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今日活跃度排名 1872 |
| GPT 新出的 Agent builder 好像没看到 V 站有人讨论 OpenAI Sh1xin 2 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 14 天前 最后回复来自 Repobor | 7 |
| Dify LLM 视觉参数问题请教 程序员 Sh1xin 46 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 79 天前 最后回复来自 beginor | 58 |
Sh1xin 最近回复了
2 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
47 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
79 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
79 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
79 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
79 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
79 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 |
79 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 |
@bigtear 私有化部署的多模态大模型直接识别图片效果不好，信息安全角度没法使用 api 调用市面上先进方案
79 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 |
79 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 |
@test00001 gemini 不是开源的，没法私有化部署，不考虑。之前也试过直接发给 GPT O3 模型，识别效果特别好。可惜没法私有化部署。直接把图片发送给 gemma 3 27b 的话，识别的文字错误率太高，不可用
Select Language