让 AI 读完一本几百页的 PDF，还能告诉你答案在第几页？
你手上有一份 120 页的技术手册或扫描版合同，想问它一个具体问题。整本塞给 AI？token 爆炸、慢得要命；用传统文字 RAG？碰到图表、表格、公式、扫描件就瞎了，页码还经常报错。你真正想要的是：问一句话，拿到答案，顺便看到那几页的原图自己核对。 […]
作者： liangdabiao
- Website
- https://liangdabiao.com
Posts by liangdabiao
想问视频
你有一段比赛录像、监控片段或者教学视频，想问”第二次团战是怎么输的””爆炸是几点发生的”。可视觉模型根本没有”视频模态”——实测把视频文件直接丢进去，GIF 只解码首帧。你真正想要的是：问一句话，拿到带 `[MM:SS]` 时间戳的答案，还能把那几秒的片段切出来自己看。 […]
一段视频里的事，想问 AI"第几秒发生的"？它让 AI 把视频看完再回答你
你有没有过这种时刻：几个小时的游戏录像想找那次关键团战在第几分几秒；监控视频想确认某个人是什么时候出现的；一部教程视频想定位某个操作步骤；或者就想问”视频里总共出现了几次红色物品”。拖进度条一帧帧找，找到眼花；普通 AI 工具要么只看个封面，要么让你自己截好图再问。你真正想要的是：把视频丢给 AI，它自己看完，然后像看过全片的人那样回答你——还告诉你发生在第几秒。 […]
有一份几百页的 PDF，想随口提问？它让 AI 一页页"看"完再回答你
你手上是不是也有这样的 PDF：几百页的产品手册、合同、财报、论文、说明书。想找某个参数在哪一页，用阅读器的搜索框搜半天，搜出来的要么不是你要的，要么扫描版根本搜不出来；图表里的数字、表格里的条款，普通搜索更是完全无能为力。你真正想要的是：像问一个读过整份文件的人那样，随口一问，对方告诉你答案在第几页，还把那一页原图翻给你看。 […]
用 TypeScript 规规矩矩搭一个 AI 智能体，这套框架把套路都定好了
想做一个 AI 智能体（会自己调用工具、管理对话的 AI 助手），可市面上的框架五花八门，光是”怎么定义智能体、怎么接模型、怎么让它对外提供网页接口、怎么上线部署”就有一堆约定要记，稍不留神就报错。 […]
你的"游戏创意"真的该做成游戏吗？这个守门员先帮你挡一道
很多人想做一个游戏，脑子里有个很棒的点子：一个感人的故事、一段沉浸的体验。可真做起来才发现，玩家其实只是在”看剧情、点选项”，换成互动小说或动画也差不多——它并没有用到”游戏”这种媒介才有的乐趣。等美术、程序都投进去才发现问题，就晚了。 […]
想自己做个会"动手干活"的 AI 应用？这个工具包把底层都铺好了
很多人想做一个 AI 应用：不只是聊天，而是能自己读写文件、上网搜资料、调用你的接口、把活干完。但一上手就发现，光是”让 AI 在程序里跑起来、还能中途插话、管理多轮对话、控制它能用哪些工具”这些事，就够折腾好几天。 […]
说一句"帮我研究下茅台"，它像投研团队一样给你出尽调报告
想认真研究一只股票，自己翻财报、搜公告、看研报，半天下来信息散落各处，还分不清哪些是干货、哪些是营销话术。真想搞明白”这家公司生意好不好、财务实不实、价格贵不贵”，门槛其实不低。 […]
丢个主题进去，自动给你吐出一份带引用的完整研究报告
你有没有过这种经历：老板甩来一句”研究一下 AI 在医疗行业的现状”，你打开浏览器，搜了三个小时，收藏夹里塞满标签页，最后拼拼凑凑写出来的东西自己都心里没底——到底哪个数据是真的、哪个来源靠谱，全混在一起。 […]
两个智能体合作写图文并茂的帖子
一个轻量 AI 写作方案：写作智能体负责成文，知识库智能体负责找资料、配内容，两者合作产出真正可用的公众号、小红书或博客帖子。 […]