posts

文章归档

PlumePHP 全站文章的归档入口，按时间倒序汇总各专题的技术文章，并提供按主题浏览的专题分类入口。

这里是全站文章的归档入口，下面是按时间倒序排列的全部文章。若想按主题浏览，请从首页的专题分类进入。

全部文章

全部文章 Books game Java Indie golang 客户端开发 Minigame Saas rust Python
engine

小游戏引擎可视化编辑器架构：从 Canvas 到撤销重做的完整 TypeScript 实现

深入剖析 MiniPlay Studio 小游戏引擎的可视化场景编辑器架构设计。涵盖场景树（Scene Graph）可视化编辑、实体属性面板（Inspector）数据绑定、命令模式（Command Pattern）撤销重做系统、资源浏览器（Asset Browser）虚拟滚动、Canvas2D/WebGL 双模渲染预览、节点对齐吸附（Snap）系统、序列化与反序列化的完整 TypeScript 实现，附带可运行的在线演示架构。

11 分钟阅读
llm

多模态语音合成与识别：从 Whisper + TTS 到实时语音交互的 LLM 实践

系统拆解 LLM 语音技术栈：语音识别（ASR / Whisper）、语音合成（TTS / ElevenLabs / Coqui TTS）、语音活动检测（VAD）。 覆盖实时语音交互架构（流式识别 + 流式合成 + 打断机制）、多语言语音克隆、以及语音 Agent 的安全与隐私考量。 附完整的 Whisper API 集成、本地 TTS 部署、WebRTC 实时语音管道代码。

9 分钟阅读
llm

多模态生成式 AI：从 DALL-E 3 到视频生成与图生图的生产实战

系统梳理多模态生成技术：文本到图像（DALL-E 3 / Midjourney / Stable Diffusion XL）、文本到视频（Sora / Runway Gen-3 / Pika / 可灵）、图像到图像（ControlNet / IP-Adapter / Img2Img）。 涵盖 Prompt 工程（图像/视频生成专用）、负面提示词策略、分辨率与纵横比选择、版权与伦理边界。 附完整的 API 调用代码、Ollama 本地 Stable Diffusion 部署、以及批量生成与后处理流水线。

6 分钟阅读
llm

多模态图像理解：从 GPT-4o Vision 到开源视觉大模型的生产实践

系统拆解 LLM 视觉理解的技术栈：图像编码器（ViT/CLIP）、视觉-语言对齐（Projection Layer）、多帧处理与分辨率策略。 覆盖 GPT-4o Vision、Claude 3.5 Sonnet、Gemini 1.5 Pro、Qwen-VL、Llava 五大主流模型的能力对比与 API 调用方式。 附完整的视觉问答（VQA）、OCR 提取、图表分析、UI 自动化四种场景的 Python 代码实现。

4 分钟阅读
llm

人机协作模式（Human-in-the-Loop）：让 Agent 在关键时刻停下来，等待人类确认

深度分析 Agent 系统中人类介入的必要性与设计模式：审批流（Approval）、审核反馈（Review）、接管仲裁（Override）、触发条件与降级策略。 涵盖人机协作的 UX 设计、上下文压缩技术、以及监管合规要求（金融/医疗/工业控制的关键决策审计）。 附完整的 HITL 审批队列实现、审计日志设计与多层级审批工作流代码。

4 分钟阅读