改完先看 diff 再合并——MiniMax Code 的改动该核到哪一层
判断标准不在于「有没有看懂每一行」，而在于能否说清三件事：这次改动动了哪些文件、原有行为是否仍然成立、有没有带来额外的依赖或配置副作用。MiniMax Code 这类 Agent 给出的改动，通常会在完成任务的同时夹带格式化、重命名和顺手重…
问答
BlenderWorld 用 3D 任务给 Agent 打分，先弄清它判的是哪一层
拿到 BlenderWorld 的分数先别急着调提示词。这个基准的判分点可能落在三个不同层级：Agent 产出的几何/场景结构、材质与场景文件本身，或者最终渲染图。同一份分数，若判分脚本读的是渲染图，那它衡量的是“看起来对不对”；若读的是 …
对话长了就想截断上下文——Hy Memory 2.0 的记忆淘汰该怎么定？
先别急着定“保留几轮”或“保留多少字”。Hy Memory 2.0 里更稳的做法是：先把一轮请求的实际历史规模量出来，再按内容性质选淘汰口径。轮数口径最容易实现，但会误伤长会话里的早期约定；长度口径能卡住成本和延迟，却容易把一次工具调用的请…
Wan-Dancer 装完跑不起来——卡在依赖还是显存？
Wan-Dancer 装完跑不起来，通常不是单一原因：要么依赖没装全、版本对不上，要么显卡撑不住默认的分辨率和精度。这两类问题在启动阶段都表现为“程序直接退出”，只看终端最后一行很容易判错方向。建议按这个顺序处理：先把完整堆栈写进日志文件，…
OvisOCR2 管版面还原、后处理脚本管字段校验，中间留一层人工抽检
OvisOCR2 负责把扫描件还原成带版面结构的块，但结构化之后的字段能不能直接进业务库，要分两步看：这个字段在解析结果里有没有稳定的来源块，以及它的对错能不能用规则判定。比较稳的分法是，模型输出只到“文本 + 块类型 + 坐标”为止，格式…
Xiaomi-Robotics-U0 管统一表征、从采集到训练这条链路得先跑通
链路串起来失败，多数不是某一段写错了，而是段与段之间的接口对不上：采集写出的字段、清洗脚本假设的字段、打包时的 dtype 和维度顺序、训练时读的归一化统计，只要有一处不一致，日志往往只报一句 key 找不到，或者干脆静默丢掉样本，看起来每…
让它自己跑一遍测试再交付——MiniMax Code 的验证步骤怎么定
想让 MiniMax Code 在交付前自己跑一遍测试，关键不在“让它跑”，而在事先把三件事写死：交出去哪些命令、结果必须回传什么、失败后哪些文件不许动。编码 Agent 通常能在终端里执行 shell 命令并读回标准输出和退出码，但这只是…
HyOCR-1.5 读图报错时 / 先确认预处理链路有没有改坏图
同一批图片里有的能识别、有的直接报错，先不要急着把问题归到 HyOCR-1.5 的模型能力上。读图报错通常落在三段里：输入图片本身的格式与通道、预处理链路（解码、缩放、旋转、格式转换）、以及调用时传的参数。最快的排查顺序是抽一张报错图做最小…
把角色设定和输出格式拆成两段再提交——Agnes-2.5-Flash 更听话的写法
提示词越写越长却还是漏格式，通常不是模型不听话，而是角色设定、任务说明、输出格式被塞进同一段话里互相稀释。可以先把它们按职责切成两块：角色与任务一段，格式与约束一段；然后只改“分段方式”这一个变量做对照，看漏项到底少在哪。Agnes-2.5…
聊到第十轮就忘了开头 / Hy Memory 2.0 的记忆到底落在哪一层？
判断“聊到第十轮就忘了开头”这件事，先别急着调上下文窗口，也先别假定长期记忆坏了。更稳的做法是把这句话拆成两条链路：一条是会话上下文，客户端每轮把历史消息拼进请求；另一条是跨会话记忆，模型之外的存储异步写入、下一轮再检索注入。然后用“开头那…
GLM-Legal 做合同条款梳理，先把法条引用和生效版本核一遍
用 GLM-Legal 梳理合同条款时，模型最不可靠的地方通常不在于它读不懂合同，而在于它给出法条时的“顺手程度”：名称像、编号像、年份也像，但版本可能已经修订，甚至引用的根本不是现行文件。比较稳的做法，是先把模型输出降级为“候选引用”，再…
GPT-Live-1.1 在嘈杂环境识别率掉得厉害——该调前端降噪还是换麦克风？
在嘈杂环境里 GPT-Live-1.1 识别率明显下降，先不要急着下单买麦克风。常见且可执行的判断顺序是：先确认系统或采集链路里有没有可用的降噪、噪声抑制选项，用同一段话录一遍，比较底噪与语音的比例；再换一支麦克风，在相同条件下做同样的录制…
用 LibTV Agent 做分镜脚本，先把角色设定和镜头节奏写进提示词
用 LibTV Agent 生成分镜时，角色跳脱和镜头节奏混乱通常不是模型本身的问题，而是提示词里缺少固定约束。更稳妥的做法是：先在项目里建一张分镜表，把角色名称、外观关键词、固定服装、禁止变化项写清楚，再把景别、动作、时长、转场拆成短句，…
OvisOCR2 输出段落顺序和原文对不上 / 问题出在版面还是图片质量？
段落顺序和原文对不上时，先别急着调模型参数：判断的依据是同一页在只改图像条件时，顺序结果会不会跟着变。如果换成更清晰、更干净、切边更规整的图后乱序位置改变，问题偏向图像质量；如果顺序错乱的位置几乎不动，只是随版面复杂度出现，问题偏向版面阅读…
先在本地把构建跑通再谈部署——Void 上手前该确认的三件事
部署时集中爆出来的问题，大多在本地就已经存在，只是被开发服务和残留的依赖目录遮住了。判断「Void 能不能往部署走」，先过三道门槛：在一个干净目录里完整构建一次、用生产模式启动一次、确认运行时和依赖版本跟目标机器对得上。三件事都在本地做完，…
先把驱动视频和参考人像对齐——Wan-Dancer 出片抖动的排查顺序
出片手脚乱抖、身体比例在几个关键帧之间来回跳变时，先要判断的是驱动视频与参考人像有没有在画幅、比例、时间轴上对齐，而不是直接去调采样步数、引导强度这类生成参数。对齐没做对时，参数调整的结果很难分辨，容易在一次又一次重跑里绕圈。可行的顺序是：…
Mellum2.1 做代码补全，先确认模型服务地址和 IDE 插件边界
在 IDE 里接 Mellum2.1 做代码补全，遇到不补全、补出半句、光标一直转圈时，先不要判断模型能力。更有效的顺序是把两件事拆开：IDE 插件负责何时触发、把请求发到哪个地址、带哪个模型标识、等多久；模型服务负责监听端口、加载权重、按…
先定查询粒度和返回字段——AnySearch 接入前要写清的三件事
AnySearch 这类检索接口，真正花时间的部分往往在调通之后：结果太散或太粗，字段里一半用不上，超时以后不知道该怎么向调用方交代。要减少返工，接入前先把查询粒度、字段白名单、失败语义这三件事写成纸面约定，再动手写代码。查询粒度决定一次请…
LibTV Agent 写提示词、素材库按镜头编号归档
素材越生成越乱，通常不是 LibTV Agent 生成质量的问题，而是提示词和成片之间缺一个共同主键。建议把镜头编号当作这个主键：先定编号规则，再让提示词文件、视频片段文件名、剪辑时间线里的片段名都带上同一个编号。检验做没做成只有一个标准—…
先分清会话记忆与长期记忆——Hy Memory 2.0 的存储后端怎么选
想给智能体加记忆，真正要先定的不是选哪个数据库，而是先把记忆拆成几堆，再看每堆的寿命和读取方式。会话原话通常只在会话活跃期被读到，长期事实则要跨会话反复查。这两类数据塞进同一个后端一般不会出大问题，但会带来两个后续成本：一是原话把存储撑大，…
共 19,964 篇问答