类别归档：LLM

腾讯混元在 2026 年 8 月 28 日发布了 Hy4 preview，WorkBuddy、CodeBuddy、元宝、ima 同步上线，限时免费约两周。WorkBuddy 侧给出的截止时间是 9 月 10 日 23:59，CodeBuddy 的官方口径只说"两周"，以客户端实际显示为准。免费期内每天有额度上限，触顶后消耗积分，繁忙时需要排队。

发布当天的报道集中在一组跑分上：12 项 benchmark，Terminal Bench 2.1 得 85.4，DeepSWE 从上一代的 28.0 涨到 64.3。需要说明的是，这些分数目前都出自腾讯官方自述——发布首日 Artificial Analysis 尚未收录，Hugging Face Open LLM Leaderboard 没有数据，第三方媒体基本是通稿转载，还没有看到独立的社区实测。

我自己更关心的是它在日常场景里的表现，所以把它拉到一个我维护了十余年的个人博客上试了几天。这篇记录一下过程和结果。

先说它是什么

能确认的基础信息如下：

为什么用 AI 画 UML

软件工程中，UML（统一建模语言）是沟通需求、设计与实现的通用语言。但传统手绘 UML 有两大痛点：绘图工具学习成本高，以及代码演进后图容易过时。本文介绍一套工作流：用 CodeBuddy（AI 编程助手）生成 drawio（.drawio / .xml）源码，再导入 app.diagrams.net 可视化编辑与导出，快速产出类图、时序图、用例图等软件工程 UML 图。

整体工作流

1. 描述需求：向 CodeBuddy 说明要画什么图、包含哪些元素。
2. 生成源码：让 CodeBuddy 直接输出符合 drawio XML 格式的 .drawio 文件。
3. 导入查看：打开 app.diagrams.net ...

背景：从一次选型讨论说起

最近在评估用 AWS AgentCore 来搭一个 chatbot。官方文档把它描述成一个"企业级 agent 平台"，看起来什么都有：Runtime 跑代码、Memory 管记忆、Gateway 接工具、Observability 看观测。但当我真正去核对"会话管理"和"确保上下文不超模型上限"这两个 chatbot 最核心的需求时，发现 OOTB（开箱即用）的程度和宣传里暗示的并不完全一致。这里把结论记下来，供同样在选型的人参考。

AgentCore 到底是不是 chatbot 框架？

先说定位：AgentCore 是"运行时 + 记忆 + 网关"平台，不是开箱即用的 chatbot 框架。你需要自己写 agent 的业务逻辑（跑在 AgentCore Runtime 里），它负责的是部署、扩缩容、身份认证、工具连接和可观测性。对话和会话能力由其中的 AgentCore Memory 模块提供。

也就是说，它给你的是"地基"和"水电煤"，不是"精装修的房子"。对想快速拖一个聊天窗口的人来说，它偏底层；对要自己掌控 agent 行为、又要生产级运维能力的团队，它合适。 ...

GenAI，即生成式人工智能（Generative Artificial Intelligence），是一种利用人工智能技术自动生成各种内容的新型创作方式。在视频生成方面，GenAI通过学习和分析大量视频数据，能够自动生成视频内容，这包括视频剪辑、动画制作、视频特效等多种类型。

关于GenAI视频生成的原理，可以归纳为以下几点：

一、深度学习模型

GenAI视频生成主要依赖于深度学习模型，特别是生成对抗网络（GANs）、变分自编码器（VAEs）以及扩散模型（Diffusion Models）等。这些模型通过训练大量的视频数据，学习到视频内容的分布和特征，从而能够生成新的视频。

二、文本到视频的生成

1. 文本解析：首先，GenAI会对输入的文本进行解析，理解文本中的语义和意图。这通常涉及到自然语言处理（NLP）技术，如词嵌入、句法分析等。
2. 视频内容生成：在理解文本的基础上，GenAI会生成与文本描述相匹配的视频内容。这包括生成视频的帧、音频以及它们之间的时序关系。生成的视频内容需要符合文本的语义和语境，同时保持视觉和听觉上的一致性。
3. 后处理：生成的视频可能还需要进行后处理，以提高其质量和真实性。这包括视频的渲染、特效的添加以及音频的混音等。

三、关键技术

1. 高级视频生成能力：GenAI需要能够处理视频中的光线、物理效果和物体运动的真实性。例如，在生成火焰或水面反射等复杂场景时，GenAI需要能够模拟出逼真的光线和物理效果。
2. 音频生成：除了视频内容的生成，GenAI还需要能够生成与视频场景相匹配的音效和背景音乐。这要求GenAI能够理解和生成连续的、自然的音效和音乐。
3. 个性化扩展：通过个性化的扩展训练，GenAI能够根据用户提供的图像或文本生成特定人物或场景的视频。这为用户提供了更多的创作自由和灵活性。

四、应用场景

GenAI视频生成技术在多个领域都有广泛的应用前景。例如：

1. 影视制作：可以快速生成高度真实的场景和人物动作，提高制作效率并降低成本。
2. 广告营销：可以根据消费者的行为和偏好定制广告文案和视觉设计，提高个性化营销的效果。
3. 游戏开发：可以快速生成逼真的场景和角色动作，缩短开发周期并提高游戏质量。

总的来说，GenAI视频生成的原理是基于深度学习模型对大量视频数据的学习和分析，通过文本到视频的生成过程以及关键技术的应用，实现了自动生成高质量视频的能力。随着技术的不断进步和应用场景的拓展，GenAI视频生成技术有望在多个领域中发挥更大的作用。

对于想要入门LLM（Large Language Model，大型语言模型）的读者，以下是一些推荐的书籍：

1. 《GPT-3：使用大型语言模型构建创新的NLP产品》：由O’Reilly出版，本书深入探讨了GPT-3的功能，提供了使用GPT-3构建创新NLP产品的见解，涵盖了模型微调、检索增强生成和从人类反馈中进行强化学习等主题。这本书是希望在其应用程序中利用GPT-3功能的开发人员和企业的实用指南。
2. 《大型语言模型快速入门指南：使用ChatGPT和其他LLM的策略和最佳实践》：同样由O’Reilly出版，本指南提供了使用大型语言模型的快速入门，重点介绍ChatGPT和其他LLM。它涵盖了模型选择、微调和部署等主题，对于希望快速将LLM集成到其应用程序中的开发人员和企业来说，是一本绝佳的资源。
3. 《使用Transformer进行自然语言处理》：本书深入介绍了transformers，即在NLP中实现最先进成果的主要架构。它涵盖了transformers的底层机制以及如何将它们应用于各种NLP任务的实际方面，例如撰写真实的新闻报道和创建聊天机器人。这本书是了解transformers的宝贵资源。
4. 《用于自然语言处理的Transformers》：本书由Packt出版，深入探讨了Transformer的世界，重点介绍了它们在NLP中的应用。它涵盖了Transformer的核心概念，包括自注意力机制，并探讨了如何使用这些模型来增强语言建模能力。这本书提供了Transformer架构的全面指南。
5. 《Build a Large Language Model (From Scratch)》：本书旨在讲解从头开始构建大型语言模型的整个过程，包括如何创建、训练和调整大型语言模型。通过大量的图表和插图，让读者可以彻底了解LLM的工作原理。这本书主要使用的是pytorch框架，非常适合想要动手实践的读者。

此外，还有一些其他深度学习相关书籍，如《深度学习》(Ian Goodfellow著)和《Deep Learning for NLP》(Yoav Goldberg著)等，也可以作为入门LLM的辅助阅读材料。这些书籍提供了深度学习的理论基础和算法原理，有助于读者更好地理解LLM的工作原理和应用场景。

LLM领域是一个快速发展的领域，新的研究和进展不断涌现。因此，除了阅读书籍外，建议读者还要关注相关的学术论文、博客文章和在线课程等资源，以保持对最新技术和趋势的了解。