如果你的本地知识库已经有，应该可以通过 api 进行调用。
这里我推荐另外一个 python 库（rankify），建议自己实现 RAG，方便对技术的理解。你可以看下这个微信推文

欢迎各位提出新的见解:

• API 是 deepseek 的 vl 模型，硅基流动平台的很便宜
• 非点击区域至灰，很简单 Opencv 实现即可

我 review 了一下代码

• IO 操作还是有些频繁，我减少一下
• 另外图片保存我放到线程池中操作
• 另外 xml 解析我查查是否有另外一些高性能包
• bouds 边界信息数据保存，我再琢磨一下

我后面琢磨一下，怎么优化。

纯视觉的可以研究看一下这个例子
https://github.com/X-PLUG/MobileAgent/blob/main/README_zh.md

在自动化脚本执行失败，大模型介入进行 “诊断”。

解决弹窗，还有一种使用 OCR 的方式，但实现逻辑比较复杂。

大佬，受教了，后面研究一下

嗯，这种尝试过的，给大模型手机分辨率后，让模型返回按钮坐标。
这种对模型的能力要求有些高。之前尝试过，返回的坐标容易不正确。
但可以看一下 mobile_agent 这部分代码，是阿里视觉模型的，没有依赖页面结构

https://www.aivi.fyi/llms/deploy-omniparser2.0

周刊地址，欢迎各位 rss

好的补充上了

常规自顶

嗯，会越来越好的

自己顶一下

全部重新更新了一下，再不行就没辙了

我怎么看的都是正常的
任就可能不清就看这个吧：
https://power-filament-0e1.notion.site/11c8ae0baa5f803c9121edc4e4d15b81?pvs=4

自己顶一下

原文地址：https://www.funfox.icu/article/d52dcc7f-3b7c-4a8e-8646-c690bf9ee73c

微调、蒸馏，一起都用上吧。有这块的新的发现，到时候一起分享一下

办公智能，以后企业内部的 API 是一个很大的接入口（企业 API 知识库）。Agent 来分配哪些事情让 LLM 调用什么 API 库。（API 统一化管理进行安全监控）感觉https://www.eolink.com/ 可以朝这块走走

（dify 不错、Flow-RAG 也可行）

市面上优秀的 LLM_OPS 类轻应用配置平台那么多，为像接口测试一样配置，不伦不类哈。
现在这种测试平台说实话，轻应用有很大局限性的。限制想象力
行业就是存在变化，每 3 年什么体系都会变，平台的更新都赶不上技术的发展....

知识库肯定要有，没有垂直业务知识，做的东西都是跟现实脱节的，但现在知识库召回效果不咋滴哦。

AI 员工，这种都是测热度，自嗨，随便部署一套的吧。
第一步应该是 要把事情分成几步，几个角色，解决具体问题的 AI Agent
积累多几个 Agent
然后再 多 Agent 联合更好的完成一件事情，组一个 AI Agent 团队
实际现实的工作，1 个脑袋怎么想的全...多几个试试