你是根据哪些文件判断的？这次修改的最小范围是什么？你怎么验证它真的好了？ 这三个问题很朴素，但很管用。看 codex 的 工作日记时，不要只看最后一句完成了，你要看中间有没有证据链。一个靠谱的证据链通常是先说要查什么，然后真的去搜文件，再引用具体文件和函数，接着提出原因，做最小修改，跑相关检查，最后把改动、 验证风险分开，说少了哪一环就要追问。比如他没搜索，就说大概率是某个原因，这是猜，他没看测试命令，就说测试通过，这是不可信。他改完只说已完成，不说动了哪些文件， 这是交付不透明。所以这一期只记住一个判断， codex 不是 一次性给答案的机器，它是一个会在项目里循环观察和行动的 agent。 你 要做的不是催它快点答，而是让它每一轮都更接近一个能验证、能交付的结果。这期先到这儿，你还想让我继续展开，哪个点丢到？
808Ali厂长
01:52查看AI文稿AI文稿今天我让 codex 帮我把 gpt 生成的十五张图片，然后转换成了那种可编辑的 ppt 叉文件，然后最终的效果差不多有八十分吧， 但在最开始的时候，我没有上任何插件的时候，它转出来那种 ppt， 怎么说呢？就是图片还是图片，或者是说 它转成那种，呃， ppt 啊，是可编辑了，但里面的一些文字图标、版式啊，就已经被改的面目全非了，基本就是一坨屎的感觉。嗯，然后正好我今天在刷视频后的时候，看到一个博主推荐了 computer use 的 这个插件， 那这个插件它可以去模拟我们的那个鼠标去啊，操作我们的电脑文件啊，等等这些东西。我当时就在想是不可以把这个插件，然后正好用到我这个场景里去， 让它去像人一样，然后在那个 ppt 里面啊，去对着我这十五张图片，然后把里面的元素、图标、文字一个个 临摹出来，嗯，把它给画出来啊，这不就好了吗？然后我就把这个需求给到了 codex， 然后他就差不多给我干了五十多分钟的活吧，然后最后整出来目前这版效果， 呃，个人感觉还是比较满意的。那在整个过程中，我我我也就点了几下，就是那种就允许他去操作我电脑桌面的这个权限，那其他时间我就在跟同事聊天啊，或者是干呃更多的其他的一些活， 那就完完完全全就解放了我个人的生产力，解放了我的劳动力。所以我就觉得 ai 现在 ai 真的 是太强大了，而且非常的简单易用。而每个人真的就是你不管是有经验还是没经验，你只要呃用就行了，嗯。
289妮妮123
05:10查看AI文稿AI文稿今天这期视频我们主要来讲一下，当你拿到了一个相应的 cpu link 模型，或者是你在 搭建起一个整体的 cpu link 项目的时候，而针对于某一块环节出现了问题，导致 cpu link 无法运行， 而我们如何使用叉 g p t 大 模型和 codex 对 整体我们的视频 link 模型进行一个完整的修复。首先我们这里 拿一个具体的项目为例，我们可以发现整体的项目其实是包括了相应的风电渗透，以及当中还有相应的储能 s o c， 并且还有一个同步机一字桥屏加整体的复合扰动的对比分析。 这个项目其实是一个比较大的视频的一个项目，比较符合大家在完成相应的具体的项目以及论文当中的具体实践过程。 首先我们要先把整体的项目对应的姓名 link 文件儿传给前来 gpt， 而不需要让前来 gpt 进行长时间的思考，我们只需要 让 china gpt 先阅读这个 simulink 模型，然后让它先具体的记住，这时候 simulink 其实会给你一些相应模型的具体参数，但是我们前面说过吗？因为整体的 simulink 模型它在阅读的时候还其实是直接阅读它的图结构，而图结构 所消耗的注意力机制是相当相当大的，对于同文字所消耗的同等的 token， 一个图模型可能要相对于文字来说要带得有百万行甚至更多， 所以说仅仅传给拆了 gpt 我 们相应的新兵领口模型，这时候其实它是阅读的是相当有限的。好，这里我们要补充一下，要选择这个 thinking 模型，好同样指出我们要打印我们第一期视频相应的代码，要把整体的相应的关系连接出来， 然后同时这一步也是要告诉我们的 gpt， 让它记住这些信息先保存一下，然后这样我们的拆的 gpt 就 能把我们整体补充导出的所有的连接关系参数都一并记住并且保存， 并且这一个的主要保存的重点就包括我们可以看这里我们拆的 gpt 就 帮我们抓住了相应的重点，包括我们一个 space 系统完整的闭环结构，然后还给了一个相应的闭环结构参数，然后还有相应的顶层封扣，剩余百分之二十五的一个主通道，也就是对应我们， 也就是对应我们 sql link 模型当中的这一整体的集成部分。然后这时候我们需要再次打开我们的 sql link 模型，将我们报错的信息 复制，再粘贴给拆的 gpt， 这时候我们需要给拆的 gpt 输入相应的指令，而这个指令我在经过实验发现当中采用我们自然语言指令的效果是最好的，我们就可以直接告诉拆的 gpt， 刚才最主要的问题是我们的 sql link 模型报错了， 根据以上我给你的信息，这里可以给一个括弧备注，包括我们的西门利克魔剑和我们打印的所有信息， 接下来我还会把相应的报错信息单独给你，这时候你只需要仔细阅读我们应该如何修改，然后给我返回完整的 codex 相应指令。下面我们再把相应的报错信息 直接复制给 excel gpt， 这时候 excel gpt 就 会分析我们到底是哪个问题连错，这时候我们会发现它分析出了三大原因，而同样给了一个 codex 相应指令，这时候我们复制 codex 的 相应指令，我们再打 a codex， 为了帮助 codex 更好的理解我们，这时候也可以先传给我们 codex 相应的我们的 steam link 模型以及我们的打印最终的结果， 然后最终我们给 codex 输入以上我们的指令，这时候我们可以等待一段时间，具体看一下 codex 有 没有把我们的 steam link 给整体的修改完成。 最后 codex 直接反馈了我们一个新的文件，并且将后缀名改动改为 fix， 表示已经修改之后，这时候我们可以打开运行， 发现整体的 streamlink 是 完整的可以运行，以及相应的识拨器都是有对应的参数，这时候我们的整体的 streamlink 就 可以正常运行。 下期视频我们将详细的介绍如何在我们只有相应的对应的数学公式以及电路公式的基础上完成，整体是没有 link 系统的搭建，这期视频就到这里，谢谢大家。
1780右岸讲AI
01:56查看AI文稿AI文稿写 prc 的 兄弟，你知道你每天复制粘贴 ai 代码的动作有多浪费时间吗？你是不是也这样描述需求？复制代码，回到 ide， 新建 p o u 粘贴，改变亮明变异报错，再回去问 ai， 一个功能块折腾十几分钟，这套流程你用了两年，还以为自己在用 ai， 其实你只是个高级大资源。现在有个东西叫 mcp model context protocol， 它能干什么？让 ai 直接操作你电脑里的 poc 工程文件，而不是给你一段文本，让你自己去贴？你只需要用大白话说， 帮我建一个阀门控制功能块，带齿能手自动切换，超时故障， ai 自己就去创建 p u 填电量声明区，写 s p 代码触发翻译，读错误，自动改错再翻译，直到通过。有人实测过十五秒，你手动写十五秒够你打开文件吗？这时候你肯定想问，这么好的东西得花多少钱？ 答案是，完全免费。 tiktok 上已经有人做好了适配 code size 的 m c p server， 一 行 n p m install g 就 能装。再改一下 cloud desktop 的 配置文件，填上你 ide 的 路径，重启， 全程二十度。你花二十分钟配置，以后每天省两小时，这账不会算。我知道有人会杠， ai 生成的代码能用在安全场合吗？安全认证必须由工程师审核， 但你手头有几个项目是真要过这些认证的？大部分普通项目，阀门控制状态机，超时保护，报警逻辑，这些 ai 完全可以搞定。脏活累活交给 ai， 你 只负责拍板和安全把关，这才是工程师该干的活，不是复制粘贴。 最后问你一句，你是愿意花二十分钟配置一下，以后每天省两小时，还是继续用老方法把时间耗在重复劳动上？评论区告诉我你的选择，觉得十五秒是吹牛的欢迎来杠，已经了解过的分享你的观点，关注我，一起看懂公控圈的技术变更。
4583杰特超人
00:45查看AI文稿AI文稿你只会用 ai 大 香蕉出图，这样没办法精准控制。解决方式很简单，还是去模型中截图，一定要点击文件导出二维图像，选择四零零零 k 高清，这样比直接截屏更加清晰准确。 如果使用传统大香蕉出图，即便写了很多提示词，依然无法精准还原，效果和真实度也很一般。关键的来了，直接打开咱们的 ai 系统，将大香蕉融合进去，输入专属提示词模板， 等待一分钟出图，你就会发现效果和精准度直线提升，而且支持多种风格任意切换，从根源提升 ai 生图的质量，在人手一个 ai 的 时代，依然能领先同行。关注我，学习更多 ai 知识！
1333GD视觉
04:00查看AI文稿AI文稿很多人第一次看到 codex， 以为它只是一个会写代码的聊天框，错了。对小白来说， codex 真正重要的地方是它能进入项目文件夹，围绕一个目标持续推进，把结果落到文件里。 普通 ai 更像顾问，你问一句，他答一句。 codex 更像同事，你给他一个项目，一个目标，一个权限边界，他可以把任务拆开，然后一步步推进。 新手第一步不是追模型民，也不是找神提示词。先认识 codex 的 工作台，左边是项目和 thread， 中间是任务推进过程，结果会落在你的项目里。 小白上手路线可以压成五步，先安装登录，再添加项目文件夹，然后新建 thread， 用一句话说清楚目标，最后让它先列计划，不要一上来就直接改。 下载安装本身不难，真正要记住的是入口、账号、模型、权限都会随时间变化，教程只能帮你建立路径感，最终要以你账号里真实能看到的页面为准。 很多小白越用越乱，不是 codex 不 行，而是文件夹一开始就乱。建议先把学习资料、真实项目、沙盒、测试、通用工具分开，添加项目文件夹后，再在里面开 thread。 你可以把文件夹理解成项目群，把 thread 理解成群里的一个具体话题贴。黄金法则只有一句，同一个文件夹里做同一个大方向，同一个 thread 里只推进一件具体的事。不要上午改网页，下午算表格，晚上写文案，全塞进同一条任务线。 设置部分，先抓三件事， generally， 允许后台运行。 personalization 里写清协助规则，权限模式按风险选择，别为了快，把重要目录随便交给全权限。 personalization 本质上就是图形界面的项目规则。你要告诉 codex 改动要小，动手前先说计划，不要胡编路径，不要泄露密，要改完要告诉你最小检查命令。 skills 是 小白最容易低估的部分，它不是炫技插件，而是把固定做事方法沉淀下来。比如写作、调研、生成图文代码检查，都可以变成可附用能力。 定时任务、 m c p。 记忆系统、电脑自动化都很强，但新手不要第一天全开。正确顺序是先会文件夹和 thread， 再会规则和 diff， 最后再接工具和自动化。 如果这个视频只让你记住一个按钮，那就是 plan mode。 它的价值是先让 codex 只规划不动代码， 等你确认计划合理，再允许它执行斜杠命令 status。 推理深度是你日常控制 codex 的 三个入口，简单任务用低一点的推理深度，大任务再切到 high 或 extra high。 真正开始 web coding 后，门槛会从会不会写代码变成会不会描述需求。 你可以开麦说目标，但目标必须具体做什么给谁用，改哪里，怎么验收。也要诚实一点， codex 不是 所有领域都一次做到最好，前端效果不好就换更适合前端的组合，或者明确给它设计规范和截图反馈。 不要跟工具硬较劲。多个 threat 可以 并行推进，但前提是目标拆得清楚。比如一个 threat 改首页，一个 threat 写文档，一个 threat 做数据脚本，不要让他们抢同一批文件。 最后也是最重要的代码管理习惯让 codex 改代码，但不要让项目失控，每次任务都看改动范围，看 diff 跑最小检查确认没问题再提交。 总结一下，小白用 codex 的 最小路线不是学完所有技术，而是先做到三件事，会描述目标，会拆分任务，会检查结果。做到这三件事，你就不是在学一个工具，而是在学一种新的做事方式。
84沐晨AI笔记
00:40查看AI文稿AI文稿程序员直接狂喜，这个工具把大模型的智商彻底拉满了！它是专为 ai 编程智能体打造的代码知识图谱与缩影工具。记住这个项目名字，它在 tiktok 已经拿下了十七 k 的 四大，它会提前把你整个项目的所有函数、定义、变量、符号、调用关系、依赖链全部梳理成结构化知识图谱。 ai 直接查图谱就能拿结果，不用再反复扫文件，实测效果直接炸了！在七个真实工业级项目的精准测试中，同样四千个文件的大项目， ai 解锁调用次数从五十二次直接压到三次，效率提升十七倍。 原声兼容 cloud、 cody、 cursor、 opencode 的 所有主流 ai 编程助手，而且完全本地运行，代码数据绝对不会泄露。
9719亚莱加德
