本地Qwen + ComfyUI 制作AI漫剧完整保姆级教程（2026年3月最新版）

优质文章学习记录

— 1 min read
本地Qwen + ComfyUI 制作AI漫剧完整保姆级教程（2026年3月最新版）

这个组合是目前零成本、无限生成、角色一致性最强的本地方案！ Qwen（本地大模型）负责写剧本 + 自动拆分镜 + 生成提示词；ComfyUI负责图像生成 + 角色一致性 + 动态视频。 适合新手/日更党，低配8GB显存就能跑（推荐12GB+更流畅）。全流程免费、无网络依赖、隐私安全。

模型+：工作流：https://pan.quark.cn/s/efc430e1996d

一、硬件要求（必看）

  • GPU：NVIDIA 8GB显存起步（RTX 3060 12GB最稳），AMD/Intel也可（需ROCm/OneAPI）。
  • 内存：16GB+ RAM（32GB最佳）。
  • 硬盘：SSD 50GB+ 空闲空间。
  • 系统：Windows 10/11（推荐）或Linux/Mac。

二、第一步：安装本地Qwen（写剧本神器）

  1. 下载 Ollama（最简单本地LLM工具）： 官网 https://ollama.com 下载安装（几分钟搞定）。
  2. 打开命令提示符（Win+R输入cmd），运行命令拉取模型：text
ollama pull qwen3.5:32b （推荐，逻辑最强；显存够用）

或轻量版：

text

ollama pull qwen2.5:14b
  • 测试：运行 ollama run qwen3.

Read more

OpenAI Codex vs GitHub Copilot：哪个更适合你的开发需求？2025年深度对比

OpenAI Codex 与 GitHub Copilot：2025年开发者如何做出关键选择？ 在2025年的技术栈里，一个高效的AI编程伙伴不再是锦上添花，而是决定项目节奏与质量的核心生产力。面对市场上功能各异的选择，许多开发者，尤其是那些管理着复杂项目或带领团队的技术决策者，常常陷入一个两难的境地：是选择功能全面、能独立处理任务的“AI工程师”，还是选择无缝集成、提供实时灵感的“智能副驾驶”？这不仅仅是工具的选择，更是关于工作流重塑、团队协作模式乃至项目架构未来的战略决策。对于个人开发者、初创团队乃至大型企业的技术负责人而言，理解这两款主流工具——OpenAI Codex与GitHub Copilot——在本质定位、适用场景与成本效益上的深层差异，是避免资源错配、最大化技术投资回报的第一步。本文将深入它们的核心，帮助你根据真实的开发需求，找到那个最契合的“数字搭档”。 1. 核心理念与定位：从“辅助”到“执行”的范式差异 理解Codex和Copilot，首先要跳出“它们都是写代码的AI”这个笼统印象。它们的底层设计哲学决定了完全不同的应用边界。 OpenAI Codex

Jetson 上 OpenClaw + Ollama + llama.cpp 的联动配置模板部署大模型

Jetson 上我建议的联动方式是：OpenClaw -> Ollama（主模型，原生 API）+ llama.cpp（备用/低资源模型，OpenAI 兼容 API）+ Ollama embeddings（memorySearch）。 这样做的原因是，OpenClaw 官方把 Ollama + openclaw onboard 作为最低冲突的本地方案；同时它也支持把 vLLM / LiteLLM / 自定义 OpenAI-compatible 本地代理 作为额外 provider 接进来。Ollama 这边，OpenClaw 明确推荐走原生 http://host:11434，不要给它配 /v1，否则工具调用会变差；而 llama.cpp 的 llama-server
大模型基于llama.cpp量化详解

大模型基于llama.cpp量化详解

概述 llama.cpp 是一个高性能的 LLM 推理库，支持在各种硬件（包括 CPU 和 GPU）上运行量化后的大语言模型。本文档详细介绍如何使用 llama.cpp 将 HuggingFace 格式的模型转换为 GGUF 格式，并进行不同程度的量化。 GGUF 格式：GGUF（Georgi Gerganov Universal Format）是 llama.cpp 专门设计的模型文件格式，针对快速加载和保存模型进行了优化，支持单文件部署，包含加载模型所需的所有信息，无需依赖外部文件。 1.安装cmake CMake 是跨平台的构建工具，用于编译 llama.cpp 项目。 下载地址：https://cmake.org/download/ 安装建议：

智能家居新玩法：MediaPipe Hands镜像实现隔空操控实战

智能家居新玩法：MediaPipe Hands镜像实现隔空操控实战 你有没有试过这样的场景：正躺在沙发上追剧，突然想调低音量，却怎么也找不到遥控器？或者双手沾着零食油渍，根本不想去碰任何设备？如果此时只需轻轻一挥手，就能完成播放、暂停、切换音量等操作——无需语音唤醒、无需物理接触，是不是瞬间觉得家里的设备“活”了过来？ 这不再是科幻电影中的桥段。借助 AI 手势识别与追踪 技术，我们已经可以用最自然的方式与智能设备交互。而今天要介绍的，正是基于 ZEEKLOG 星图平台提供的 「AI 手势识别与追踪」镜像，手把手教你如何利用 MediaPipe Hands 模型，打造一套高精度、低延迟、纯本地运行的隔空操控系统。 1. 为什么选择 MediaPipe Hands？ 在众多手势识别方案中，Google 开源的 MediaPipe Hands 凭借其轻量级架构、高精度关键点检测和出色的跨平台兼容性，成为当前最受欢迎的选择之一。