AI 笔记

English 繁體中文 简体中文

面向非技术读者的 AI 短文。主题包括:入门设置、数字人、语音代理、检索增强生成(RAG)、人脸识别、美妆与关键点、AI 视频制作,以及网站。

全部文章备有英文、繁体中文及简体中文版本。

如何为 AI 代理创建网页抓取工具?

林邦源 · 2026年11月15日 · 阅读时间约 4 分钟

代理无法自己打开网页。这个 31 行的工具下载页面、保留可读文字、存成文件,并返回文件名,让下一步可以使用。

人脸比对应有多严格(人脸识别,版本 9)?

林邦源 · 2026年11月13日 · 阅读时间约 6 分钟

只改两行:加一个容差旋钮,决定两张脸算不算同一个人,以及这个数值该怎么选。

如何让实时人脸识别跑得更快(人脸识别,版本 8)?

林邦源 · 2026年11月13日 · 阅读时间约 6 分钟

先缩到半宽半高再搜索,再把框乘回原尺寸:画面更流畅,画质不变。

如何在实时视频中识别人脸(人脸识别,版本 7)?

林邦源 · 2026年11月13日 · 阅读时间约 6 分钟

先把文件夹里的人脸编码一次,再在每一帧里识别并标注姓名,认不出就写 Unknown。

如何在每一格画面上画框和标签(人脸识别,版本 6)?

林邦源 · 2026年11月13日 · 阅读时间约 4 分钟

用 rectangle 和 putText 每帧画一个红框和测试标签,为版本 7 的姓名留出位置。

如何修改来自摄像头的一帧画面(人脸识别,版本 5)?

林邦源 · 2026年11月13日 · 阅读时间约 4 分钟

在读出画面与显示之间加一行修改:转成灰度只是示例,后续版本都在这中间一步做文章。

如何显示摄像头的实时画面(人脸识别,版本 4)?

林邦源 · 2026年11月13日 · 阅读时间约 4 分钟

用 VideoCapture 打开摄像头,逐帧显示,按 q 退出。这一版不认脸,只验证摄像头。

如何看出照片里的人是谁(人脸识别,版本 3)?

林邦源 · 2026年11月13日 · 阅读时间约 5 分钟

用 compare_faces 与 face_distance 判断照片里的人是谁,并说明「最像」不等于「就是」。

如何把每一张人脸变成一串数字(人脸识别,版本 2)?

林邦源 · 2026年11月13日 · 阅读时间约 4 分钟

用 face_encodings 把每张人脸变成 128 个数字,文件名就是标签。

如何显示文件夹里的每一张人脸照片(人脸识别,版本 1)?

林邦源 · 2026年11月13日 · 阅读时间约 4 分钟

用 OpenCV 显示文件夹里的每一张照片,文件名就是人名:13 行程序,整个系列的起点。

如何使用即梦短剧工作室制作一部短剧视频?

林邦源 · 2026年11月11日 · 阅读时间约 5 分钟

用自然语言描述故事,即梦会自动分三步完成:剧本生成、资产库制作、分镜视频。以完整的 10 集都市恋爱短剧《双城之恋》为例,附角色设定图。

如何在 Google Search Console 验证你的网站?

林邦源 · 2026年11月10日 · 阅读时间约 5 分钟

向 Google 证明你的网站真的是你的:下载一个很小的文件、放到网站最上层文件夹,然后点击“验证”。

如何使用 AI 代理删除草稿中的重复句子(Research,版本 5)?

林邦源 · 2026年11月9日 · 阅读时间约 5 分钟

代理加入第四个工具。enhance_draft 读取七句的草稿,永远保留第 1 句,并删去只重复已出现数字的句子 —— 最后输出五句和五条尾注,程序还会打印它跳过了什么。

如何使用 AI 代理撰写附有尾注的草稿(Research,版本 4)?

林邦源 · 2026年11月9日 · 阅读时间约 5 分钟

代理加入第三个工具。模型从七个保留的结果中各挑一句,逐字照抄,write_draft 再为尾注编号 —— 文字没有被摘要,所以每句都可以追溯回它的来源网页。

如何使用 AI 代理挑选有用的搜索结果(Research,版本 3)?

林邦源 · 2026年11月9日 · 阅读时间约 4 分钟

代理加入第二个工具:generate_draft 读取已保存的搜索,保留分数 0.5 或以上的结果,并按网址剔除 Wikipedia —— 十个结果变成七个,数字和链接原封不动。

如何使用 AI 代理搜索网页(Research,版本 2)?

林邦源 · 2026年11月9日 · 阅读时间约 4 分钟

版本 1 的 Tavily 调用变成一个工具,由模型决定何时调用,return_direct=True 让运行到此为止 —— 十个原始结果原样返回,上面没有加上任何摘要。

如何用 Python 搜索网页(Research,版本 1)?

林邦源 · 2026年11月9日 · 阅读时间约 4 分钟

这个系列从没有代理开始:一个问题送到 Tavily,回来十个结果,每个都打印分数、链接和网页前 200 个字符 —— 这是之后每个版本加工的材料。

多个 AI 代理如何在主管之下运作(ReAct,版本 10)?

林邦源 · 2026年11月9日 · 阅读时间约 5 分钟

一个主管代理,手上三个工具 —— 读取网页、翻译、改写成粤语 —— 而其中两个工具本身就是代理。代码从不固定顺序;主管自己规划,并把计划打印出来让你核对。

AI 代理如何读取网页(ReAct,版本 9)?

林邦源 · 2026年11月9日 · 阅读时间约 4 分钟

版本 9 终于读取真实网页:requests 下载 HTML,BeautifulSoup 只保留标题、段落和列表项,版本 8 的句子规则再为页面上每句编号。

程序如何把一段文字分成句子(ReAct,版本 8)?

林邦源 · 2026年11月9日 · 阅读时间约 3 分钟

版本 9 将要读取网页,所以文字必须先切成句子。一行就能做到 —— 带后顾断言的 re.split —— 本篇逐步拆解那一行,包括为什么 HK$60.10 不会被切开。

如何在 AI 代理中使用 LangChain(ReAct,版本 7)?

林邦源 · 2026年11月9日 · 阅读时间约 4 分钟

与版本 6 同一个代理 —— Tavily 搜索加 memory.json —— 但改用 LangChain 重写。create_agent() 替我们跑思考 → 行动 → 观察的循环:不用解析 search[...] 文本,没有停止词,也不用自己累积提示词字符串。

如何让 AI 代理拥有记忆(ReAct,版本 6,memory.json)?

林邦源 · 2026年11月9日 · 阅读时间约 4 分钟

版本 5 因为代理忘记了任务 1,在追问上失手。版本 6 加入一个小文件:每个完成的答案都存到 memory.json,再载入下一个提示词,所以“香港有了吗?”终于知道“它”是什么。

AI 代理如何处理追问(ReAct,版本 5,无记忆)?

林邦源 · 2026年11月9日 · 阅读时间约 3 分钟

把可复用的代理连续调用两次:先问“Mark 何时推出 Muse?”,再问“香港有了吗?”。第二次调用完全不知道“它”是什么,因为每次调用都从空白提示词开始。补救方法:把上下文交给代理。

如何让 AI 代理可以复用(ReAct,版本 4,一个函数,任何任务)?

林邦源 · 2026年11月9日 · 阅读时间约 3 分钟

同一个研究代理,两个结构改动:循环搬进 perform_task(task),任何问题都可以研究;函数把答案以文本返回,让你的程序可以保存、发送或显示 —— 不只是打印出来。

AI 代理如何研究一个问题(ReAct,版本 3,在循环中进行网上搜索)?

林邦源 · 2026年11月9日 · 阅读时间约 5 分钟

同一个问题,一个工具:真实的网上搜索。代理思考、搜索、阅读,再思考,最多五轮;它发现两个来源对日期说法不一,于是收窄查询,最后交出有出处的答案,而不是“我不知道”。

AI 代理如何在没有任何工具的情况下回答(ReAct,版本 2,只推理)?

林邦源 · 2026年11月9日 · 阅读时间约 3 分钟

只推理,不行动,不观察:问“Mark 何时推出 Muse?”,看一个会思考但无法查证的模型。答案可能出错 —— 或者代理干脆回答“我不知道”。

AI 代理如何思考、行动与观察(ReAct,版本 1)?

林邦源 · 2026年11月9日 · 阅读时间约 5 分钟

最小的 ReAct 代理:模型写下推理,指名一个要调用的工具,Python 真实执行它,最终答案建立在观察到的结果之上 —— 而不是猜测。

如何为 AI 代理创建天气工具?

林邦源 · 2026年11月8日 · 阅读时间约 4 分钟

AI 代理无法走到户外,也不知道你身在何处。两个免费服务加一个 Python 函数,就能让它用一句话说出当前气温。

如何为 AI 代理创建时间工具?

林邦源 · 2026年11月8日 · 阅读时间约 3 分钟

AI 代理不知道当下的时间和日期。写一个九行的 Python 函数返回两者,并在代理使用之前先测试它。

如何使用 Google Flow 制作文字转视频?

林邦源 · 2026年11月8日 · 阅读时间约 4 分钟

在 Google Flow 里输入一句话,回答它关于语气和关键瞬间的几个问题,核对它写好的六格分镜,它就会替你拍出一支 30 秒广告 — 一次一段视频,附演示视频。

Seedance 视频系列 · 第 3 篇(共 3 篇)

如何使用 Seedance 2.5 视频接视频(版本 3)?

林邦源 · 2026年11月8日 · 阅读时间约 4 分钟

从已有的视频出发:上传片段后用 @Video 1、@Video 2 称呼它们,一句提示词告诉镜头如何从一段飞入下一段 — 内附示范片段和下载链接。

Seedance 视频系列 · 第 2 篇(共 3 篇)

如何使用 Seedance 2.5 制作长视频(版本 2)?

林邦源 · 2026年11月8日 · 阅读时间约 6 分钟

有多个步骤的长视频:把提示词拆成几幕,每幕写明初始状态、一个主要事件和结束状态,再加一段“保持一致”让人物、衣服、道具不变。

Seedance 视频系列 · 第 1 篇(共 3 篇)

如何使用 Seedance 2.5 文字生成视频(版本 1)?

林邦源 · 2026年11月8日 · 阅读时间约 5 分钟

六部分公式:主体和动作必填,场景、镜头、光影、氛围选填 — 附可复制的模板,以及 ByteDance 官方的陶艺师完整示例。

数字人系列 · 第 6 篇(共 6 篇)

如何在网页中使用 LiveKit 和 Synthesia Avatar 并通过网页点餐(版本 6)——英语?

林邦源 · 2026年11月6日 · 阅读时间约 9 分钟

Lin 化身餐厅领班:工具从一个变成四个,逐道菜带你点餐、把不能吃的菜变灰、打开菜品卡片,还在页面角落记住整张账单。

数字人系列 · 第 5 篇(共 6 篇)

如何在网页中使用 LiveKit 和 Synthesia Avatar(版本 5)——粤语?

林邦源 · 2026年11月6日 · 阅读时间约 8 分钟

Lin 改用香港粤语:换上讲粤语的耳朵和声音,来自另外两家供应商,仍然不需要额外密钥 — 页面照样跟着她滚动。

数字人系列 · 第 4 篇(共 6 篇)

如何在网页中使用 LiveKit 和 Synthesia Avatar(版本 4)——普通话?

林邦源 · 2026年11月6日 · 阅读时间约 8 分钟

Lin 学会说普通话:换上中文的耳朵和声音,并改用静音检测判断你是否说完了 — 页面依然跟着她滚动。

数字人系列 · 第 3 篇(共 6 篇)

如何在网页中使用 LiveKit 和 Synthesia Avatar(版本 3)?

林邦源 · 2026年11月6日 · 阅读时间约 8 分钟

会说话的 AI avatar 住进真正的网页:当 Lin 回答问题时,页面会滚动到她正在讲的部分 — 她的第一个工具 show_section。

如何在 username.github.io 创建一个免费网站?

林邦源 · 2026年11月6日 · 阅读时间约 5 分钟

一步步教你开立免费 GitHub 账户,用 GitHub Pages 在 username.github.io 发布个人网站,无需托管费用,也无需安装额外软件。

如何取得 Google 标签来了解网站的流量?

林邦源 · 2026年11月6日 · 阅读时间约 6 分钟

从 Google Analytics 取得一小段 Google 标签程序代码,贴到网站的每个页面,就能知道有多少人看过你的网站、他们从哪里来、用什么装置。

AI 如何在视频中计算人数?

林邦源 · 2026年11月5日 · 阅读时间约 8 分钟

一个简短的 Python 程序,用 YOLO 观看视频,统计每一个走过画面中那条线的人,最后另存一份标好框的视频,并打印总数。

数字人系列 · 第 2 篇(共 6 篇)

如何用 LiveKit + Synthesia 数字人(版本 2)?

林邦源 · 2026年11月6日 · 阅读时间约 7 分钟

会说话的 AI 数字人,知识库里装着一份纯文字档——改一下 FAQs.txt、存档,数字人就学会了新东西。

数字人系列 · 第 1 篇(共 6 篇)

如何用 LiveKit + Synthesia 数字人(版本 1)?

林邦源 · 2026年11月4日 · 阅读时间约 6 分钟

在浏览器里做一个会说话的 AI 数字人——对着麦克风开口,Synthesia 数字人就会实时回答你,由 LiveKit Agents 驱动。

如何用 LiveKit 语音代理聊天?

林邦源 · 2026年11月4日 · 阅读时间约 5 分钟

在终端跑起一个实时语音代理——语音识别、LLM、文字转语音——只需要两条命令。

如何用 LiveKit 语音代理查天气?

林邦源 · 2026年11月4日 · 阅读时间约 6 分钟

一个语音代理,会说话的 LLM,还能调用外部 API——问它「东京现在下雨吗?」,它会去抓实时天气。

如何在 macOS 安装 Homebrew 套件管理程序?

林邦源 · 2026年11月4日 · 阅读时间约 5 分钟

在终端贴上一行、把 Homebrew 加入 PATH,之后用一条命令就能安装命令工具或桌面应用。

如何用检索增强生成(RAG)在没有幻觉的情况下回答问题?

林邦源 · 2026年11月3日 · 阅读时间约 8 分钟

一个程序,把同一条问题问 DeepSeek 两次——第一次纯粹凭模型训练所学,第二次以真实网页检索出的句子作为依据——答案还会附上可核对的行号。

Python 程序如何找出与问题最相似的句子?

林邦源 · 2026年11月3日 · 阅读时间约 7 分钟

一个 20 行的 Python 程序,读取餐厅资料文件,找出与问题意思最接近的句子并打印出来。

Python 程序如何用 DeepSeek API?

林邦源 · 2026年11月3日 · 阅读时间约 5 分钟

一个 21 行的 Python 程序,把问题发送给 DeepSeek AI 模型,并打印出它的文字回复。

Python 程序如何用 Tavily API 搜索互联网?

林邦源 · 2026年11月3日 · 阅读时间约 4 分钟

一个 11 行的 Python 程序,用 Tavily 搜索互联网,并直接获得一段整理好的答案。

网页抓取如何把网页变成一个句子文件?

林邦源 · 2026年11月3日 · 阅读时间约 6 分钟

一个 32 行的网页抓取程序:下载网页、只保留可读文字、切成句子,并逐行存入文本文件。

程序如何把一段文字切分成句子?

林邦源 · 2026年11月3日 · 阅读时间约 4 分钟

一个 12 行的程序,用正则表达式在真正的句子边界切开文字,而不是见到句号就切。

如何提供网页,用检索增强生成(RAG)减少 AI 幻觉?

林邦源 · 2026年11月1日 · 阅读时间约 6 分钟

这个程序会抓取你指定的网页,先把文字交给模型,然后再生成回答。

如何用 AI 实时为你涂上口红?

林邦源 · 2026年11月1日 · 阅读时间约 7 分钟

这个 35 行的程序会在每一帧摄像头画面中找到你的脸,随着你的动作把嘴唇涂成樱桃红。

如何从摄像头获取实时画面?

林邦源 · 2026年11月1日 · 阅读时间约 4 分钟

这个 10 行的程序会打开摄像头,在窗口中显示实时画面,并教你如何保存一帧画面。

如何用 AI 为你涂口红?

林邦源 · 2026年11月1日 · 阅读时间约 6 分钟

两个为嘴唇上色的程序:一个是深红色配更深的唇线,另一个会试用 10 种具名色号。

如何用 AI 改变你的眉毛?

林邦源 · 2026年11月1日 · 阅读时间约 4 分钟

这个 12 行的程序会把两条眉毛涂上半透明的棕色,你原本的眉毛仍然看得见。

AI 如何找出你脸上的关键点?

林邦源 · 2026年11月1日 · 阅读时间约 5 分钟

这个 25 行的程序会在照片上标出 72 个关键点,并说明这些点有什么用途。

如何安装 Visual Studio Code?

林邦源 · 2026年11月1日 · 阅读时间约 4 分钟

官方下载页面、Windows 与 Mac 的安装步骤,以及如何确认编辑器能正常打开。

如何在 Mac 上安装及使用 uv 包管理工具?

林邦源 · 2026年11月1日 · 阅读时间约 5 分钟

Mac 的官方 curl 命令、如何验证安装,以及如何用 uv 选择 Python 版本并运行自己的程序。

如何在 Windows 安装及使用 uv 包管理工具?

林邦源 · 2026年11月1日 · 阅读时间约 6 分钟

官方 PowerShell 命令、如何验证安装,以及如何用 uv 固定 Python 版本并运行自己的程序。

如何在 Windows 解压文件?

林邦源 · 2026年11月1日 · 阅读时间约 3 分钟

使用 Windows 内置功能解压文件的步骤。

如何在无代码、低代码、氛围编程与传统编程中使用 AI?

林邦源 · 2026年10月31日 · 阅读时间约 5 分钟

使用 AI 的四种方式——从聊天框、氛围编程到智能体与 IDE 模式——以及为什么学一点编程仍然值得。