Sh1xin 最近的时间轴更新 Sh1xin 最近的时间轴更新 |
Sh1xinV2EX 第 223763 号会员，加入于 2017-03-30 18:33:52 +08:00 |
| 各位有使用 LLM 操作浏览器完成业务自动化的 MCP 方案吗 程序员 • Sh1xin • 8 天前 • 最后回复来自 realJamespond | 11 |
| GPT 新出的 Agent builder 好像没看到 V 站有人讨论 OpenAI • Sh1xin • 23 天前 • 最后回复来自 Sh1xin | 3 |
| 解决方案求教： web 页面元素变化，改如何实现自动化操作 程序员 • Sh1xin • 36 天前 • 最后回复来自 Repobor | 7 |
| Dify LLM 视觉参数问题请教 程序员 • Sh1xin • 68 天前 • 最后回复来自 mrbananaeros | 3 |
| 私有化部署 OCR 解决方案请教 程序员 • Sh1xin • 100 天前 • 最后回复来自 beginor | 58 |
Sh1xin 最近回复了
4 天前 回复了 Suinn 创建的主题 › 问与答 › 最新的 PaddleOCR-VL 模型大家有尝试过吗 |
PaddleOCR-VL 才 0.9B.怎么跟 Qwen3-vl 比...
你用的是 Qwen3-vl-32B 版本吗，我这边想私有化部署。不知道私有化的识别效果怎么样，2.5-vl-32B 的还有一些场景效果不好
你用的是 Qwen3-vl-32B 版本吗，我这边想私有化部署。不知道私有化的识别效果怎么样，2.5-vl-32B 的还有一些场景效果不好
9 天前 回复了 Sh1xin 创建的主题 › 程序员 › 各位有使用 LLM 操作浏览器完成业务自动化的 MCP 方案吗 |
@SuperDaniel313 这不就是传统 RPA 的业务场景
9 天前 回复了 Sh1xin 创建的主题 › 程序员 › 各位有使用 LLM 操作浏览器完成业务自动化的 MCP 方案吗 |
@loloX 我是做业务流程自动化，不是测试自动化。比如现在有一个业务需求是登录系统 A ，然后点击菜单栏"信息录入"，然后在出现的表格上面把 excel 信息录入进去。
23 天前 回复了 Sh1xin 创建的主题 › OpenAI › GPT 新出的 Agent builder 好像没看到 V 站有人讨论 |
@duuu 目前最火的 n8n 和 dify 。一个是老牌的 workflow 工具，一个可以实现多 LLM 方便对接。如果 OPENAI 只允许使用自家的 LLM,那应该不容易获取用户吧，如果也选择开放 LLM ，又会影响自家的营收。刚刚试用了一下 Agent builder ，感觉还好简陋的状态
68 天前 回复了 Sh1xin 创建的主题 › 程序员 › Dify LLM 视觉参数问题请教 |
@mrbananaeros 感谢，另外还有个问题想请教下：如果开始节点上传的图片需要处理后再调用大模型识别。那如何做呢。我测试代码节点生成的类型好像都没法在 LLM 的视觉中获取
100 天前 回复了 Sh1xin 创建的主题 › 程序员 › 私有化部署 OCR 解决方案请教 |
@tool2dx 你那边漏字的场景方便详细说下嘛；我试了 5 页 PDF 包含表格和多行文本，可以正常提取表格内容
100 天前 回复了 Sh1xin 创建的主题 › 程序员 › 私有化部署 OCR 解决方案请教 |
@youyouzi ollama 。但是我不知道具体细节，运维帮我在弄
100 天前 回复了 Sh1xin 创建的主题 › 程序员 › 私有化部署 OCR 解决方案请教 |
感谢各位指导🙏，目前在线验证 Qwen2.5-VL-32B 识别效果非常好，除了部分数字场景千分位和小数点识别错误，其他都 OK 。私有化部署验证中
100 天前 回复了 Sh1xin 创建的主题 › 程序员 › 私有化部署 OCR 解决方案请教 |
@beginor 一般的多模态大模型识别文本准确率不如 OCR 吧，我这边对精准度要求比较高。所以考虑 OCR 识别后 LLM 分析内容获取
100 天前 回复了 Sh1xin 创建的主题 › 程序员 › 私有化部署 OCR 解决方案请教 |
Select Language