首页

实战 SOP

场景化落地教程,含真实截图、Prompt、工作流模板与踩坑记录。

AI 短剧怎么制作:即梦短剧工作室六步出片

即梦短剧工作室 10 月 26 日上线(官方公告口径),从输入剧本到导出成片六步走:剧本阶段 DreamScript(多题材生成、爆款诊断、10 万字长篇解析)→ 美术设定 Anycook(人物与场景)→ 分镜 DreamShot(画布/故事板双模式、3D 导演台预演)→ 生成 → 后期(片段重拍、声音重构、智能切镜)→ 导出。计费如实写:会员六档积分(725 至 54600)、Seedance 2.5 促销价 0.19 元/秒(CLI 0.18 元/秒),官网两页面价格不一致处以实时价格页为准;站内入口、单独计费、转绘语种等官方未公布项全部留白并给出读者自行验证路径。市场背景按 DataEye 口径:抖音 AIGC 漫剧月度占比从 1 月 0% 升至 12 月 10.88%、单月播放 21.96 亿、全年增长 181 倍。与站内 LibTV×WorkBuddy SOP(平台接入路线)的分工已声明。

3 块钱一支品牌片?LibTV WorkBuddy 视频工厂 SOP

LibTV × WorkBuddy 10-26 正式打通:WorkBuddy 连接器两步接入(搜 LibTV→授权→上传素材说需求),需求讲清四件事——拍什么、用在哪里、想要什么风格、哪些内容必须保留。三场景可抄模板:品牌视频(产品资料→卖点提炼→脚本分镜→成片)、爆款素材(一个创意批量生成不同开头卖点场景的 UGC 版本供投放测试)、短剧连续生产(梗概→剧情梳理→分镜→连续镜头);结合定时任务 7×24 出片。成本为官方自报口径:3 块钱一支品牌片、5 块钱一集短剧(借 Wan 3、Seedance 2.0 Fast 等模型成本优势);《过来人》等爆款在 LibTV 发布了制作画布与提示词可参考复刻;进阶路线走开源 Skills 仓库 libtv-labs/libtv-skills(MIT)。

不给 agent root:Claude Code 沙箱装机实操指南

给 agent 加沙箱但别给 root:Anthropic 开源沙箱工具 srt(anthropics/sandbox-runtime,Apache-2.0,6,615 stars,仓库 2025-10 已建)装机实操。npm 全局安装逐字实录、~/.srt-settings.json 配置原文、三平台原语差异与默认策略三层级(原生/默认/宽松),Windows 三层真相如实呈现:srt CLI 仍是 Alpha、Schannel 属硬限制无解、Claude Code 原生 Windows 不运行沙箱须 WSL2;84% 拦截率为官方自报口径,附 8 条社区坑清单(#139/#160/#122 已修、Ubuntu 24.04 sysctl 等)。

3B 小模型日吞 20 万页文档:DeepSeek-OCR 部署实录

DeepSeek-OCR 本地部署实录:视觉侧把整页压成几十到几百个 vision token,解码侧 3B MoE 激活仅约 570M,官方论文口径单张 A100-40G 日产 20 万页以上训练数据,24GB 消费卡即可入场。两代官方仓库路线不同:环境与 Transformers 推理走二代(Apache-2.0),上游 vLLM 与 API 服务化走一代(MIT)成熟生态;cuda11.8+torch2.6.0+flash-attn 2.7.3 环境逐字实录,五种分辨率模式 token 账本(64 到 400+),NGram 防复读处理器与 128821/128822 表格白名单,附显存社区口径警示(官方未公布)与 10 条排障清单。

428B 开源了,先备 8 张 H100:M3.1 Flash 部署实录

M3.1 Flash(428B/A23B)本地部署实录。先泼冷水:官方没有任何消费级或单卡配方,vLLM recipe 与 SGLang cookbook 验证过的最小档是 4 张 Blackwell(B200/B300/GB200/GB300,TP4)、4 张 AMD MI355X(TP4)或整机 8 张 H100/H200(TP8,FP8 路径)。权重从 HF 或魔搭下载(公开、非 gated),体积三口径并存:社区口径 252.4GB/48 分片加 2.3GB DSpark 草稿头,vLLM recipe 另列 NVFP4 285GB、MXFP4 293GB、FP8 533GB;官方无独立量化仓。vLLM 需 0.33.0 及以上(发布当日不在 PyPI,用 Docker 镜像 vllm/vllm-openai:minimax-m31-flash 或 nightly),三条官方命令逐字实录:H100/H200 TP8、GB200 TP4、MI355X TP4,均强制 --block-size 128 与 --disable-hybrid-kv-cache-manager(漏掉会报 No common block size for 16);1M 上下文靠 --max-model-len 放开(Hopper 官方示例限 262144)。SGLang 尚未合入 main(Blackwell 需装 MSA 内核 pinned commit 且 nvcc 不低于 13.4,cu130 不算数)。显存账本:BF16 全量约 856GB 为推算口径非官方;激活 23B 只降算力不降显存门槛——428B 的专家必须全部驻留,这就是消费级不可行的根因;1M 上下文的 KV cache 总量官方未公布。国产算力走 FlagOS Day-0 九芯片(含华为昇腾,SGLang-plugin-FL 路径),性能数字标 FlagOS 官方口径。排障 13 条官方预置口径全收:hugepages 560GiB、B200 OOM、parser 拼写差异等,每条带解法。许可 MiniMax Community License:商用署名加 2000 万美元门槛。一句话现实:428B 开源了,先备 8 张 H100。

Nemotron 3.5 Bolt 本地部署:74B 塞进 24GB 三条路

NVIDIA 于 2026 年 10 月 15 日发布 Nemotron 3.5 Bolt 74B-A9B 24GB:由 120B 的 Super VL 经 Star Elastic 预算条件化架构搜索压缩而来(专家路由 top-K 从 22 降到 9,蒸馏恢复训练 120B tokens),Mamba-2 与 Transformer 混合架构,量化方案是关键——占权重大头的专家层压到 IQ2_XXS 每元素 2.0625 bit(约 19GB),Mamba 线性层用 NVFP4,lm_head、词嵌入与注意力保持 Q8_0,全模型落在 22 至 24GB,精度靠 QAD 量化感知蒸馏从压缩阶段一路找回。本文给四条部署路线实录:Ollama(0.40.5 起支持,ollama run nemotron-3.5-bolt,25GB 下载,ollama ps 验证 100% GPU);Unsloth(UD-IQ2_XXS 约 22GB、UD-IQ1_M 约 20.3GB,ctx 从 4096 保守起步);llama.cpp 官方配方(需 10 月 15 日后构建才认识 nemotron_h_moe 架构,28GB 配方 65K 上下文加 8-bit KV 加 6 个草稿 token,32GB 配方上 262K;b11521 起 llama-server 默认端口改为 9931);vLLM(Blackwell SM120 配 LiLiCorr drafter,服务端多用户场景)。显存账本与两条上下文起步口径并存:裸模型 16K-32K 起步,Unsloth 因默认带 1-2GB draft model 建议 4K 起步。排障八条覆盖 OOM 砍上下文、层落系统内存、漏 --mmproj、max_tokens 16384 共享预算截断等。许可证 OpenMDW-1.1:免费无限制商用、输出物不受限、再分发须保留版权声明、含专利报复条款。厂商自报 GPQA Diamond 86.4、Terminal-Bench 2.1 51.0、PinchBench 公开榜同级第一(RTX Spark 实测 83.99 TPS,消费卡无官方数据);4GB 的 Bolt E4B 于 10 月 23 日接档发布。

Xing4.0-29B-Intent 部署:29B 只跑 4B,命令抄哪条

把 Xing4.0-29B-Intent 跑起来的关键,是官方部署说明其实不在本仓库而在基座仓库:意图仓库 README 只给一句替换说明,完整 vLLM 与 SGLang 启动命令需从基座 Xing4.0-29B-A4B 搬,再把模型路径换成 Xing4.0-29B-Intent 权重路径并把 --served-model-name 设为 Xing4.0-29B-Intent。命令里几个参数是硬门槛:--trust-remote-code 必须加(model_type 为自研 xing4_0,非 llama 非 qwen),--tensor-parallel-size 2 意味着至少两卡,--max-model-len 262144 对应 256K 上下文,--reasoning-parser xing4_0 与 --tool-call-parser xing4_0 配套解析器,--speculative-config 用 mtp 方法,--gpu-memory-utilization 0.90 与 --max-num-seqs 4 是官方示例配比。权重 41 个 safetensors 分片共 62.43 GB,官方量化只有 FP8(33.17 GB,e4m3)与 GGUF(IQ4_NL 单文件 17.75 GB),没有 AWQ、GPTQ 或 INT8 safetensors。显存官方完全未公布,只说按实际环境配置;基座层给出的是必须 bfloat16(mHC 模式要求,FP16 或量化路径会报错)、暂不支持 --pipeline-parallel-size 大于 1、CUDA 上 mHC 路径需装 tilelang、宿主机需 Docker 24.0 以上与驱动 535 以上;昇腾路线明说需 910B2 系列 NPU 至少两张卡,并提供 quay.io 上三款官方镜像(镜像不含权重需自行挂载)。消费级与 CPU 路径只在基座 llama.cpp 文档里出现:int4 权重用 IQ4_NL 量化后约 19 GB,可在单张消费级 GPU 上跑,示例卡 RTX 3090 24 GB。SDK 只是 httpx HTTP 客户端、未发 PyPI;结构化输出两层:模型原生 category + args 数组,以及 SDK 开启 guided_json 后自动生成 JSON Schema 走 vLLM response_format 约束解码。许可虽为 Apache-2.0,但权重侧无独立 LICENSE 文件、仓库 LICENSE 是未填版权人的占位模板、61 个上游数据集原许可仍需自行核对。

开源语音模型五连发:蚂蚁 MIT 协议四卡起步

蚂蚁集团 inclusionAI 2026-10-19/20 以 MIT 协议开源 Ming-3.0 语音系列五款模型(多源确认,可自部署可微调可商用),覆盖语音合成、音频理解与对话、语音识别三方向:Ming-3.0-tts-0.5B(0.5B dense,最轻量四卡可部署)、Ming-3.0-tts-tiny(7.9B 总/1.3B 激活 MoE,长篇多说话人播客)、Ming-3.0-audio-flash(126B 总/6.5B 激活 MoE,音频理解与对话、可文字可语音作答)、Ming-3.0-audio-tiny(9.3B/2.7B,效率向)、Ming-3.0-asr-tiny(8.6B/2B,上下文感知转写)。能力:TTS 文字描述音色、导演模式自然语言控情绪/重音/节奏、声音克隆、七种语言+两种方言;音频理解长音频直接输入、结构化输出、保留情绪与说话人身份、工具调用生成;ASR 方言识别、热词注入、上下文感知。接入步骤(kie.ai 与 README 核实):TTS 路线 git clone github.com/inclusionAI/Ming-3.0-tts → conda 环境(0.5B:python 3.10 + pip install -r requirements.txt + conda install -c conda-forge pynini==2.1.6)→ 按 README 跑推理;tts-tiny 需独立环境 Python 3.10.15 + PyTorch/Torchaudio 2.7.1(cu118)+ Transformers 4.46.3;audio-flash 可下载权重或走 Ling Studio Chat(ling.tbox.cn),128K 上下文,语音输出走 Chat Completions 的 audio.voice 字段(modalities=["text","audio"])。硬件口径:官方主要在数据中心卡测试,推荐 NVIDIA H800(80GB)/H20(96GB),0.5B 四卡为最低门槛,消费级卡可行性未验证;day-0 生态 vLLM-Omni、SGLang-Omni 已适配。蚂蚁内部应用(官方稿口径):asr-tiny 用于阿福医生助手、支付宝搜索、蚁小保实时语音对话、安全核身。局限四条如实写:无量化文件(GGUF/AWQ/EXL2 均无)、流式存疑(SGLang-Omni 传 stream=true 仍返回整段波形,真实首音频延迟未确立)、控制模式互斥(Voice Design/情绪调制/方言选择不能单次推理组合)、训练语料未公布。榜单背书(二手口径):Artificial Analysis TTS 榜(Provider Voices)Ming-3.0-tts 1244 分居前列。与站内分工:voice-cloning-toolkit-comparison-review(2026-10-15)是横评栏选型文(五强怎么选),本篇是 SOP 栏接入实操(五款全栈怎么装怎么调),不同栏不同角度。

AI 跨会话记忆怎么实现?混元 MemHub 十分钟跑通

用腾讯混元现成方案给 AI agent 装跨会话记忆的接入 SOP,全部命令取自 MemHub README 与 PyPI 实测。安装三层:SDK 层 pip install hy-memory==2.0.3(写作时最新版);CLI 层 npm 装 memhub-cli 引导器(约 384KB),再跑 memhub install 下载 Runtime;数据目录 ~/.one-memory。v1.0.3 平台支持:Linux x64/arm64 Runtime、macOS arm64/x64 App——Windows 不支持(README 明确,正文加粗提醒+FAQ 双提醒,本站 Windows 读者多)。十条 CLI 命令逐条展开:serve/start/stop/restart/status/doctor/install/upgrade/uninstall/delete-data,含首跑流程示例(install 装完先 status 验证、doctor 体检、serve 起服务再接 agent)。隐私边界五条照写:不采集屏幕、不 OCR、不采集键盘鼠标事件、不读剪贴板、不录音。工具数两口径并写:MemHub README 列 5 种工具,腾讯官方公众号稿称 10 种,正文不选边、以实际 CLI 输出为准。preview 警示独立成节:Hy Memory 2.0 与 MemHub 均处 preview 阶段,命令与 API 可能变动,生产慎用。常见坑:Windows 读者给出的替代路线(WSL2 或等官方支持)、版本号必须带 ==2.0.3 保证可复现、数据目录备份即拷 ~/.one-memory。分工声明:ai-agent-long-term-memory-sop(2026-08-08)讲 mem0/Letta 自建长期记忆(向量库+文件),本篇讲腾讯混元现成开箱方案,面向想当天跑通的读者。主攻搜索词「AI 跨会话记忆」(S1=2/S2=1/S3=2/S4=3,约 8 分强采线)只进标题与本摘要,不进正文。

Claude Code 接 DeepSeek:官方九变量,别抄旧教程

Claude Code 接 DeepSeek 的官方直连 SOP,全部命令与变量取自 DeepSeek 官方指南(api-docs.deepseek.com/quick_start/agent_integrations/claude_code),对应 1017 checkpoint 上线后的现役配置。主攻搜索词「Claude Code 接 DeepSeek」(S1=3/S2=1/S3=2/S4=3)。迁移路径九项环境变量:ANTHROPIC_BASE_URL 指向 https://api.deepseek.com/anthropic、ANTHROPIC_AUTH_TOKEN 填 DeepSeek API Key、ANTHROPIC_MODEL=deepseek-flash[1m]、DEFAULT_OPUS/SONNET 同为 deepseek-flash[1m]、DEFAULT_HAIKU=deepseek-flash、CLAUDE_CODE_SUBAGENT_MODEL=deepseek-flash、CLAUDE_CODE_EFFORT_LEVEL=max、CLAUDE_CODE_AUTO_COMPACT_WINDOW=786432;Windows PowerShell 与 Linux/Mac 两版写法都给。从零安装四步:Node.js 18+(Windows 另装 Git for Windows)、npm install -g @anthropic-ai/claude-code、claude --version 验证、配变量后进项目目录运行。模型映射:claude-opus 开头的请求映射到 deepseek-v4-pro(按 V4 Pro 价计费,比 Flash 贵,必读提醒)、claude-haiku/sonnet 映射到 deepseek-flash。Web Search 原生可用但两条计费线:搜索请求按 Search API 计费,对检索内容的摘要另产生 token 费。价格口径(官方定价页):off-peak 每百万输入 0.15 美元(cache miss)、0.003 cache hit(约为 miss 的五十分之一)、输出 0.60 美元,peak(工作日 UTC 01:00-04:00 与 06:00-10:00)双倍,周末与中国法定节假日算 off-peak。常见坑五条:AUTH_TOKEN 与 API_KEY 不是一回事(混用等于白配)、新旧变量并存可能鉴权冲突(只留新变量,社区教程口径)、密钥不进 settings.json 不入 git(固化用 ~/.bashrc、~/.zshrc 或系统环境变量)、接好后先跑「读一个文件再改一个文件」最小任务验证工具调用链路、/status 查当前生效模型。市面旧教程多残留 deepseek-chat 等已退休模型名。与站内分工:deepseek-v4-pro-claude-code-sop 是 V4-Pro-0813 时代「2 个环境变量」最小配置(2026-09),本篇是 1017 后官方现役全量配置;Harness 本体入门见 deepseek-harness-quickstart-sop。