蓝耕元生代

承渊政道5 天前
三维空间·trae work·蓝耕元生代·glm-5.3·god’s eye view
将蓝耘元生代GLM-5.3接入TRAE Work:改造God’s Eye View,让三维地球听懂中文、解释公开数据把航班、卫星和地震放在同一个三维地球上,第一眼确实很抓人.但玩过一轮后,我更想解决一个具体问题:面对一排英文图层开关,能不能直接说“飞到东京,打开航班”,再用中文问清楚屏幕上的数据来自哪里、能说明什么?这次选的是GitHub上的 God’s Eye View.God’s Eye View 是一个将航班、卫星、地震等公开数据放进可交互三维地球的开源项目.我选它,是因为模型的作用很容易被检验:操作指令有没有让地图发生变化,数据解释能不能与实际记录对应,都有直观的参照.这也让它适合用来探索 Agent 如何调用
承渊政道9 天前
智能路由·模型切换·蓝耕元生代·商品评论分析工具
把模型切换交给平台:用蓝耘智能路由搭建商品评论分析工具在实际开发AI应用时,真正麻烦的往往不只是“把模型接进来”,而是模型接入之后怎么持续使用、切换和维护.以商品评论分析为例,我们可能需要模型完成情感判断、关键词提取、观点归纳、问题发现等任务.项目刚开始时,直接在代码里指定某个模型似乎最简单,但随着业务继续迭代,问题也会逐渐出现:模型效果发生变化怎么办?不同任务适合不同模型怎么办?想替换模型时,是否还要重新修改接口、参数甚至业务代码?如果同时接入多个模型,调用逻辑又该如何统一管理?这时候,与其让业务代码不断适配模型,不如换一个思路:把模型选择和切换能力交给平
承渊政道1 个月前
云原生·数字人·魔珐星云·glm-5.2·蓝耕元生代·播报
给云原生排障助手装上“大脑“和“身体“:蓝耘元生代MaaS×魔珐星云数字人实战当监控群里只剩一句"订单接口502",传统处理方式通常是SRE打开终端、逐条核对 Pod、Service、Endpoints,再把结论翻译成业务同学听得懂的话.问题不只是"找到根因",还包括两段很费人的转换:把散乱日志变成可审计的证据链,再把技术结论变成清晰、克制的口播.这次我做了一个"云原生故障排障数字人"小项目:蓝耘元生代 MaaS 负责模型接入和诊断推理,本地程序负责输入脱敏、结构化输出和命令安全校验,魔珐星云负责让 3D 数字人实时播报结果.最终链路不是简单改一个API地址,而是跑通了"故障证据
我是有底线的