阿里云的moltbot机器人使用钉钉的Stream流式接入

注意

  1. 这个不需要工作流
  2. 这个不需要开放外网

具体方法:

1.check代码https://github.com/DingTalk-Real-AI/dingtalk-moltbot-connector

2.package.json增加如下代码

"moltbot": { "extensions": ["./plugin.ts"], "channels": ["dingtalk-connector"], "installDependencies": true }

3.安装插件

moltbot plugins install dingtalk-moltbot-connector

4.增加钉钉配置~/.moltbot/moltbot.json;如果有了进行提花

{ "channels": { "dingtalk-connector": { "enabled": true, "clientId": "dingxxxxxxxxx", // 钉钉 AppKey "clientSecret": "your_secret_here", // 钉钉 AppSecret "gatewayToken": "", // 可选:Gateway 认证 token, opencode.json配置中 gateway.auth.token 的值 "gatewayPassword": "", // 可选:Gateway 认证 password(与 token 二选一) "sessionTimeout": 1800000 // 可选:会话超时(ms),默认 30 分钟 } }, "gateway": { // gateway通常是已有的节点,配置时注意把http部分追加到已有节点下 "http": { "endpoints": { "chatCompletions": { "enabled": true } } } } }

4.重启gateway

moltbot gateway restart

5.登录钉钉开发平台修改机器人配置

   切换成stream,关闭工作流

Read more

AIGC 与艺术创作:机遇

AIGC 与艺术创作:机遇

目录 一.AIGC 的崛起与艺术领域的变革 二.AIGC 在不同艺术形式中的应用 1.绘画与视觉艺术 2.音乐创作 三.AIGC 为艺术创作带来的机遇 1.激发创意灵感 2.提高创作效率 总结 在当今数字化时代,人工智能生成内容(AIGC)正以惊人的速度重塑着艺术创作的格局,为艺术家们带来了令人振奋的新机遇。 一.AIGC 的崛起与艺术领域的变革 随着人工智能技术的不断进步,AIGC 逐渐在艺术领域崭露头角。它依托强大的机器学习算法和深度学习模型,能够分析大量的艺术作品数据,并从中学习各种风格、技巧和表现形式。 例如,OpenAI 的 DALL・E 2 是一款强大的图像生成模型。艺术家可以输入描述 “一只穿着太空服的猫在月球上漫步”,DALL・E 2 就能生成一幅非常逼真且富有创意的图像。这一技术突破使得艺术创作不再局限于传统的手工绘制,而是可以通过算法来实现。艺术家们可以利用这些工具来快速探索不同的创意方向,

基于FPGA的TDC延迟链优化与码密度校准方法

1. TDC延迟链的基本原理与挑战 时间数字转换器(TDC)的核心任务是将时间间隔转换为数字量,就像秒表记录运动员成绩一样。但在高精度测量领域,我们需要达到皮秒(ps)级的分辨率,这相当于把一秒分成一万亿份!FPGA内部的进位链(Carry Chain)资源天然适合实现这种高精度测量,因为它具有极快的信号传播速度。 延迟链的基本原理很简单:信号从链的起点开始传播,每经过一级延迟单元就会产生固定的时间延迟。当另一个参考信号(如停止信号)到达时,我们通过检查链上每个单元的状态,就能知道信号传播了多少级,从而计算出时间间隔。这就像观察一排多米诺骨牌倒到第几块了一样。 但在实际应用中,我们会遇到一个棘手的问题:零宽度延迟单元。这些单元由于制造工艺偏差,几乎不产生任何延迟。它们的存在会破坏温度计码的连续性,导致测量结果出现非线性误差。想象一下,如果多米诺骨牌中混进了几块不会倒的牌子,我们就无法准确判断骨牌倒到哪了。 2. 码密度测试:诊断延迟链的健康状况 码密度测试是校准TDC的基础,它的原理类似于统计学中的蒙特卡洛方法。我们让Start信号和Strobe信号使用两个不同频率且不相干

具身智能小智AI小车图形化编程Mixly MQTT MCP AIOT控制齐护机器人

具身智能小智AI小车图形化编程Mixly MQTT MCP AIOT控制齐护机器人

项目1-07 智能AI小车 (PBL技术核心_MCP与AI小车控制应用) 一、项目场景介绍 在人工智能迈向“具身化”(Embodied Intelligence)的新时代,智能体不再只是云端的算法,而是能感知、决策并与物理世界互动的实体存在。本课程以齐护Small智能小车为硬件载体,结合齐护AiTall Mini开发平台与小智AI开源大模型对话系统,打造一个集“自然语言理解—意图识别—物理执行”于一体的端到端具身智能交互实验平台。 课程项目将通过图形化软件Mixly编程方式,轻松实现以下高阶功能: 1.语音/文本指令输入:用户通过自然语言与小智AI对话; 2.大模型意图解析:利用小智AI开源大模型理解用户指令语义; 3.多协议融合通信:通过串口、MQTT、MCP协议及本地IoT控制(如AiTall内置RGB灯反馈),构建低延迟、高可靠的人—AI—小车通信链路; 4.智能行为执行:小车根据AI解析结果完成移动、灯光响应、状态反馈等具身动作; 5.可视化编程体验:采用齐护教育版Mixly平台,零代码门槛快速上手,

【无人机3D路径规划】基于改进蝙蝠优化算法的无人机3D路径规划研究附Matlab代码

✅作者简介:热爱科研的Matlab仿真开发者,擅长毕业设计辅导、数学建模、数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 🍎 往期回顾关注个人主页:Matlab科研工作室  👇 关注我领取海量matlab电子书和数学建模资料  🍊个人信条:格物致知,完整Matlab代码获取及仿真咨询内容私信。 🔥 内容介绍  一、引言 在当今科技飞速发展的时代,无人机在众多领域得到了广泛应用,从物流配送、农业监测到航空测绘等。在这些应用场景中,无人机需要在三维空间中规划出一条安全、高效的飞行路径,以完成各种任务。传统的路径规划算法在处理复杂的 3D 环境时,往往存在收敛速度慢、易陷入局部最优等问题。蝙蝠优化算法(Bat Algorithm,BA)作为一种新兴的智能优化算法,模拟了蝙蝠的回声定位行为,为解决此类问题提供了新的思路。然而,标准的蝙蝠优化算法也有其局限性,因此本文聚焦于基于改进蝙蝠优化算法的无人机 3D 路径规划研究,旨在提升路径规划的性能。 二、蝙蝠优化算法基础 1. 蝙蝠回声定位模拟:蝙蝠在飞行过程中通过发出超声波,并根据回声来感知周围环