首页
场景化落地教程，含真实截图、Prompt、工作流模板与踩坑记录。
Qoder 双福利领取与用量管理实操 SOP：从下载安装（国际版 qoder.com / 国内版 qoder.cn，桌面端、移动端、IDE、JetBrains 插件、CLI 五种形态）、注册登录（两版账号与额度互不互通）、确认限免生效（模型选择器选中 Qwen3.8-Flash 即按 0 倍系数计费，无需领取），到每日 100 Credits 领取节奏（每天 10:00 开放、每轮一次、错过不补、每笔 30 天有效可叠加）、用量管理（先用量面板查消耗、Qwen3.8-Flash 打底把 Credits 留给难任务）、扣减规则（优先消耗最早到期额度、同日到期先套餐内后资源包），最后给 9 月 30 日窗口期结束前的收尾规划。UI 细节以客户端实际界面为准。
Octop 自托管部署实操 SOP：先给"该不该自托管"的决策口径，再走四条安装路径对照（一键脚本 / Windows PowerShell / Docker Compose / 腾讯云 Lighthouse 与 CVM 官方镜像市场），逐字按官方 README 执行 octop init 与 octop run（默认端口 8088），首次登录立即改默认凭据（README 未写死默认密码、第三方评测口径为 admin/octop、Docker 初始化则生成随机密码），随后配模型（OpenAI 兼容/Ollama/近 20 家）、专家与 MBTI、连接器（腾讯文档/OAuth/MCP）与 IM 通道，最后 Docker Compose 与 PostgreSQL 生产化，附 6 条踩坑速查与 10 条上线前 checklist。
书生-S2 接入实操 SOP：对个人与小团队最现实的是免费 API（chat.intern-ai.org.cn 在线体验、internlm.intern-ai.org.cn/api/strategy 领额度），有算力机构可走 HuggingFace internlm/Intern-S2-397B 权重推理。文章给出三种接入对照表、免费 API 最小可运行 Python 调用、HF 推理骨架、科学长程任务两套可直接改的 prompt 模板（分子结合剂设计、材料结构生成），以及 Memory Decoder 记忆模块挂载说明与十项踩坑（免费额度限速、397B 显存爆炸、长上下文截断、Preview 版 2026-10-31 下线迁移等）。结论：个人零成本先走免费 API，别一上来就想着本地部署 397B。
把 diagram-design 这套图表技能包接进日常编码工作流的实操 SOP，命令逐字取自项目官方 README。分七步走：先交代它解决什么问题与不解决什么；再给各宿主安装与更新命令对照表（Claude Code 的 /plugin marketplace add 与 /plugin install、Codex 的 codex plugin marketplace add 与 plugin add、GitHub Copilot 的 copilot plugin 系列、Factory Droid 的 droid plugin 系列带 --scope user、Pi 的 pi install 加 /reload、Kiro 的子目录 URL 导入、OpenCode 的目录复制或软链）；然后是首次运行 gate（默认皮肤未改会停下来问你要不要 onboarding）与品牌 onboarding（读站点抽色抽字、映射语义 token、WCAG AA 对比度校验、保真回执）；接着是出图与自检，含三条可直接抄的自然语言示例与官方那六条算跑通了的判据，以及 self_check.py 打印 OK 才算过；导出与导入一节讲清四个旋钮与只导出图本身这个边界，还有 fidelity ledger 长什么样；多客户品牌隔离用命名 profile 加 .diagram-design 标记文件实现。第七节是十项踩坑速查，条条写清现象与原因，例如 Claude Code 对第三方 marketplace 默认关闭自动更新、Factory Droid 按 commit 跟踪而不认 manifest 版本号、Pi 没有自动刷新要手动 pi update --extensions、Kiro 是复制不是链接、OpenCode 复制式安装不会自动更新、旧版 npx skills add 装的独立副本不会跟随 Codex marketplace、自定义 style-guide.md 会被包更新覆盖、PNG 导出首次缺 Playwright 与 Chromium、误以为导出包含全版式、以及动效 HTML 截图会截到中间帧。核心判断：这套技能包真正的门槛不在安装，而在版本更新路径与产出物边界 —— 官方为每个宿主分别写更新命令这件事本身就是信号，跨宿主技能包的分发与升级至今没有统一答案。
把 LingBot-World 2.0 的 1.3B causal-fast 在本地跑起来的实操 SOP：环境与依赖（torch 2.4.0 以上、flash-attn 等，命令逐字取自官方 requirements.txt）到权重下载（1.3B 包只含 DiT 权重，T5、VAE、tokenizer 与 14B 共享，必须用 assets_dir 指向 14B 目录，否则起不来），再到跑通第一段（torchrun 或官方 run_fast.sh），以及参数调优（frame_num 须为 4n+1、local_attn_size 18、sink_size 6、chunk_size、base_seed、save_dir），最后落到生产化与部署路径（官方不开源部署代码，参考 SGLang cookbook 或 NVIDIA flashdreams），收尾八条踩坑与十项上线 checklist。关键踩坑：硬件门槛口径三重分歧（README 示例 1.3B 四卡、run_fast.sh 参考二卡、媒体称消费级单卡实时），以代码仓为准、最低可复现二卡、单卡实时标注未确认；ulysses_size 必须整除注意力头数（1.3B 为 12、14B 为 40）并与 nproc_per_node 相等；causal_fast（每 chunk 4 步、无 CFG）与 causal_pretrain（每 chunk 40 步、有 CFG）的取舍；许可证 CC BY-NC-SA 4.0 非商用，产品化前须先确认授权。
把 OpenAI GPT-Live-1 实时语音 API 接进生产的五步 SOP：①适用与不适用（实时电话智能体/语音客服 vs 本地批处理配音，后者见同批 VoiceStudio）；②接入前检查清单（权限配额、梳理现有文本流水线改造点、准备回归基线、评估是否需后端强模型转交）；③五步接入——鉴权与凭证集中管理（勿硬编码 key）→最小可运行实时语音脚本（WebSocket/HTTP 骨架，含鉴权、建会话、收发音频帧）→与业务流水线整合（识别结果喂业务、后端输出回灌合成）→后端强模型转交设计（何时交 GPT-5.6 Sol/GPT-6 Astra、如何计额度控成本）→灰度与监控（并发路数、音频时长分布、失败重试、成本告警）；④语音智能体场景：打断处理与噪音鲁棒性的回归验证、全双工状态管理复杂度；⑤7 条踩坑与 10 项上线检查清单。所有价格、速率限制与并发上限均标注「以官方文档为准」，不编造。
把 DeepSeek V4.1 Flash 接进生产的五步 SOP：①先判断适用与不适用（重度依赖旧模型特定行为的生产链路不要急着动）；②迁移前检查清单——盘点模型名出现在哪些配置、环境变量与硬编码处，并准备一组代表性 prompt 建立回归基线；③五步迁移——模型名改为 deepseek-flash（集中配置管理，避免散落硬编码）→最小可运行验证脚本→与旧模型做回归比对（关注格式稳定性与指令遵循）→灰度切换与回滚开关设计→观察失败率、重试率与输出长度分布；④与 Agent 场景结合，用同一批长轨迹任务在切换前后对比 token 消耗，自行验证官方宣称的 KV Cache 压缩，而不是直接采信宣传数字；⑤六条踩坑与十项上线检查清单。所有价格、速率限制与窗口数字均标注「以官方说明为准」，不做编造。
把蚂蚁开源 6B 生图模型 LLaDA-Image 跑起来的五步 SOP：①环境准备（依赖与国内镜像加速下载）；②四档权重怎么选（Base 50 步 / Turbo 4 步 × BF16 / FP8，国内走 ModelScope）；③跑通第一张图（Base 与 Turbo 最小可用命令）；④进阶（参考图编辑、文字渲染、ComfyUI 接入、显存不足时的降级策略）；⑤生产化（批量队列、并发容量规划、成本监控、结果入库与故障降级）。含 6 条踩坑与 10 项上线自检清单，命令逐字取自官方 README；仓库 license 为 null，商用前须确权。
从零把 OpenMAIC 跑起来的完整 SOP：①零部署路线（open.maic.chat 取访问码即用）；②本地标准部署（pnpm >= 10，clone → pnpm install → .env → pnpm dev）；③生产化（pnpm build && pnpm start、Vercel 一键、docker compose up --build）；④进阶（Postgres 持久化 profile、ACCESS_CODE 访问码、MP4 导出 profile、Lemonade/FunASR 本地化）；⑤接进 agent 工作台（clawhub install openmaic 或导入 skills/openmaic/，从飞书/Slack 发消息生成课堂）。含 6 条踩坑与 10 项上线自检清单，全部命令逐字取自官方 README。
月之暗面 2026-09-02 宣布 Kimi API 原生双协议：OpenAI Responses（`api.moonshot.cn/v1`）+ Anthropic Messages（`api.moonshot.cn/anthropic`），主推模型 kimi-k3。实战 SOP：改 Claude Code 的 `~/.claude/settings.json` 把 ANTHROPIC_BASE_URL 指向 /anthropic、模型设 kimi-k3[1m]；改 Codex 的 `~/.codex/config.toml` 设 wire_api="responses"。即可把 Kimi 当统一模型路由网关，切底层模型不改客户端代码。边界：Responses 仅文本+图片、K2.7 Code 强制思考、旧 ANTHROPIC_API_KEY 须删。