Ostrakon-VL-8B与Dify无缝集成打造可视化多模态AI工作流最近在折腾多模态大模型发现了一个挺有意思的组合把星图GPU平台上部署的Ostrakon-VL-8B模型和Dify这个可视化AI应用开发平台给打通了。这个组合最大的好处就是能让不懂代码的业务人员也能像搭积木一样快速搭建出能看懂图片、分析内容的智能工具。你可能遇到过这种情况公司每天要处理大量用户上传的图片比如商品图、场景图需要从中提取信息、分类归档或者生成描述文案。传统做法要么靠人工一张张看效率低还容易出错要么就得找开发团队写一套复杂的程序成本高、周期长。现在有了Ostrakon-VL-8B和Dify事情就简单多了。Ostrakon-VL-8B是个能同时理解图片和文字的多模态模型而Dify提供了拖拽式的可视化界面。把它们结合起来你就能设计出“上传图片→模型分析→自动总结→存入知识库”这样一套自动化流程整个过程基本不用写代码。接下来我就带你一步步看看怎么实现这个组合以及它能用在哪些实际场景里。1. 为什么选择这个组合在开始具体操作之前我们先聊聊为什么要把Ostrakon-VL-8B和Dify放在一起用。理解了这个你才能更好地判断它是否适合你的需求。1.1 Ostrakon-VL-8B强大的多模态理解能力Ostrakon-VL-8B是一个开源的视觉语言模型。简单来说它就像一个同时具备“眼睛”和“大脑”的AI。你给它一张图片它不仅能描述图片里有什么还能回答关于图片的复杂问题甚至根据图片内容进行推理。比如你给它一张会议室白板的照片上面画满了流程图和文字。它不仅能识别出“这是一块白板”还能读出上面的文字理解流程图的结构并总结出会议讨论的核心议题。这种深度理解能力是很多单纯做图片识别的工具不具备的。在星图GPU平台上部署这个模型后你就获得了一个稳定、可随时调用的多模态AI能力接口。1.2 Dify让AI应用开发像搭积木Dify的核心价值在于“可视化”和“低代码”。它把AI应用开发中常见的环节比如调用模型、处理输入输出、连接数据库、设置条件判断等都做成了一个个可视化的“节点”。你可以把这些节点想象成乐高积木。你需要一个“图片上传”功能就拖一个“文件上传”节点需要分析图片就拖一个“大模型”节点并选择连接到你部署好的Ostrakon-VL-8B需要把结果存起来就拖一个“知识库”节点。整个过程都在网页上通过拖拽和连线完成极大地降低了技术门槛。业务人员、产品经理只要理清业务流程就能自己动手搭建出可用的原型甚至生产工具。1.3 组合优势112单独看两者都很强。但结合起来才能解决真正的业务痛点降低使用门槛无需编写复杂的API调用代码和前后端逻辑专注于业务流设计。快速迭代验证一个想法可能半天就能在Dify上搭出可运行的流程进行测试快速验证可行性。流程自动化将单次的图片问答扩展成包含预处理、分析、后处理、存储的完整自动化流水线。易于维护和分享在Dify中构建的应用他们称为“工作流”可以一键发布为Web应用或API团队成员可以直接使用后续修改流程也只需在可视化界面调整无需重新部署代码。2. 前期准备模型部署与平台配置要把两者连起来需要先完成一些准备工作。别担心每一步都不复杂。2.1 在星图GPU平台部署Ostrakon-VL-8B首先你需要一个已经运行起来的Ostrakon-VL-8B模型服务。这里假设你已经在星图GPU平台上完成了部署。部署成功后最关键的是拿到模型的API访问地址。通常这个地址看起来像http://你的服务器IP:端口/v1这样的格式。请记下这个地址以及如果需要的话对应的API密钥有些部署方式可能需要。确保你的模型服务已经正常启动并且可以通过网络访问。2.2 在Dify中配置模型供应商接下来我们进入Dify平台进行操作。登录Dify访问你的Dify实例可以是云端服务或自托管版本。进入模型配置在左侧菜单栏找到“模型供应商”或“模型配置”相关入口。添加自定义模型Dify内置了OpenAI、Anthropic等常见厂商我们需要添加一个“自定义”或“OpenAI兼容”的供应商。因为很多开源模型包括Ostrakon-VL-8B都提供了与OpenAI API兼容的接口这让我们连接起来非常方便。填写连接信息模型类型选择“文本生成”或“多模态”根据Dify版本和模型支持情况。模型名称可以自定义比如“Ostrakon-VL-8B”。API地址填入你在上一步获取的模型API地址例如http://192.168.1.100:8000/v1。API密钥如果部署时设置了密钥在此填入如果未设置可以留空或填写任意字符取决于模型服务的要求。保存并测试保存配置后Dify通常会提供一个测试连接的功能。点击测试如果返回成功说明Dify已经能够正常与你部署的Ostrakon-VL-8B模型通信了。完成这一步Dify的“工具箱”里就多了一个名为“Ostrakon-VL-8B”的可用模型了我们可以在后续的工作流中随时调用它。3. 构建你的第一个多模态工作流基础打好后我们来动手搭建一个最经典的场景图片内容分析与报告自动生成。这个工作流会完成上传图片 → 模型分析图片内容 → 生成结构化报告 → 保存报告到知识库。3.1 创建工作流并设置触发器在Dify中点击“创建工作流”。首先我们需要设定这个流程如何开始。选择“HTTP请求”节点把它拖到画布上作为起始点。这代表我们的工作流将通过一个API调用来触发。配置输入参数我们需要告诉这个节点调用时需要传入什么数据。这里至少需要两个参数image_url字符串类型表示网络图片的链接。query字符串类型表示你想问图片的问题比如“请详细描述这张图片的内容并列出其中的关键物体和场景。” 你可以在Dify中为这些参数设置名称、类型和示例方便后续调用时理解。3.2 调用Ostrakon-VL-8B进行图片理解这是工作流的核心步骤。添加“大语言模型”节点从节点库中找到它拖到画布上并用箭头从“HTTP请求”节点连向它。选择模型在这个节点的配置面板中模型供应商选择我们之前配置好的“Ostrakon-VL-8B”。构建提示词这是决定模型输出质量的关键。我们需要巧妙地组合用户输入和系统指令。系统提示词可选但推荐可以设定模型的角色例如“你是一个专业的图像内容分析师需要根据用户提供的图片和问题给出清晰、详细、结构化的回答。”用户提示词这里我们需要动态引用上一个节点传来的变量。Dify通常使用{{变量名}}的语法。例如图片链接{{image_url}} 用户问题{{query}} 请根据以上图片和问题进行分析。启用视觉能力确保在模型节点的配置中开启了“多模态”或“图像输入”的选项并将{{image_url}}变量指定为图片输入源。这样模型在思考时就会去读取这张图片。3.3 对模型输出进行后处理模型返回的可能是大段的文本。我们可以增加一个“文本处理”节点让输出更规整。添加“文本处理”节点连接在“大语言模型”节点之后。设计处理逻辑例如你可以使用“文本分割”功能将长回答按段落分开或者使用“正则表达式”提取出特定的信息如所有提到的物体名称甚至可以连接一个“代码执行”节点将文本转换成JSON格式。 比如你可以让模型在回答时遵循“## 图片描述\n...\n## 关键物体\n...\n## 场景分析\n...”这样的格式然后用文本处理节点来提取这些章节。3.4 保存结果到知识库分析结果不能只用一次就丢存入知识库便于后续检索和复用。添加“知识库”节点Dify支持连接多种向量数据库作为知识库。选择操作配置该节点为“添加文档”操作。组织内容文档内容引用经过后处理的文本例如{{processed_text}}。元数据可以同时存入一些额外信息方便以后筛选比如source: image_analysis,image_url: {{image_url}},query: {{query}},timestamp: {{当前时间}}。返回最终结果最后添加一个“HTTP响应”节点将处理后的文本或者存入知识库成功的状态返回给最初调用这个工作流的用户或系统。至此一个完整的自动化流程就搭建好了。你的画布上应该有一条清晰的链路HTTP请求 → LLMOstrakon-VL-8B→ 文本处理 → 知识库 → HTTP响应。点击发布这个工作流就变成了一个可调用的API。4. 进阶应用场景与思路上面是一个基础示例。掌握了核心方法后你可以发挥创意搭建更复杂的应用。这里分享几个我觉得很有潜力的方向。4.1 电商场景智能商品详情生成对于电商平台或卖家处理海量商品图片是个体力活。可以搭建这样一个工作流触发商家上传商品主图、细节图。分析工作流调用Ostrakon-VL-8B依次分析每张图片。提示词可以是“这是一张商品图请识别商品类别、主要颜色、材质、设计风格并推测其使用场景。”汇总用一个“文本总结”节点将多张图片的分析结果汇总成一份完整的商品描述草案。润色可以再连接一个文本生成模型比如另一个擅长营销文案的模型将草案润色成吸引人的商品标题和详情页文案。输出最终生成结构化的商品信息标题、卖点、描述、适用标签直接填入电商后台或生成数据文件。这个流程将原来需要美工、文案协作数小时的工作压缩到几分钟内自动完成。4.2 内容审核与辅助创作对于内容平台或自媒体团队可以用它来辅助审核和创作。审核辅助自动分析用户上传的图片/图文内容识别其中是否包含违规信息、广告或不适宜内容并生成审核建议报告大幅提高审核效率。创作灵感作者上传一张风景照工作流可以分析图片意境并自动生成一段配图文案、一首小诗或一个故事开头激发创作灵感。素材归档设计师上传设计稿或素材图工作流自动分析图片元素、风格、色彩并生成标签和描述存入素材库方便日后精准检索。4.3 企业内部知识管理升级很多企业的知识库中堆积着大量未经处理的图片资料如产品图纸、会议白板、现场照片等。 可以构建一个批量处理工作流扫描指定文件夹或数据库中的历史图片。对每张图片用Ostrakon-VL-8B分析其内容提取关键信息并生成文字摘要。将图片和生成的文本摘要作为一份关联文档存入企业的智能知识库如Dify内置的或外接的向量数据库。以后员工不仅能用文字搜索知识库还能用“画了个圆形零件图”这样的自然语言找到相关的历史图纸和资料让沉睡的图片资产活起来。5. 实践中的经验与建议在实际搭建和使用的过程中我总结了一些小经验可能对你有帮助。关于提示词设计多模态模型的提示词和纯文本模型略有不同。除了用文字清晰描述任务更重要的是在系统提示词中明确它的“视觉角色”。比如“你是一个经验丰富的文物鉴定师需要仔细观察图片中的器物从器型、纹饰、工艺等方面进行分析。” 这样的角色设定能更好地引导模型聚焦在专业视角。关于工作流调试Dify提供了很好的调试功能。在构建复杂工作流时建议每添加一个节点就测试一次。使用真实的图片URL和问题查看每个节点的输入输出是否符合预期。特别是处理文本和变量引用时容易出错耐心调试是关键。关于性能与成本Ostrakon-VL-8B这类大模型推理需要消耗GPU资源。在设计自动化流水线时特别是处理批量图片时需要考虑异步处理或队列机制避免瞬时并发请求压垮模型服务。同时可以设置缓存层对相同图片的相同分析请求直接返回缓存结果节省资源。从原型到产品在Dify上快速验证想法后如果效果很好需要考虑将其产品化。这时可以关注工作流的稳定性、异常处理如图片无法加载、模型返回异常、输入验证以及API的安全认证。Dify工作流本身可以作为后端核心逻辑前端再单独开发一个更友好的操作界面。6. 总结回过头来看将Ostrakon-VL-8B这样的专业多模态模型与Dify这样的可视化编排平台结合确实打开了一扇新的大门。它最大的意义在于把原本需要资深算法工程师和软件开发工程师协作才能完成的AI应用搭建工作极大地简化了。你现在可以让熟悉业务但不懂技术的同事自己去设计一个图片审核流程可以让内容运营的同学自己搭建一个生成海报文案的工具。技术的门槛被降低了创新的速度自然就加快了。当然这套方案也不是万能的。对于需要极高精度、超低延迟或者特别定制化模型结构的场景可能还是需要传统的代码开发。但对于绝大多数希望快速引入多模态AI能力、解决实际业务问题的团队来说这无疑是一条高效且友好的路径。如果你已经在星图GPU上部署好了模型不妨花上半个小时在Dify里试着拖拽一下。从最简单的“图片问答”开始你会直观地感受到构建一个AI应用原来可以像设计流程图一样简单直接。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
Ostrakon-VL-8B与Dify无缝集成：打造可视化多模态AI工作流
Ostrakon-VL-8B与Dify无缝集成打造可视化多模态AI工作流最近在折腾多模态大模型发现了一个挺有意思的组合把星图GPU平台上部署的Ostrakon-VL-8B模型和Dify这个可视化AI应用开发平台给打通了。这个组合最大的好处就是能让不懂代码的业务人员也能像搭积木一样快速搭建出能看懂图片、分析内容的智能工具。你可能遇到过这种情况公司每天要处理大量用户上传的图片比如商品图、场景图需要从中提取信息、分类归档或者生成描述文案。传统做法要么靠人工一张张看效率低还容易出错要么就得找开发团队写一套复杂的程序成本高、周期长。现在有了Ostrakon-VL-8B和Dify事情就简单多了。Ostrakon-VL-8B是个能同时理解图片和文字的多模态模型而Dify提供了拖拽式的可视化界面。把它们结合起来你就能设计出“上传图片→模型分析→自动总结→存入知识库”这样一套自动化流程整个过程基本不用写代码。接下来我就带你一步步看看怎么实现这个组合以及它能用在哪些实际场景里。1. 为什么选择这个组合在开始具体操作之前我们先聊聊为什么要把Ostrakon-VL-8B和Dify放在一起用。理解了这个你才能更好地判断它是否适合你的需求。1.1 Ostrakon-VL-8B强大的多模态理解能力Ostrakon-VL-8B是一个开源的视觉语言模型。简单来说它就像一个同时具备“眼睛”和“大脑”的AI。你给它一张图片它不仅能描述图片里有什么还能回答关于图片的复杂问题甚至根据图片内容进行推理。比如你给它一张会议室白板的照片上面画满了流程图和文字。它不仅能识别出“这是一块白板”还能读出上面的文字理解流程图的结构并总结出会议讨论的核心议题。这种深度理解能力是很多单纯做图片识别的工具不具备的。在星图GPU平台上部署这个模型后你就获得了一个稳定、可随时调用的多模态AI能力接口。1.2 Dify让AI应用开发像搭积木Dify的核心价值在于“可视化”和“低代码”。它把AI应用开发中常见的环节比如调用模型、处理输入输出、连接数据库、设置条件判断等都做成了一个个可视化的“节点”。你可以把这些节点想象成乐高积木。你需要一个“图片上传”功能就拖一个“文件上传”节点需要分析图片就拖一个“大模型”节点并选择连接到你部署好的Ostrakon-VL-8B需要把结果存起来就拖一个“知识库”节点。整个过程都在网页上通过拖拽和连线完成极大地降低了技术门槛。业务人员、产品经理只要理清业务流程就能自己动手搭建出可用的原型甚至生产工具。1.3 组合优势112单独看两者都很强。但结合起来才能解决真正的业务痛点降低使用门槛无需编写复杂的API调用代码和前后端逻辑专注于业务流设计。快速迭代验证一个想法可能半天就能在Dify上搭出可运行的流程进行测试快速验证可行性。流程自动化将单次的图片问答扩展成包含预处理、分析、后处理、存储的完整自动化流水线。易于维护和分享在Dify中构建的应用他们称为“工作流”可以一键发布为Web应用或API团队成员可以直接使用后续修改流程也只需在可视化界面调整无需重新部署代码。2. 前期准备模型部署与平台配置要把两者连起来需要先完成一些准备工作。别担心每一步都不复杂。2.1 在星图GPU平台部署Ostrakon-VL-8B首先你需要一个已经运行起来的Ostrakon-VL-8B模型服务。这里假设你已经在星图GPU平台上完成了部署。部署成功后最关键的是拿到模型的API访问地址。通常这个地址看起来像http://你的服务器IP:端口/v1这样的格式。请记下这个地址以及如果需要的话对应的API密钥有些部署方式可能需要。确保你的模型服务已经正常启动并且可以通过网络访问。2.2 在Dify中配置模型供应商接下来我们进入Dify平台进行操作。登录Dify访问你的Dify实例可以是云端服务或自托管版本。进入模型配置在左侧菜单栏找到“模型供应商”或“模型配置”相关入口。添加自定义模型Dify内置了OpenAI、Anthropic等常见厂商我们需要添加一个“自定义”或“OpenAI兼容”的供应商。因为很多开源模型包括Ostrakon-VL-8B都提供了与OpenAI API兼容的接口这让我们连接起来非常方便。填写连接信息模型类型选择“文本生成”或“多模态”根据Dify版本和模型支持情况。模型名称可以自定义比如“Ostrakon-VL-8B”。API地址填入你在上一步获取的模型API地址例如http://192.168.1.100:8000/v1。API密钥如果部署时设置了密钥在此填入如果未设置可以留空或填写任意字符取决于模型服务的要求。保存并测试保存配置后Dify通常会提供一个测试连接的功能。点击测试如果返回成功说明Dify已经能够正常与你部署的Ostrakon-VL-8B模型通信了。完成这一步Dify的“工具箱”里就多了一个名为“Ostrakon-VL-8B”的可用模型了我们可以在后续的工作流中随时调用它。3. 构建你的第一个多模态工作流基础打好后我们来动手搭建一个最经典的场景图片内容分析与报告自动生成。这个工作流会完成上传图片 → 模型分析图片内容 → 生成结构化报告 → 保存报告到知识库。3.1 创建工作流并设置触发器在Dify中点击“创建工作流”。首先我们需要设定这个流程如何开始。选择“HTTP请求”节点把它拖到画布上作为起始点。这代表我们的工作流将通过一个API调用来触发。配置输入参数我们需要告诉这个节点调用时需要传入什么数据。这里至少需要两个参数image_url字符串类型表示网络图片的链接。query字符串类型表示你想问图片的问题比如“请详细描述这张图片的内容并列出其中的关键物体和场景。” 你可以在Dify中为这些参数设置名称、类型和示例方便后续调用时理解。3.2 调用Ostrakon-VL-8B进行图片理解这是工作流的核心步骤。添加“大语言模型”节点从节点库中找到它拖到画布上并用箭头从“HTTP请求”节点连向它。选择模型在这个节点的配置面板中模型供应商选择我们之前配置好的“Ostrakon-VL-8B”。构建提示词这是决定模型输出质量的关键。我们需要巧妙地组合用户输入和系统指令。系统提示词可选但推荐可以设定模型的角色例如“你是一个专业的图像内容分析师需要根据用户提供的图片和问题给出清晰、详细、结构化的回答。”用户提示词这里我们需要动态引用上一个节点传来的变量。Dify通常使用{{变量名}}的语法。例如图片链接{{image_url}} 用户问题{{query}} 请根据以上图片和问题进行分析。启用视觉能力确保在模型节点的配置中开启了“多模态”或“图像输入”的选项并将{{image_url}}变量指定为图片输入源。这样模型在思考时就会去读取这张图片。3.3 对模型输出进行后处理模型返回的可能是大段的文本。我们可以增加一个“文本处理”节点让输出更规整。添加“文本处理”节点连接在“大语言模型”节点之后。设计处理逻辑例如你可以使用“文本分割”功能将长回答按段落分开或者使用“正则表达式”提取出特定的信息如所有提到的物体名称甚至可以连接一个“代码执行”节点将文本转换成JSON格式。 比如你可以让模型在回答时遵循“## 图片描述\n...\n## 关键物体\n...\n## 场景分析\n...”这样的格式然后用文本处理节点来提取这些章节。3.4 保存结果到知识库分析结果不能只用一次就丢存入知识库便于后续检索和复用。添加“知识库”节点Dify支持连接多种向量数据库作为知识库。选择操作配置该节点为“添加文档”操作。组织内容文档内容引用经过后处理的文本例如{{processed_text}}。元数据可以同时存入一些额外信息方便以后筛选比如source: image_analysis,image_url: {{image_url}},query: {{query}},timestamp: {{当前时间}}。返回最终结果最后添加一个“HTTP响应”节点将处理后的文本或者存入知识库成功的状态返回给最初调用这个工作流的用户或系统。至此一个完整的自动化流程就搭建好了。你的画布上应该有一条清晰的链路HTTP请求 → LLMOstrakon-VL-8B→ 文本处理 → 知识库 → HTTP响应。点击发布这个工作流就变成了一个可调用的API。4. 进阶应用场景与思路上面是一个基础示例。掌握了核心方法后你可以发挥创意搭建更复杂的应用。这里分享几个我觉得很有潜力的方向。4.1 电商场景智能商品详情生成对于电商平台或卖家处理海量商品图片是个体力活。可以搭建这样一个工作流触发商家上传商品主图、细节图。分析工作流调用Ostrakon-VL-8B依次分析每张图片。提示词可以是“这是一张商品图请识别商品类别、主要颜色、材质、设计风格并推测其使用场景。”汇总用一个“文本总结”节点将多张图片的分析结果汇总成一份完整的商品描述草案。润色可以再连接一个文本生成模型比如另一个擅长营销文案的模型将草案润色成吸引人的商品标题和详情页文案。输出最终生成结构化的商品信息标题、卖点、描述、适用标签直接填入电商后台或生成数据文件。这个流程将原来需要美工、文案协作数小时的工作压缩到几分钟内自动完成。4.2 内容审核与辅助创作对于内容平台或自媒体团队可以用它来辅助审核和创作。审核辅助自动分析用户上传的图片/图文内容识别其中是否包含违规信息、广告或不适宜内容并生成审核建议报告大幅提高审核效率。创作灵感作者上传一张风景照工作流可以分析图片意境并自动生成一段配图文案、一首小诗或一个故事开头激发创作灵感。素材归档设计师上传设计稿或素材图工作流自动分析图片元素、风格、色彩并生成标签和描述存入素材库方便日后精准检索。4.3 企业内部知识管理升级很多企业的知识库中堆积着大量未经处理的图片资料如产品图纸、会议白板、现场照片等。 可以构建一个批量处理工作流扫描指定文件夹或数据库中的历史图片。对每张图片用Ostrakon-VL-8B分析其内容提取关键信息并生成文字摘要。将图片和生成的文本摘要作为一份关联文档存入企业的智能知识库如Dify内置的或外接的向量数据库。以后员工不仅能用文字搜索知识库还能用“画了个圆形零件图”这样的自然语言找到相关的历史图纸和资料让沉睡的图片资产活起来。5. 实践中的经验与建议在实际搭建和使用的过程中我总结了一些小经验可能对你有帮助。关于提示词设计多模态模型的提示词和纯文本模型略有不同。除了用文字清晰描述任务更重要的是在系统提示词中明确它的“视觉角色”。比如“你是一个经验丰富的文物鉴定师需要仔细观察图片中的器物从器型、纹饰、工艺等方面进行分析。” 这样的角色设定能更好地引导模型聚焦在专业视角。关于工作流调试Dify提供了很好的调试功能。在构建复杂工作流时建议每添加一个节点就测试一次。使用真实的图片URL和问题查看每个节点的输入输出是否符合预期。特别是处理文本和变量引用时容易出错耐心调试是关键。关于性能与成本Ostrakon-VL-8B这类大模型推理需要消耗GPU资源。在设计自动化流水线时特别是处理批量图片时需要考虑异步处理或队列机制避免瞬时并发请求压垮模型服务。同时可以设置缓存层对相同图片的相同分析请求直接返回缓存结果节省资源。从原型到产品在Dify上快速验证想法后如果效果很好需要考虑将其产品化。这时可以关注工作流的稳定性、异常处理如图片无法加载、模型返回异常、输入验证以及API的安全认证。Dify工作流本身可以作为后端核心逻辑前端再单独开发一个更友好的操作界面。6. 总结回过头来看将Ostrakon-VL-8B这样的专业多模态模型与Dify这样的可视化编排平台结合确实打开了一扇新的大门。它最大的意义在于把原本需要资深算法工程师和软件开发工程师协作才能完成的AI应用搭建工作极大地简化了。你现在可以让熟悉业务但不懂技术的同事自己去设计一个图片审核流程可以让内容运营的同学自己搭建一个生成海报文案的工具。技术的门槛被降低了创新的速度自然就加快了。当然这套方案也不是万能的。对于需要极高精度、超低延迟或者特别定制化模型结构的场景可能还是需要传统的代码开发。但对于绝大多数希望快速引入多模态AI能力、解决实际业务问题的团队来说这无疑是一条高效且友好的路径。如果你已经在星图GPU上部署好了模型不妨花上半个小时在Dify里试着拖拽一下。从最简单的“图片问答”开始你会直观地感受到构建一个AI应用原来可以像设计流程图一样简单直接。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。
