大海

SIMPLE THE COMPLEX

Segment Anything 项目提出「可提示分割」任务并发布 SAM 模型与 SA-1B 数据集:11M 图像、1.1B 掩码,通过提示工程零样本迁移到边缘检测、目标提议、实例分割等任务。

阅读全文 »

2026年11月22日,我向6家大模型提了同一个问题:

给出你对未来十年的建议,3条就好,不要解释。

依次问了通义千问、DeepSeek、豆包、Kimi、ChatGPT和Google。6家的回答重合度很高,也各有差异,记录一下。

阅读全文 »

YOLOE 将开放词汇检测与分割统一进单个实时模型:RepRTA 处理文本提示、SAVPE 编码视觉提示、LRPC 支持无提示检索,在 LVIS 上以 YOLO-Worldv2 三分之一的训练成本反超其 3.5 AP。

阅读全文 »

Ultralytics YOLO26 用双头无 NMS 架构、MuSGD 优化器和 STAL 标签分配解决 YOLO 系列的四块短板,一个系列覆盖检测、分割、姿态估计、分类、旋转检测五类任务。本文解读其架构与训练设计、多任务扩展和 YOLOE-26 开放词汇变体。

阅读全文 »

V2 的四阶段流水线运行了几个月,分类体系依旧达不到理想状态:LLM 生成的中性命名缺少个人味道,类别粒度也和博客定位对不齐。V3 把 LLM 的职责从「生成体系」收缩到「从固定词表选标签」,类别分配改成零 API 的机械规则,用 taxonomy.json 固化 21 个类别和 239 个标签。本文记录这次推倒重来的完整过程:两级层级设计、四轮迁移 424 篇文章和踩到的几个坑。

阅读全文 »

skill 机制把工作流知识按需注入上下文,解决了 CLAUDE.md 全量加载与低频流程常驻之间的矛盾。本文以 claude-skills 仓库(maestro 与 dataflow 两个插件)为例,详细记录从项目内工作流到 marketplace 分发的完整实践:分类、插件化设计、hook 注入、版本管理、评估驱动迭代与踩坑。

阅读全文 »

SDD 的约束模型存在结构性缺陷:spec 是静态文档,约束依赖 Agent 主动阅读并自行对照,执行阶段仍会出现遗漏。本文介绍 DataFlow-CV 从 SDD 到 Skills 的优化实践:spec 维护方法论固化、开发 skill 抽取与 CLAUDE.md 结构优化、PreToolUse hook 主动约束注入,以及插件化分发与工程解耦。

阅读全文 »

大模型并不直接「读」文本,也不直接「看」图片——所有输入都要先被翻译成模型唯一认识的数学对象:Token(词元)。本文讲清楚文本和图片如何一步步变成 Token 序列:文本走 Tokenizer 与 Embedding 查表,图片走 ViT 切块、投影与拼接。

阅读全文 »

系列第三篇,聚焦多模型编排:复杂任务单个 prompt 装不下,需要拆成多个 prompt、甚至多个模型协同。介绍3种编排模式(Prompt Chaining、路由策略、Tool-use / Agent 协作)各自适用的场景和 prompt 设计要点。

阅读全文 »

系列第二篇,聚焦 RAG:把外部知识检索出来注入 prompt,补 LLM 的知识盲区;但注入方式不对,模型照样会忽略检索结果、自行编造。介绍 System Prompt 约束、上下文格式和引用设计的完整写法,可直接套用。

阅读全文 »