V2EX = way to explore
V2EX 是一个关于分享和探索的地方
Sign Up Now
For Existing Member  Sign In
V2EX  ›  fzuccq  ›  全部回复第 1 页 / 共 3 页
回复总数  50
1  2  3  
@byte10 纯软件技术栈,容易被风控,如果上了规模的话
@zerovoid 每家都有自己大模型,每家都拒绝别家模型调用自己的服务,结果就是生态割裂,用户不便。
@Unitent 有技术难度的视频,肯定火不起来,无脑视频才能火。我用了 B 站的推广,要不然冷启动就只有个位数播放量。
@tho 硬件机械结构大同小异,背后的设计理念和应用目的却差异很大,灰产用简单的视觉算法,主要用于刷量,大批量执行重复简单的动作。我的思路是一个 agent 可以可靠使用手机的大部分常用 app ,能自动适应不同 app 和小程序页面导航,成为个人的生活助理。
@Exception615 利用 iPhone 镜像,对 Apple 耦合度太高一旦 Apple 政策变动,开源项目就很被动。个人使用镜像肯定没问题的。
@DiamondYuan 电磁铁的线不够长,需要延长线焊接。但焊接不是必须,胶带捆扎也行,但不如焊接牢固。
@notommorrow 非常抱歉哈,我这边不出售成品。零件需自行购买组装,组装手册可以在线查看,每一个步骤都非常详细。如果装配遇到困难,可以联系我,我可以提供帮助。
@winglight2016 至少硬件层应该是已经很成熟了。
@shuijingAGI 多谢好意哈,但是 agent 每一步都需要发送手机屏幕图片,涉及用户重要隐私数据,不太可行哈。
@fkdtz 商业化落地还有很多事情要做,商业可行性分析搞清楚,才能知道是否值得放手一搏。
@1273712403 这块大厂做肯定有许多优势,尤其是 Apple ,但是各家都推出自己的 agent ,然后互相屏蔽对方,反倒割裂,用户不方便。
@xiaomushen 也只有大企业才能付得起 token 费用,目前能稳定驱动 agent 的模型,单次点击操作成本 0.2 元,确实有很多优化空间。
@chouyee 让 agent 能稳定可靠运行,还是要减少对手机系统的侵入,这样风控触发会少很多。
@Clannad0708 技术路线和商业利益冲突的时候,历史不会自动选择最优的技术路线,或者最优路线需要很多年,走过很多弯路才会实现。
@zhangli2946 你这个论断太宏大了,我只不过想让 agent 能帮我做些琐事,好让我不必每天都操心这些必要而又无足轻重的事情。
@jjtang11 这个 agent 的定位是个人助理,帮你操作需要在手机上做的事情,并不是要做手机自动化农场。
@yohjisakamoto 手机正上方比较高的地方有摄像头,拍摄手机屏幕。把机械臂停靠在左上角,是为了不挡住摄像头观察操作结果。context 图片压缩,我已经做了极致优化,只保留最新的图片,历史图片都被 OCR 文本取代了。其实速度瓶颈不是机械运动,而是大模型 api 延迟太高,需要至少 20s 才能返回结果。
@xiaomushen 只针对特定场景,有固定操作流程,确实能做到低成本和快速响应。我想做的是,无需配置能操作大部分常用 app ,能应付各种 app 导航,这个场景要求确实 token 很贵。
@DiamondYuan 需要购买零件,DIY ,文档里有组装手册。
@loveumozart 我演示视频用的是 sonnet-5 ,但 kimi-k2.6, k3 性能也都不错。不能让多模态模型直接看图像输出 x,y bbox ,那样会漂移。我的做法是,在本地先对图片进行 OCR 和 ICON 检测,获取都 bbox 列表,和原图一起,发给大模型。让大模型从 bbox 列表选择,这样输出坐标就很稳定了。
1  2  3  
About   ·   Help   ·   Advertise   ·   Blog   ·   API   ·   FAQ   ·   Solana   ·   5158 Online   Highest 6679   ·     Select Language
创意工作者们的社区
World is powered by solitude
VERSION: 3.9.8.5 · 13ms · UTC 01:10 · PVG 09:10 · LAX 18:10 · JFK 21:10
♥ Do have faith in what you're doing.