创空间首页 · 魔搭社区

nh

YWH3309153592 — Tue, 20 Oct 2026 00:15:51 GMT

Clone with HTTP

 git clone https://www.modelscope.cn/studios/YWH3309153592/hi.git

华为 PC 图文工作台第二版

A1211JOY — Mon, 19 Oct 2026 20:25:10 GMT

可登录操作的图文Agent：ima取材、模型生成、规则报价、核验与导出

华为 PC 图文工作台第二版

这是独立于第一版的可登录单操作人工作台，支持自然语言需求、ima事实与原图、DeepSeek生成与搜索、规则报价、Qwen背景与视觉核验、改稿及导出。授权操作者共享任务；账号由部署者管理，模型和ima凭证只在平台Secret中。Dify云端工作区尚未联调，当前在线生成使用后端直连模型。没有已确认的杭州最低到手价。

Bicyclus Wing Atlas Backend

EVA030806 — Mon, 19 Oct 2026 18:09:15 GMT

Python prediction origin for independent Chinese and English atlas display sites. Scientific originals remain private.

Bicyclus Wing Atlas deployment source

This repository contains deployment code and reduced display resources for a Bicyclus anynana wing atlas. The approved release includes 12 genes, 291 image units, 72 atlas groups, 216 representations and six anatomical references. The hth dataset is excluded.

The intended deployment uses GitHub for source and CI, two independent Cloudflare Pages projects for Chinese and English browsing, and a ModelScope Docker Studio for Python prediction and password-protected original downloads. The repository contains no original scientific arrays, trained model bundles, full-resolution atlas images or real credentials.

Preparation is not a cloud deployment confirmation. The owner has reported completed ModelScope registration and Alibaba Cloud binding. Local API authorization and the target identity have been verified. Private file creation, write/readback, anonymous access blocking and free Docker Studio creation have been verified. Image build eligibility and full private storage capacity still require verification. No paid resource is selected automatically. See the Chinese deployment guide for the current acceptance status and account setup.

Layout

public/zh, public/en: independent Pages sources, routing Worker and preview pack manifests.
code_python: unchanged scientific prediction modules and interface sources.
output_results: portable service wrappers and public interface files; no scientific data.
deploy/start.py: persistent-data bootstrap and Linux service supervisor.
deploy/dispatcher.py: the sole public API entry on 0.0.0.0:7860.
deploy/upload_private_data.py: verifies and uploads a release to an existing private dataset.
.github/workflows/pages.yml: publishes both display projects.
.github/workflows/modelscope.yml: updates an existing free Docker Studio.

Original data must remain in a private dataset and /mnt/workspace/wing-atlas-data; credentials and prediction histories remain in /mnt/workspace/wing-atlas-state. The download password belongs in a ModelScope secret, never in a public variable or committed .env file. Anonymous browsing and prediction remain available without a login. Original exports require the atlas_download account and its password.

The Python service keeps its private engines on loopback ports 8881, 8880, 8890 and 8891; only the dispatcher is exposed. The Studio root is an API service landing response. Visitors use the independent Pages interfaces. Preview images intentionally remain publicly viewable and saveable.

Data and scientific consistency

The private bundle includes a file-by-file SHA-256 manifest. Paths in deployment metadata are rebased to /opt/wing-atlas; model binaries and scientific arrays remain byte-identical to the approved local release. A software regression using an existing reference image does not measure predictive accuracy. The existing needs_review decision is preserved.

No license grant is implied for scientific data or model files by publication of this deployment source. The project owner should select the repository's software license before representing it as an open-source licensed release.

讲课

moda3232313 — Mon, 19 Oct 2026 17:43:21 GMT

Clone with HTTP

 git clone https://www.modelscope.cn/studios/moda3232313/jk.git

Genie TTS 语音合成-AMS

moling233 — Mon, 19 Oct 2026 17:26:39 GMT

爱弥斯 TTS · v2Pro 官方运行时

《鸣潮》爱弥斯（Aemeath）的中文语音合成服务，接口与 Genie-TTS 完全一致，可直接对接 AstrBot 的 TTS 插件。

为什么是 v2Pro 而不是普通 V2

模型的源权重是 GPT-SoVITS v2Pro（aimisi-e20.ckpt + aimisi_e10_s180.pth）， v2Pro 的 VITS 靠 ERes2Net 说话人编码器从参考音频里提取音色条件。

HuggingFace 上 AemeathCN/Aemeath 那套 ONNX 是被人硬导成 V2 格式的，没有 prompt_encoder，说话人条件整条链路缺失。实测对比（同一句原文）：

版本	F0 中位	HNR	听感
参考原声	284.0 Hz	7.2 dB	基准
V2 导出格式	228.6 Hz	4.8 dB	低沉、发闷、发虚
本镜像 v2Pro	296.3 Hz	7.5 dB	与原声一致

所以这里直接跑桌宠包自带的 v2Pro 推理链路（含 ERes2Net、G2PW 多音字、中文 RoBERTa）。

接口

方法	路径	说明
GET	`/ui/options`	角色、语言、已绑定的参考音频
POST	`/load_character`	加载角色，`{"character_name":"aemeath","onnx_model_dir":"","language":"zh"}`
POST	`/set_reference_audio`	换参考音频，`{"character_name","audio_path","audio_text","language"}`
POST	`/tts`	合成，返回裸 PCM int16 LE / 32kHz 单声道（插件用这个）
POST	`/ui/synthesize_wav`	合成，返回标准 WAV（自己试听用）
GET	`/health`	健康检查
GET	`/`	网页试听页

环境变量

变量	默认值	说明
`AEMEATH_PACK_DIR`	`/code/pack/ONNX_aimisiV2`	模型包目录
`AEMEATH_REF_AUDIO_DIR`	`/code/reference_audio`	参考音频目录
`AEMEATH_CHARACTER`	`aemeath`	角色名
`AEMEATH_REF_FILE`	`Aemeath_01.wav`	启动时自动绑定的参考音频
`PORT`	`7860`	监听端口

模型来源

推理包：Mark42IRP/Aemeath_onnx_GSV_model（Aemeath_ONNX_GSV_Saver_INT8.rar，1.11 GB）
参考音频：zh_vo_MAIN_YHX_2_7.wav 原声，5.18 秒，配文同名 .lab

模型由社区训练，声音与角色形象版权归库洛游戏所有，仅供个人二次创作，禁止商业用途、禁止二次分发。

Food-label-check

Xxxxcxc — Mon, 19 Oct 2026 17:00:04 GMT

Food-Label-Check

食品包装智能审核平台（前后端分离）。

src/        后端（FastAPI + Worker + audit_engine）
frontend/   前端（React + TypeScript + Vite）

目录权限约定

src/：后端开发负责人（zch1001）可修改。
frontend/、.github/、根目录配置文件：仅项目负责人修改。
所有改动走分支和 Pull Request，不直接推 main。
密钥只放 .env，不提交。参考 .env.example。

魔搭 Git 部署

通过 Git 推送完整项目到创空间仓库，平台按 ms_deploy.json 和根目录 Dockerfile 构建并监听 7860 端口；本机无需运行 Docker。前端和 API 同源，独立 Worker 随服务启动。

在创空间设置的私密变量中配置 BAIDU_API_KEY、BAIDU_SECRET_KEY、VLM_API_KEY、VLM_BASE_URL、VLM_MODEL、CLAIM_PRECHECK_MODEL，以及随机生成的至少 32 字符 SESSION_SECRET。不要把 .env 或访问令牌推送到仓库。

运行设置：PUBLIC_ACCESS=1、LOCAL_ONLY=0、OCR_MODE=live、VLM_ENABLED=1、DATA_DIR=/app/runtime；ALLOWED_ORIGINS 设置为公开应用域名的 JSON 数组。公开访问无需登录，任务通过签名 HttpOnly Cookie 按访客隔离；清除 Cookie 后无法找回该访客任务。运行目录随平台容器生命周期管理，重建前应导出需要保留的结果。

链盾 · 品质风险闭环平台

Gorygover — Mon, 19 Oct 2026 16:27:34 GMT

它把原本依赖 Excel 和线下沟通的告警处置流程，改造为自动建单、按角色派发、移动端扫码拍照核查、结果自动回写看板、不合格自动整改和品质台账输出的完整闭环，适用于连锁门店、仓配和供应链品质管理场景。

# 链盾 · 品质风险闭环平台

把风险留在看板，把闭环交还业务。
打通「告警清单 → 自动建单 → 定向派发 → 现场核查 → 结果回填 → 整改复核 → 品质台账」全链路。

作品简介

链盾是一个面向零售、连锁门店与仓配场景的品质风险闭环平台。它把原本依赖“复制 Excel、线下派单、微信回传”的割裂流程，改造成可追踪、可回写、可复盘的线上闭环。

本作品为一期 MVP 与二期增强一起交付的可交互演示平台，包含 风险看板、告警清单、核查工单、移动端现场作业、整改闭环、品质报表、角色权限与流程规则 等完整模块。

零依赖：纯 HTML / CSS / JavaScript，无构建、无 CDN、无外部字体。
可直接部署：适合魔搭社区静态创空间，也可通过仓库内 Dockerfile 部署。
真实状态流转：建单、扫码、拍照、回填、整改、复核不是静态演示，状态会写入浏览器本地存储并即时回写看板。
一二期同时落地：核心闭环之外，已包含优先级、SLA、超时督办、自动整改、效率统计与台账导出。

解决的痛点

原流程	现状问题	链盾的改造
告警人工复制到 Excel	信息重复录入、容易遗漏	告警清单一键生成核查工单，商品、批次、门店、证据自动带入
线下口头 / 微信派单	责任不清、范围失控	总部 / 区域 / 门店 / 质检员按角色定向分发
核查结果线下记录	无法回写、形成信息孤岛	移动端扫码、拍照、选择结论，线上回填
看板持续告警	风险状态与现场脱节	核查完成后自动回写“已处置 / 已闭环”，停止重复告警
不合格问题无人跟	整改过程不可见	自动生成整改单，提交证据、复核关闭
周报手工汇总	数据口径不一致	完成率、及时率、平均时长、整改闭环率自动统计

核心闭环

异常 SKU / 批次
      ↓
看板识别与风险评分
      ↓
一键生成定向核查工单
      ↓
按角色派发（总部 / 区域 / 门店 / 质检）
      ↓
移动端扫码 + 拍照 + 核查结论
      ↓
合格 → 风险自动闭环
不合格 → 自动生成整改单 → 提交证据 → 品质复核 → 风险闭环
      ↓
品质报表 + 工作台账

一期 MVP

[x] 告警自动生成工单：从风险清单勾选或一键生成，自动带入 SKU、批次、门店、风险信号与阈值。
[x] 按角色定向分发：总部全量、区域所辖、门店本店、质检员本人任务。
[x] 移动端现场作业：模拟扫码、拍照 / 上传照片、合格 / 不合格结论、问题原因、整改动作。
[x] 工单状态自动回写：接单、核查完成、风险处置等状态实时同步，看板停止重复告警。
[x] 角色级权限控制：门店角色无建单 / 复核权限，避免越权操作。

二期增强

[x] 优先级与 SLA：P1 / P2 / P3 对应 4h / 24h / 72h，倒计时与逾期高亮。
[x] 超时提醒与督办：工单催办、整改催办、逾期集中督办。
[x] 不合格自动整改：核查判定不合格后自动创建整改单，跟踪提交、复核、关闭。
[x] 效率统计：质检完成率、按时完成率、平均处置时长、整改闭环率。
[x] 品质工作台账：工单 / 核查 / 整改数据自动归档，支持 CSV 导出和打印。

角色视角

右上角可随时切换演示角色，数据范围与可执行动作会同步变化。

角色	数据范围	关键能力
周敏 · 品质运营总监	总部全量	建单、派发、督办、整改复核、报表
陈昊 · 华东区域主管	华东大区 3 家门店	辖区告警、工单、整改与复核
李佳 · 静安店仓管	上海静安店	本店任务、现场配合、整改提交
王珂 · 移动质检员	本人任务	接单、扫码、拍照、核查回填

页面预览

核查工单

移动端现场核查

品质报表

流程与规则

3 分钟演示路径

打开「风险告警」，勾选待处置条目，点击「批量生成工单」。
在弹窗确认派发，观察告警状态变为“核查中”、工单进入「待接单」。
打开「核查工单」，点击任意待办卡片，再点击「现场核查」。
在移动端依次完成：模拟扫码 → 模拟拍照 / 上传图片 → 填写备注 → 选择不合格。
选择问题原因、填写整改动作并提交，系统自动生成整改单。
进入「整改闭环」，提交整改证据并复核通过，观察工单与风险同步闭环。
进入「品质报表」，导出品质工作台账。

演示数据重置：进入「流程与规则」页面，点击右上角「重置演示数据」。

本地运行

直接双击 index.html 即可使用。也可以启动任意静态文件服务器：

python -m http.server 7860

然后打开 http://localhost:7860。

演示数据保存在浏览器 localStorage，键名为 liandun.qualityloop.v2。

发布到魔搭社区

方式一：静态创空间（推荐）

在魔搭社区创建「创空间」。
作品类型选择 静态站点 / Static。
将本项目根目录全部文件上传到创空间仓库。
确保 index.html 位于仓库根目录。
发布并开启公开访问即可。

无需安装依赖、无需构建，所有样式、脚本、图标和演示图片均由项目自身提供。

方式二：Docker 创空间

仓库内已提供 Dockerfile 与 nginx.conf，容器监听 7860 端口：

docker build -t liandun-quality-loop .
docker run --rm -p 7860:7860 liandun-quality-loop

如果魔搭空间要求指定应用类型，可选择 Docker / 自定义容器方式。

更完整的作品简介、标签、发布文案和操作步骤见 docs/魔搭社区发布说明.md。

技术说明

单页应用，不使用任何第三方前端框架。
页面与业务状态由 assets/app.js 中的状态机驱动。
趋势图、环形图、进度环均使用原生 SVG 绘制。
角色权限在前端演示层实现，生产环境需由后端鉴权与数据隔离兜底。
演示照片使用内联 SVG 生成，也支持从本地上传真实图片。
CSV 导出使用浏览器 Blob API，兼容 Excel 中文编码。

生产化建议

演示版聚焦业务闭环验证；生产化时建议替换或补充：

登录与组织权限：OIDC / SSO + 后端 RBAC。
数据库：告警、工单、整改、审计日志分表存储。
文件存储：现场照片上传对象存储，生成带时效的访问链接。
消息通知：企业微信 / 钉钉 / 短信 / App Push。
集成接口：IoT 温控、收货质检、AI 视觉、客诉系统、供应商协同。
实时能力：WebSocket 推送工单与风险状态变化。
审计与合规：操作留痕、数据脱敏、照片水印与签章。

目录结构

liandun-quality-loop/
├── index.html
├── assets/
│   ├── app.js
│   └── styles.css
├── screenshots/
│   ├── cover.png
│   ├── cover-1200x630.png
│   ├── dashboard.png
│   ├── alerts.png
│   ├── orders.png
│   ├── reports.png
│   ├── process.png
│   ├── mobile.png
│   └── mobile-inspection.png
├── docs/
│   ├── 产品方案与交付说明.md
│   └── 魔搭社区发布说明.md
├── Dockerfile
└── nginx.conf

作品定位

这是一个“业务闭环 + 交互原型 + 可部署作品”的平台级演示，重点验证流程是否真正打通，而不是停留在页面展示。后续可将前端状态机直接映射到真实 API、数据库和消息系统。

Hadley 环流绘图工具

yuww1999 — Mon, 19 Oct 2026 16:14:36 GMT

Clone with HTTP

 git clone https://www.modelscope.cn/studios/yuww1999/hadley-plotter.git

呆滞清理工作台

yanzou — Mon, 19 Oct 2026 15:25:06 GMT

负责客户的呆滞库存分析与清理工作台，含客户型号明细、共有型号、筛选、导入及导出。

知源知识库

wjwyyds666888 — Mon, 19 Oct 2026 15:23:49 GMT

ReplenTower

Nalyn123 — Mon, 19 Oct 2026 15:23:04 GMT

Clone with HTTP

 git clone https://www.modelscope.cn/studios/Nalyn123/ReplenTower.git

华为 PC 图文工作台

A1211JOY — Mon, 19 Oct 2026 14:41:02 GMT

可登录操作的图文Agent：ima取材、模型生成、规则报价、核验与导出

华为 PC 图文工作台

这是可登录操作的完整单操作人工作台，支持自然语言需求、ima事实与原图、DeepSeek生成与搜索、规则报价、Qwen背景与视觉核验、改稿及导出。授权操作者共享任务；账号由部署者管理，模型和ima凭证只在平台Secret中。Dify云端工作区尚未联调，当前在线生成使用后端直连模型。没有已确认的杭州最低到手价。

haomo-1.0-demo

maodiemodel — Mon, 19 Oct 2026 03:34:23 GMT

毫末 2.0（Haomo 2.0）· 通用中文底座

4B 中文对话模型，Qwen3-4B（40 亿参数）+ 教师蒸馏 + 指令精调。较 1.0（1.7B）推理与常识显著增强。

在线体验：右侧对话框直接提问
权重：不公开（可用不可改，见下方许可）
身份说明：模型知道自己是毫末 2.0（Haomo 2.0）、基于 Qwen3-4B 底座

使用许可

可用、不可改：禁止获取/再分发权重，禁止用本模型或其输出训练第三方模型。全文见主仓库：https://modelscope.cn/models/maodiemodel/haomo-1.0

Anna · 有面容、有记忆的 AI 伙伴

mayy101184 — Mon, 19 Oct 2026 02:33:54 GMT

Anna 浏览器体验版，基于 YuanyuanMa03/anna；Live2D、真实模型对话、独立访客会话与可控记忆。

Anna 在线体验

Anna 是住在你桌面上的数字伙伴：有自己的样子、性格和记忆，会陪你聊天，也会认真帮你做事。这里是完整的 Anna，代码来自 YuanyuanMa03/anna，只是把桌面窗口换成了浏览器。

可以体验

五位 Live2D 伙伴：Anna、Mao、名执尽、千岁、马克君，共用一本关于你的日记（长期记忆，可查看、可删除）。
真正动手：读文件、改代码、在沙箱里跑终端命令和测试。每个任务结束都有交付卡，可以看 diff、一键撤销。
四种权限模式：规划、谨慎、协作、放手。越权的操作会弹出审批卡，由你决定。
派活：输入 @codex … 或 @claude …，把活交给 Codex 或 Claude Code，Anna 会检查它们的改动再告诉你能不能放心用。也可以在“模型与设置”里把 Anna 的大脑换成它们。
示例项目：每位访客的工作区里有一个带 bug 的小项目，可以直接说“跑一下测试，看看哪里坏了，然后修好它”。

隔离与模型

每位访客有独立的 Anna 进程和独立的 Linux 用户，工作区、记忆、会话互不可见；闲置 2 小时后整个会话清理。容器重启会丢失体验数据。
Anna 自己运行的终端命令在 bubblewrap 沙箱里，只能写自己的工作区和临时目录，联网要你批准。
派给 Claude Code、Codex 的活（以及把大脑换成它们时）不在这个沙箱里：它们以你这位访客自己的 Linux 用户运行，可以联网；它们同样读不到别的访客的文件和服务端的密钥。
模型来自 ModelScope 免费推理（Anna 用 Qwen3.5-35B-A3B，Claude Code / Codex 用更大的 Qwen 模型；某个模型额度用完会自动换下一个）。密钥只在服务端，你和你运行的任何程序都读不到。
免费 CPU 和免费推理有额度和速度限制，高峰期回复可能较慢。请勿输入密码等敏感信息。
微信远程派活、自定义服务商和选择本机文件夹需要桌面版。

来源与许可

Anna 代码采用 PolyForm Noncommercial 1.0.0，见 LICENSE 和 COMMERCIAL.md。Live2D 样例素材与 Cubism Core 保留各自许可，见 dist/web/licenses/ 与 NOTICE.md。Codex（Apache-2.0）和 Claude Code 在构建镜像时从 npm 安装，遵循各自的条款。

源提交与构建方式见 DEPLOYMENT.md。示例项目是手工构造的演示代码，不是真实数据。

AI亲子沟通相机

zeroyiyi — Sun, 18 Oct 2026 13:30:28 GMT

一款以 AI 技术连接亲子情感的智能随身相机应用。通过 RDK X5 智能硬件一键拍照，自动上传真实照片，利用 AI 图像生成技术将生活瞬间转化为温暖的漫画明信片，并自动分享至专属家庭群组。家人无需频繁聊天，也能随时查看彼此的生活点滴，通过点赞传递关心；拍摄者还可以事后补充心情文字。项目采用 React PWA + FastAPI + Supabase 技术架构，部署于魔搭创空间，支持手机跨平台访问、家庭成员管理、云端存储及 AI 自动化处理。核心亮点：一键拍摄、AI 漫画生成、自动分享、家庭情感连接。让科技减少沟通负担，让远方的亲人自然参与彼此的生活。一句话理念：让分享像拍照一样简单，让爱在日常中自然发生。

小家明信片 · Family Postcard AI

一套可演示的“AI 亲子沟通相机”闭环：RDK X5 实体按钮 / JPEG 模拟器按一次快门，照片通过设备令牌自动上传；持久任务把原图转换成固定的温馨治愈系二维动漫插画并自动发布到已绑定家庭；家人通过 PWA 查看、点赞，作者之后可补写或清空正文。

当前仓库不包含真实密钥、账号或家庭照片。生产 AI Provider 已选择通义万相 wan2.7-image-pro；AI_PROVIDER=mock 仍只供开发联调，并不代表真实 AI 图生图验收。

架构

RDK X5 rdk_x5_camera.py / mock_upload.py ──JPEG + device token──▶ FastAPI :7860
                                                       │
                  React PWA ◀──同源 API / 签名 URL──────┤
                                                       ├── Supabase Auth/Postgres/Storage
                                                       └── 持久任务 worker ──▶ 图生图 API

原图与动漫成图都在 Supabase 私有 bucket；前端只拿到经家庭成员授权后签发的短期 URL。任务状态在 PostgreSQL 中持久化，容器重启后可重新领取超时锁。

仓库结构

frontend/：React + TypeScript + Vite PWA
backend/：FastAPI、Supabase 适配、权限、AI provider、worker
device/：RDK X5 USB 相机 + GPIO 一键拍照守护程序，以及 Windows / Linux JPEG 上传模拟器
database/：参考说明与待人工审核的增量事务函数
tests/：不依赖线上服务的安全、图片和 API 基础测试
docs/：API、Supabase、魔搭、硬件交接、演示与验收说明

手机用户可直接访问部署后的 HTTPS 地址，也可把项目安装到 Android 或 iPhone 主屏幕作为独立 PWA 使用。操作见 docs/MOBILE_APP.md。

Windows 本地检查

当前项目要求 Node.js 22+（本机若仍是 Node 14，请升级后再构建 Vite）。无需 Docker。

cd family-postcard
python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install -r backend\requirements-dev.txt
python -m pytest

cd frontend
npm install
npm run build

已确认的 Supabase 项目地址为 https://beknuykdkinuselanvnv.supabase.co，已写入非敏感配置模板。现有 8 张业务表和两个私有 bucket 由项目方确认存在，但尚未通过服务端密钥做真实联调。开发时在仓库根目录创建不会提交的 .env，或在当前终端设置变量。服务端：

$env:SUPABASE_URL='https://beknuykdkinuselanvnv.supabase.co'
$env:SUPABASE_SECRET_KEY='在安全控制台取值，不要粘贴到聊天或提交 Git'
$env:AI_PROVIDER='mock'
python -m uvicorn backend.app.main:app --host 0.0.0.0 --port 7860 --reload

前端开发服务器需设置 VITE_SUPABASE_URL 和 VITE_SUPABASE_PUBLISHABLE_KEY 后执行 pnpm run dev。前后端必须使用同一项目地址。测试账号应在 Supabase Auth 中注册多个真实用户；注册 metadata 的 display_name 会由既有触发器写入 profiles。

生产部署

Dockerfile 是 Node 构建 + Python 运行的单容器多阶段镜像，FastAPI 同源托管 PWA，端口 7860。完整步骤见 docs/MODELSCOPE_DEPLOY.md。上线前必须人工确认魔搭空间能安全注入运行时 Secrets；如果不能确认，不要上传真实 Supabase Secret 或 AI Key。

数据库

不要在现有项目重跑 database/reference-schema.sql。代码依赖 database/migrations/001_atomic_workflows.sql 中的六个事务 RPC；先在 staging 审核测试，再由管理员手动执行。详见 docs/SUPABASE_SETUP.md。

当前边界

已实现代码：认证、家庭/成员/邀请码、卡片/点赞/正文/软删除、设备注册/暂停、RDK X5 USB 相机 + GPIO 一键拍照、断网 outbox、JPEG 验证与幂等入队、持久 worker、通义万相 wan2.7-image-pro、mock 与 OpenAI-compatible 图片编辑 provider、PWA、单镜像部署。
需要外部条件验证：线上 Supabase schema/RLS、魔搭秘密变量与休眠行为、iOS/Android 安装，以及在指定 X5、按键模块和 USB 摄像头上的物理验收。
明确不包含：群聊、评论、视频、定位、手机审批后发送、公开图片 URL。

澄象 · 知识讲解视频画廊

sprwli — Sun, 18 Oct 2026 13:23:49 GMT

把结构化知识点自动变成可上课用的动态讲解短视频。首页作品墙：每条知识点一支成片，配套中间产物（分镜 IR plan.json、字幕 subs.srt、监督结果 review.json、运行元数据 sidecar.json）全部可下载可核对——中间产物是一等公民。当前为画廊模式（在线生成默认关闭，移植阻断项见 README）。

澄象 · 知识点讲解短视频管线（MVP 演示）

把结构化知识点直接变成可上课用的讲解短视频：一条命令从教材锚点走到带配音、带字幕、时长可控的 1080p 成片，中间产物（分镜 IR）可见可改可重渲。

⚠️ 在线生成默认开放，但有两道先决条件没满足前不保证能出片。 移植阻断项 ①②③④ 都已从代码层面解除（配音走网关 HTTP、字体开源替代、字距运行时标定、字幕字体 env 化，见下表），但镜像尚未经 docker build 验证、生成还依赖创空间环境变量注入的网关密钥（QX_LLM_API_KEY）。密钥没配、或字体探针没跑出标定缓存时，生成会如实报错而不是假装在跑；画廊浏览不受影响。要现场跑一条，请在 Windows 上按 PROJECT.md 的命令执行。

这里能看什么

首页是作品墙：每条知识点一支成片，旁边挂着它的四份中间产物，全部可下载可核对——

文件	它是什么
`*.mp4`	成片（1080p30，字幕为独立轨，48kHz AAC）
`plan.json`	分镜 IR：每个镜头的标题、口播、视觉原语、提示点、教材出处
`subs.srt`	字幕，按实测语音时长对齐生成
`review.json`	渲染前静态监督闸门的结果（空数组 = 全部通过）
`sidecar.json`	运行元数据：时长偏差、语速、字幕条数、体积、耗时

点开任一条可以看到"这句话为什么在这里、画面为什么是这个图"，这是本项目和"给个 prompt 出视频" 最大的区别：中间产物是一等公民，老师能改分镜里的一句口播或一个镜头秒数再重渲。

管线

Brief（学科/学段/知识点/时长/风格）
  → Knowledge（本地资料库检索，命中教材锚点，无 LLM）
  → Plan（分镜 IR：15 种视觉原语）
  → review（19 类静态监督闸门，不过则拒绝出片）
  → ManimCE 渲染（无声画面；公式走 latex+dvisvgm，缺 TeX 自动退回 Pango 排版）
  → TTS（网关 qwen3-tts-flash，HTTP POST /v1/audio/speech）→ 字幕对齐 → subs.srt
  → ffmpeg 混流 → 时长/音画漂移闸门 → 成片 + sidecar.json

三条我们认为值得单独说的设计：

时长是硬约束，且按实测反推。先按自然语速实测每段配音时长，再反写每个镜头的秒数，成片落在目标 ±10% 内；不是"先渲染再剪"。
不交付赶课的片子。整片口播量 ÷ 可说窗口，反解出需要的 TTS 提速档，超过 +2 档直接打回，并给出"精简到 N 字"或"放宽到 M 秒"两个可执行数字。网关中文语音自然讲课实测 4.7 字/秒。（网关 TTS 的 speed 参数实测无效，现一律按自然语速合成，档位照收但忽略——sidecar 里如实记账。）
定义性限定钉得住。每个知识点条目用 must_say 声明"这条必须说出口的几句" （a ≠ 0、椭圆定义里的"常数大于两定点间距离"、F 是合外力……），整片一次都没说即打回。精简口播时最容易误删的恰好是这些限定，所以交给闸门正向钉住，而不是靠人记着。

当前状态（如实）

语料：8 条知识点（数学 4 / 物理 3 / 化学 1），学段 G8–H2。
测试：257 项全绿（mvp/tests/，含每条闸门的"必然命中"反向用例，也含字体标定这类不渲染像素、直接读 SVG 轮廓的复检用例）。
验收：正在按四维量表做第五轮独立复评（batch_v8），两名互不知情的评审人各自读图打分后交叉裁定（科学性/易懂/美学/完成度，通过线 S ≥ 4.5、U/A/C ≥ 3.5、总分 ≥ 4.0，且 G1–G5 一票否决项无一命中）。前四轮均未过线（数学批在第三轮达到过线判据、物理批未过；第四轮 8 条里 6 条过线、因出处角标 12~23 px 命中 G3 一票否决而整体未过，见 Eval_batch_v7_*.md 与 Audit_batch_v7_cross.md）。每轮的评审原文与交叉裁定都随仓库留档——本项目不声称已通过验收。

在容器里复现渲染（移植阻断项台账，2026-10-18 按源码逐条重核）

#	阻断项	现状（已核对源码）	结论 / 需要的改动
①	配音	已解除（#60-A）。`audio/tts.py` 不再走 Windows SAPI/powershell，改为第三方网关 HTTP：`POST {QX_LLM_BASE_URL}/v1/audio/speech`（默认 `https://api.openai-next.com`），模型 `qwen3-tts-flash`，voice `cherry`。间歇性 403/408/429/5xx 已内置重试：共 5 次尝试、间隔 3s 起翻倍（3/6/12/24s）。网关 WAV 头 size 字段溢出、speed 参数无效两个坑均已在代码内处理/如实记账	Linux 容器可用，但有三个前提：(a) 密钥经 env 注入——`QX_LLM_API_KEY` 直接给值，或 `QX_LLM_KEY_FILE` 指向容器内可读的密钥文件（代码缺省的 `D:\Desktop\key.txt` 在 Linux 不存在，必须二选一，密钥只走创空间的环境变量配置，不进镜像、不进仓库）；(b) 容器出网可达 `api.openai-next.com`（可用 `QX_LLM_BASE_URL` 换网关）；(c) 接受 403/429 抖动——重试已内置，但网关持续不可用时配音会失败
②	中文字体	`scene.py` 默认已不是 YaHei：`T()` 中文走 `SimSun`（宋体）、拉丁/数字走 `Times New Roman`，分别可用 env `MVP_TEXT_FONT` / `MVP_LATIN_FONT` 覆盖	两款都是商业字体，不能打进 Linux 镜像。替代映射：SimSun → `Noto Serif CJK SC`（衬线、全量 CJK，`fonts-noto-cjk` 提供）；Times New Roman → `TeX Gyre Termes`（Times 度量兼容，`fonts-texgyre`）或 `Liberation Serif`（`fonts-liberation`）。Dockerfile 已按此装包并设 env
③	字号/字距标定	标定值与字体强绑定：`scene.py` 的 `_DELTA_DESC/_DELTA_CJK/_DELTA_PAREN`（分段基线拼接）与 `review.py` 的 `UNIT_CJK/UNIT_ASCII`（LEGIBLE 闸门估宽）都是量着 SimSun+Times 实测的，唯一事实源在 `mvp/font_metrics.py` 的 `CALIBRATED` 表（键=字体对），未标定字体对会抛 `FontMetricsError` 硬拒、绝不静默沿用旧值	已运行时化（#9）。容器换字体后不用人进容器手填：`start.sh` 起服务前自动跑 `python mvp/tools_fontmetrics.py --out mvp/font_metrics_cache.json`，`font_metrics.metrics_for()` 未标定时读这份缓存把实测值注册进表；探针跑不出就如实保持"只当画廊"（生成报 `FontMetricsError`），画廊不受影响
④	字幕烧录	`pipeline/mux.py` 的 ASS Style 里 `FontName` 写死 `Microsoft YaHei`，Linux 容器没有这款字	已解除。`SUB_FONT` 改读 env `MVP_SUB_FONT`（缺省仍是 YaHei，Windows 行为不变）；Dockerfile 已设 `MVP_SUB_FONT="Noto Serif CJK SC"` 与画面字体同源。默认不出烧录版（画面内已排字幕），要外挂/烧录版才走这条
⑤	公式 TeX	`scene.py` 已接入 LaTeX：`formula.props.tex` 走 MathTex（latex → dvisvgm），探测不到 TeX 时自动退回 Pango 排版（`rich()`），不会渲染失败	新增项（原台账写"本项目不需要 LaTeX"已过期）。要容器内出公式版，镜像需装 texlive（包清单见 Dockerfile：`texlive-latex-base` + `texlive-latex-extra` + `texlive-fonts-recommended` + `dvisvgm`，覆盖 TexTemplate 用的 amsmath/amssymb/mathptmx 与 standalone）。Linux 走 texlive 全量预装，不存在 MiKTeX 那种渲染时才联网下宏包的问题；不装 TeX 也能出片，只是公式退回 Unicode 排版

另外两条待实测确认（本机没有 docker，docker: command not found，这个镜像尚未经过构建验证—— texlive/字体包清单同样只是按 Debian bookworm 包名写对，未经 docker build 证实）：

pycairo / manimpango 在 Linux 上通常没有预编译轮子，需要 libcairo2-dev、 libpango1.0-dev、pkg-config、gcc 现场编译；Dockerfile 已按此写，第一次构建要盯这一步。
免费档只有 2vCPU/8G、无 GPU，一条 60–120s 的片子在容器里的墙钟时间未实测；磁盘配额（系统盘 / /mnt/workspace）也没有官方数字，直接决定能预置多少条成片（当前画廊 16 条约 119MB，最大单文件 10.0MB，无 >100MB 文件、不触 LFS）。

push 检查单（一步到位版；至今无远端，任何 push/建空间都等用户确认）

按 SubTask #45③ 底稿，补上本轮新增的两个前置步骤（加粗项）：

[前置] 字体替代 + 字距自动标定：确认镜像内 MVP_TEXT_FONT="Noto Serif CJK SC"、 MVP_LATIN_FONT="TeX Gyre Termes"、MVP_SUB_FONT="Noto Serif CJK SC" 生效（fc-match 核对）。字距标定已运行时化：start.sh 起服务前自动跑 tools_fontmetrics.py --out mvp/font_metrics_cache.json， font_metrics.metrics_for() 未标定时读它注册（阻断项 ③）；探针跑不出就如实保持"只当画廊"。首次构建后应核对容器启动日志里探针是否成功落盘（这是生成入口能开的先决条件）。
[前置] 网关密钥注入：在创空间"环境变量"里配 QX_LLM_API_KEY（或 QX_LLM_KEY_FILE 指向挂载的密钥文件）——密钥只经 env 注入，绝不写进镜像/仓库/日志；配好后在容器内跑一次最短文本的 TTS 合成验证出网与密钥（阻断项 ① 的三个前提逐项打勾）。朗读稿改写与 TTS 同网关：start.sh 已默认 QX_LLM_VOICEOVER=1（可 env 覆盖为 0 关闭），未配密钥/改写失败时自动回退 tts 正则兜底，画廊与出片不受影响。反馈持久化（创空间无持久盘，容器重建会丢本地文件）：另配 QX_FEEDBACK_REPO（私有 ModelScope 数据集 id）与 QX_FEEDBACK_REPO_TOKEN（该数据集写 token），两者同时设置才启用写穿—— 提交时异步传到数据集 feedback/，启动时回拉缺失条目；可选 QX_FEEDBACK_TOKEN 让 GET /api/feedback?token= 额外显示联系方式。token 同样只经 env 注入。
账号完成阿里云绑定 + 实名认证。
建 docker 类型空间，visibility 先 private；服务端设 sdk_type=docker、硬件 platform/2v-cpu-8g-mem。
推 .local/space/（deploy/build_space.py 组装，产物已 gitignore；>100MB 单文件必须走 LFS——当前最大 10.0MB，不触发）。
盯首次构建：pycairo/manimpango 现场编译 + texlive 安装（本机无 docker，镜像未经构建验证）。
构建通过、画廊页面核对无误后，再谈公开与生成入口（生成入口的阻断项 ①~④ 已全部从代码层面解除，只差：密钥 env 注入 + 字体探针在容器内跑出标定缓存，两者都满足即可开）。

许可与素材

代码与结构化数据（含知识点 JSON）：MIT，见 LICENSE。
字体：开发机用系统字体（Windows 上的 SimSun/Times New Roman，商业授权随系统）； Linux 镜像只打包开源替代（Noto Serif CJK / TeX Gyre / Liberation），不含任何商业字体。
配音：第三方网关 TTS 服务（qwen3-tts-flash），密钥经 env 注入；不再依赖系统语音。
片中只标注教材章节出处、不复制教材原文。
第三方教材/数据集原件不进本仓库，逐条来源见项目根 corpus/MANIFEST.txt（在主仓库）。

空间内容每次整改后重新生成；成片与中间产物一一对应，欢迎逐帧核对。

唱歌对口型v2

xihuyisheng — Sun, 18 Oct 2026 08:13:47 GMT

唱歌对口型v2

VocalSync

音频驱动人像视频生成服务，通过 ComfyUI 工作流实现图片人物根据音频内容自然开口说话，提供 Gradio 可视化界面MCP接口。

运行环境与模型从哪来

依赖和模型都不在创空间仓库里，而是统一放在模型仓库 xihuyisheng/LongCat-Video-Avatar-1.5：

仓库内路径	内容
`env/vocalsync-env-py312.tar.gz`	装好全部依赖的 Python 3.12 虚拟环境（torch 等 CUDA 栈继承基础镜像）
`env/manifest.json`	环境包清单（sha256、目标路径、基础镜像版本）
`models/`	ComfyUI 需要的全部模型，按 ComfyUI 的目录结构存放

启动流程：

app.py 先加载 runtime_env，从模型仓库取环境包 → 解压到本地盘 → 切换解释器重新执行（全程零 pip 安装）
bootstrap.py 作为独立进程在后台把模型拉到 /mnt/workspace/ComfyUI/models/（持久化卷，重启不重复下载）
模型就绪后启动 ComfyUI（它启动时要扫描模型目录建清单），7860 端口的服务先起，不受首轮下载影响

为什么环境包要解到本地盘：/mnt/workspace 是网络卷，往里解压 3 万多个小文件要 10 分钟以上，会直接被平台的 600 秒健康检查判超时。

模型仓库地址：https://www.modelscope.cn/xihuyisheng/LongCat-Video-Avatar-1.5.git

知华·有据

TroyeXie — Sun, 18 Oct 2026 05:48:52 GMT

知华·有据——华为门店内容工作台。导购说一句需求，补齐必要型号，即可生成有资料依据的图文；结合校园、商务、社区等门店的客群与顾客原问，形成不同表达。ima 产品资料与华为官方生态原文提供事实、真实配图和使用条件，支持查看依据、修改复核、复制及离线图文包。覆盖十款完整 PC 型号，并展示手机、平板与电脑的适用协同场景。AI+X 破界黑客松·华为产业落地赛道参赛作品。

知华·有据

华为门店内容工作台 · AI+X 破界黑客松 / 华为产业落地赛道

让导购从一句话开始，写出适合本店顾客的图文内容。项目围绕门店创作的三个问题设计：操作负担重、多店内容雷同、新品卖点容易失实。完整型号、产品事实、真实配图和使用条件贯穿创作与核查；门店的客群、顾客原问和体验安排用于形成不同表达。

使用流程

说一句需求。 输入产品、顾客和想发布的内容，点击“帮我准备图文”。规则归整入口识别已支持的完整型号、客群、场景和渠道；已具备必要信息时进入生成，型号有歧义时提供选项补齐。也可使用示例任务或展开详细设置。
带上本店的表达。 可选填门店类型、语气、周边场景、顾客原问和真实体验笔记，点击“保存门店设置”后在当前浏览器复用。这些输入用于创作方向，不作为产品性能、兼容性、价格或顾客评价的证据。
查看图文和依据。 系统按完整型号载入材料，依次完成事实提取、内容生成和独立语义核验。结果提供“图文成稿”“表达思路”“资料依据”“逐项核验”“客户方案”。引用事实保留原文、来源与型号，配图保留来源及位置。
修改、复核、带走。 “微调文案”可直接编辑标题和正文；“核验并采用”使用本次事实重新核验，通过后建立新版本。复制与下载使用该新版本。页面可下载含正文、图片和来源的图文包，接口另支持 Markdown、JSON 和 HTML。

“生成三种门店版本”固定同一产品与发布平台，分别以校园、商务、社区门店的顾客问题组织内容，并逐条运行生成与核验。比较开头、事实侧重和行动引导；每个版本独立保留状态。重复表达提示使用最近同型号同平台结果的字符片段重合度，只用于提醒进一步调整，不作为原创性或营销效果评分。

九类业务场景：开学季、职场办公、内容创作、家庭换新、企业采购、门店到访、新品首发、节日营销、生态体验。

平台	内容策略	配图要求
小红书	口语标题、具体困扰、短段场景、话题标签	3-6 张
公众号	标题、导语、任务分段、解释与行动引导	2-4 张
门店朋友圈	一个场景、一个核心卖点、咨询引导	1-3 张
门店海报	主副标题、不超过 3 个卖点、行动引导	1 张

产品事实与生态体验

产品资料可来自指定共享库“任德耀新建华为PC知识库”，并支持同内容的个人 ima 知识库。已实际取回的资料与图片缓存用于应对接口额度或网络波动。每次结果记录 source_mode、原始取材时间和本次是否实时检索；缓存模式下，新任务仍重新调用模型生成与核验。

当前目录包含十款完整机型：MateBook 14 酷睿 Ultra、HUAWEI MateBook 14（鸿蒙版）、MateBook Pro、MateBook Pro S、MateBook Fold 非凡大师、MateBook D 14 2024、MateBook D 16 2024、MateBook D 16 SE 版 2024、MateBook GT 14、MateBook X Pro 酷睿 Ultra 微绒典藏版。以 /api/catalog 返回的完整名称为输入准则；支持目录不等于每款每种场景都已有实际生成记录。

public_evidence.py 对照华为官方公开规格、原文及图片文件 SHA-256。ecosystem.py 另按完整 PC 型号与功能主题选择六份官方支持资料，独立标记为 official_huawei。进入模型的生态材料为已读取的连续官方原文；说明性摘要只用于界面。原文、URL、适用机型、核验时间和使用条件保存在 data/ecosystem_evidence.json。

生态主题	两份华为官方来源	必须保留的条件示例
手机／平板应用接续至电脑	接续功能；支持的应用与场景	对应支持机型；设备均为 HarmonyOS 5 及以上；同一华为账号；开启 WLAN、蓝牙及接续；仅限支持的应用与场景
键鼠共享	操作与功能；支持设备	对应支持机型；设备均为 HarmonyOS 5.0.0.125 及以上；同一华为账号及功能开关；排除官方列明的不支持设备
平板作为电脑副屏	无线投屏至平板；连接方式与限制	对应支持机型；电脑和平板 HarmonyOS 6.1 及以上、同一华为账号并开启相关无线功能；Fold 特定形态另有 HarmonyOS 7.0 条件

这些条件来自 2026 年 10 月 19 日核查的官方页面，具体内容以各页面当前说明为准。生态体验以现有完整 PC 型号为入口，按对应文档组织手机、平板协同场景；未配置独立手机和平板产品规格库。WPS 接续限定云文档编辑页，小红书接续限定笔记发布页，不据此宣称任意应用、任意鸿蒙设备都能协同。动态价格、活动资格、库存和软件兼容结论仍需对应来源。

客户方案

客户洞察：使用任务、预算与价值、决策阶段、顾虑与障碍、设备与体验环境五维逐条保留输入依据；没有提供的信息列为待确认。
四档报价：标准方案、门店优惠、优惠组合、完整权益。录入具体 SKU、基础金额和来源，逐项填写权益金额、条件、有效期及叠加关系；使用 Decimal 计算并列出扣减过程。缺少来源或冲突条件时不补写成交价。最低金额仅比较已填报且可计算的方案。
180 秒演示：六个时段安排需求确认、版本核对、实际任务、设备连接、携带体验及下一步；能引用的规格关联本次已验证事实。
1 / 3 / 7 天跟进：依次补齐未确认项、回应顾虑和方案、征求继续联系意愿。输出为草稿，不自动联系客户。

报价模块按已录入的有来源金额进行算术示算；尚未接入真实订单、库存或门店促销系统。产品体验与跟进内容为导购可采用的计划和草稿，应用不会自动联系顾客或代发社交平台。

技术结构

文件	职责
`app.py`	HTTP 接口、输入校验、缓存装载、运行保存、编辑复核、图片路由与导出
`personalization.py`	一句话归整、门店资料归一化、内容方向及重复表达提示
`ima_client.py`	ima 只读检索、目录回退、型号绑定和媒体获取
`public_evidence.py`、`data/`	对照官方公开规格、原文及图片 SHA-256
`ecosystem.py`	六份官方生态原文的地址检查、完整型号与功能匹配
`engine.py`	三阶段模型调用、场景平台策略与生成核验
`growth.py`	五维输入依据、Decimal 报价、180 秒演示及跟进草稿
`prompts/system_prompt.md`	角色、场景、平台、知识、图片、生成、核验、合规与门店执行约束
`static/`	原生前端、门店工作台、真实结果视图；中文 STKAITI、英文 AnthropicSerifWebText
`examples/`	已保存的真实图文运行结果与检查记录
`tests/`	输入与门店差异、来源覆盖、声明清理、报价边界等行为检查

主要接口

方法与路径	功能
`POST /api/intake`	归整一句话任务；返回可运行输入或必要补问
`POST /api/generate`	载入材料、三阶段模型处理、规则核查、客户方案与运行记录
`POST /api/check`	依据选定运行的事实检查已有文案；无依据时保留未核实状态
`POST /api/revise`	核验手工修改的标题与正文；通过后建立新运行并关联原运行
`GET /api/runs/{run_id}`	读取一次保存的实际结果
`GET /api/runs/{run_id}/export?format=md\|json\|html\|zip`	导出 Markdown、JSON、自包含 HTML 或图文 ZIP
`GET /api/catalog`、`GET /api/ecosystem`	产品目录与适用生态来源
`GET /api/examples`、`GET /api/status`、`GET /healthz`	已保存案例、服务状态与健康检查

ZIP 包含 图文.html、稿件.md 和可用的本地图片；正文和图片来源保留在图文内。HTML 单文件导出内嵌可取得的图片。若某张图片缺少可取得的文件，导出保留来源链接，不能将这种结果标为图片已完整离线打包。HTML 和 ZIP 只交付通过核验的结果。

运行与部署

Python 3.12。

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
# 在私有进程环境配置下表变量
python app.py

访问 http://localhost:7860。程序读取进程环境，复制 .env.example 不会自动加载配置。

变量	说明
`IMA_OPENAPI_CLIENTID`、`IMA_OPENAPI_APIKEY`	已加入知识库的账号凭证，仅保存在私密环境
`MODEL_API_URL`	HTTPS 完整 `/chat/completions` 接口
`MODEL_API_KEY`、`MODEL_NAME`	模型凭证和服务方实际模型 ID
`MODEL_THINKING`	DeepSeek 思考模式，默认 `disabled`；按服务能力设为 `enabled`
`IMA_KB_NAME`	默认指定共享库；可选 `谢家兴的知识库` 作为同内容来源
`IMA_DATA_MODE`	默认采用已核验缓存；`live` 尝试实时取材并在失败时使用可用缓存
`MODEL_TIMEOUT_SECONDS`	模型单次超时，默认 55 秒
`PORT`、`ZHIHUA_RUNTIME_DIR`	默认 7860、`/tmp/zhi-hua-runtime`
`MAX_CONCURRENT_RUNS`、`MAX_RUNS_PER_HOUR`	默认并发 2、每来源每小时 24 次

当前配置示例使用魔搭推理服务模型 deepseek-ai/DeepSeek-V4.1-Flash-1017（DeepSeek-V4.1-Flash-1017）。模型 ID 来自服务端 MODEL_NAME，不在源码中固定返回结果。未配置服务时返回明确状态；实际使用的配置和调用结果应与部署验证记录一同核对。

docker build -t zhi-hua-agent .
docker run --rm -p 7860:7860 --env-file /private/path/agent.env zhi-hua-agent
python -m unittest discover -s tests -v

魔搭选择 Docker，应用端口 7860，健康检查 /healthz。凭证只放私密环境变量。应用供评委直接打开，生成接口不回传模型或 ima 凭证。

魔搭从固定的 GitHub 提交构建应用，完整源码以本 GitHub 仓库为准。部署模板可复制到创空间作为 Dockerfile；SOURCE_REVISION 默认固定为已公开的提交 d4212b9c2026a6de6e0bd36fdd36bbd77ef5d0b3，镜像标签同时记录该版本。构建时下载该提交的公开源码压缩包，安装声明的依赖，并以普通应用用户启动。更新时先提交源码，再将魔搭 Dockerfile 的 SOURCE_REVISION 改为目标提交的完整 SHA，重新构建部署；GitHub 后续提交不会自动改变这一固定版本。

验证方法

当前源码已完成 39 项单元测试，全部通过。另从全新的空运行目录加载仓库中的已保存案例，成功导出三份门店发布编辑版和一份生态接续结果：四份 HTML 均内嵌有效图片，四份 ZIP 的 HTML 与 Markdown 均引用包内相对图片路径，图片字节与静态原图一致。此次验证复用了既有真实运行成果，没有新增模型生成，也不依赖旧运行缓存。

验证分别记录程序行为、真实模型结果和页面交付，不以旧版本测试总数代表新版通过情况：

运行 python -m unittest discover -s tests -v，检查输入归整、门店上下文、来源覆盖、无依据声明的处理和报价条件边界。
使用实际模型服务运行不同客群、至少两类场景与两种平台的内容；保存每次输入、run_id、时间、耗时、最终状态、事实原文、图片来源、核验与执行轨迹。失败和被阻止的结果按实际状态保留。
固定同一完整机型与发布平台，执行三店比较，逐份检查顾客问题、开头、事实侧重和行动引导是否存在有意义差异。字符重合度只作为辅助观察。
运行一个有完整官方条件的生态案例，例如 MateBook Pro 与手机备忘录接续，核对 ecosystem_evidence 中的来源及成稿限定。
对成稿作手工编辑并复核，核对新 run_id 与 parent_run_id；比较页面、复制文本、MD、JSON、HTML 和 ZIP 中的最终稿。打开导出文件并实际检查图片与来源。
在部署页面完成入口、必要补问、生成、三店比较、来源展开、编辑及下载操作，保存真实画面。性能数据只标注对应输入与运行，不能据单次运行推算门店效率或营销转化。

原文引用、独立语义核验与规则检查共同降低错误风险，仍需导购按具体 SKU、软件版本和现场环境确认再发布。屏幕或键盘规格本身不证明体验提升；产品图的型号与文件匹配也不构成性能测试。

本轮提交说明

本轮评审反馈图片明确：复赛进入决赛只要求提交视频；可通过实际操作与结果、口头介绍和亮点演示展示项目。PDF 与源码继续作为便于评委了解和复现的配套材料，不把旧轮评分或旧赛题中的提交项当作本轮新增硬性要求。

反馈图片给出的截止文字为“23号17：00”，没有写明月份、年份和时区。结合本轮日期，团队按 2026 年 10 月 23 日 17:00（北京时间） 安排准备；这是上下文推定，最终提交时间与提交入口以赛事群后续通知为准。此文档不表示视频已经上传或赛事提交已经完成。

权利说明

华为商标、资料与图片归各自权利人。本项目是比赛原型，不代表华为官方产品或销售承诺。公开仓库保留程序和必要公开来源摘录，供评审、复现与后续开发。

红楼智问

honglouzhiwen — Sun, 18 Oct 2026 03:37:47 GMT

红楼智问 · 红楼梦检索增强问答（RAG）演示

Clone with HTTP

 git clone https://www.modelscope.cn/studios/honglouzhiwen/honglou-zhiwen.git

辅导agent

jiulikaalice — Sat, 17 Oct 2026 18:39:59 GMT

Edu-Agent 学习教练（演示）

面向 K12 的 AI 学习教练：一个主 agent 调度四个子 agent（核对、画图、出题、笔记），会讲解、会出小题检查是否真的学会，答错时先找原因，学完后经同意整理成笔记。后端模型部署在 Azure AI Foundry，本页为国内直连演示入口。

每次打开都是全新会话：对话、做题进度和学习记录都不跨页面保留（浏览器只留一个不含内容的「来过了」标记，用来跳过开场问题）。第一次打开会先自我介绍并问两个小问题（谁在学、学段、是否保存学习记录），答完即可提问。互动图生成需要 30–60 秒，页面会有进度提示。

源码见 GitHub：https://github.com/julikaalice-ux/edu-agent-learning-coach

Clip票夹

Zhou316 — Sat, 17 Oct 2026 15:41:48 GMT

Clip票夹——你的一站式报销助手。通过我们的项目，把分散的发票、附件与报销进度，整理成一条可协作、可追溯的工作流。

Clone with HTTP

 git clone https://www.modelscope.cn/studios/Zhou316/Clip.git

AI模型预测量化投资工具

z2927397608 — Thu, 15 Oct 2026 14:19:07 GMT

数析在线

wanglinjie123 — Tue, 13 Oct 2026 14:43:05 GMT

Clone with HTTP

 git clone https://www.modelscope.cn/studios/wanglinjie123/Shuxi_Online.git

Stronghold-Protocol

jingjiangze — Sat, 10 Oct 2026 18:18:29 GMT

软腭哨兵

miracletype — Thu, 08 Oct 2026 19:27:41 GMT

chatbot

liuhanran — Mon, 28 Sep 2026 13:35:49 GMT

Clone with HTTP

 git clone https://www.modelscope.cn/studios/liuhanran/chatbot.git

RAG 垂直领域知识库问答服务

单文件 Python 应用（chatbot.py）实现的检索增强生成（RAG）服务：对本地语料分块、建立稠密+稀疏双通道索引，问答时双路召回 → RRF 融合 → 重排 → 拼装上下文 → 流式生成。前端为 Streamlit，向量库为 Qdrant，生成模型经 Ollama 运行。

本文档只描述系统结构与使用方式。文中行号为 2026-10-15 版本快照，仅作导航参考。

1. 系统组成

组件	职责	形态 / 地址
`chatbot.py`	全部业务逻辑与唯一入口（CLI + Streamlit）	本地 `:8501`，魔搭容器 `:7860`
Qdrant	稠密向量 + BM25 稀疏向量存储	`localhost:6333`，经别名 `rag_current` 访问
Ollama	生成模型（`qwen3.5:4b-q4_K_M`）	`localhost:11434`
检索模型	嵌入 `bge-m3` + 重排 `bge-reranker-v2-m3`	默认进程内 torch（MPS/CPU）；`RAG_*_BACKEND=http` 时外置为 infinity 服务（`:8001`）

本地四组件用 tools/run_local.sh {start|stop|status|logs} 一键起停，全部原生进程，不依赖 Docker。

2. 目录结构

路径	说明
`chatbot.py`	业务代码单文件（约 4100 行），按依赖顺序分节，见第 3 节
`.env`	配置生效值（唯一配置权威，见第 7 节）
`corpus/`	语料目录（默认 `RAG_DATA_DIR`，`*.txt`）
`artifacts/`	离线产物：`chunks.json` + `chunks.meta.json`（分块与切分指纹）、`docs/`（逐文档分块缓存）、`embeddings/`（稠密向量缓存）、`gen_tokenizer/`（生成模型 tokenizer）
`lexicon/`	领域词表：`aliases.txt`（别名归一）、`stopwords.txt`，整表替换即可换领域
`models/`	本地模型权重（嵌入、重排）
`storage/`、`qdrant_config/`	Qdrant 数据与配置
`tools/`	运维与验证脚本，见第 9 节
`Dockerfile`、`entrypoint.sh`	魔搭创空间单容器（qdrant + ollama + streamlit 三进程）
`docker-compose.yml`、`docker-compose.gpu.yml`、`embed.Dockerfile`	容器化路径（本地 Docker / 自有服务器；gpu 覆盖仅把生成模型交给 GPU）
`ms_deploy.json`	魔搭部署规格（docker 类型、2vCPU/8G、端口 7860）
`rag.log`	运行日志（10MB × 3 轮转）

3. `chatbot.py` 文件结构

分节顺序即数据流顺序，节分隔符为 # ── 名称 ──：

节	行号	职责
基础设施：环境配置与日志	1	`env_*` 配置解析（非法值启动即报错）、双写日志
运行态单例	184	`_RuntimeState`：模块级缓存/锁（会话、tokenizer、词表）
采样/惩罚、生成客户端	239	`_chat_options` 单点组装 Ollama options；`stream_chat` 流式请求
单例协调（模型互斥驻留）	424	`RAG_EXCLUSIVE_MODELS`：检索与生成模型交替装卸
领域与检索侧配置	494	语料/来源字段/检索/嵌入后端等配置常量
模型加载与向量化	728	嵌入/重排模型懒加载、`embed()`、设备选型
分块	830	归一化（ftfy + OpenCC）→ `semantic-text-splitter` 父子分块 → `build_chunks()`
分块产物与门禁	1179	`chunks.json` 读写、切分指纹、`verify_chunks_freshness()`
词表	1301	别名归一、停用词、词表指纹
索引构建	1746	内容哈希嵌入缓存、稠密+稀疏双写、建索引、原子切别名
检索原语	2047	`dual_channel_recall` 双通道并发召回、`rerank_indices`
生成装配	2195	`plan_generation` / `build_generation_messages`：token 硬上界、历史整轮淘汰
检索引擎	2565	`RAGEngine.hybrid_search`：闸门 → 召回 → RRF → payload 回取 → 去重 → 重排
单轮编排	2969	`run_turn`：一轮问答全流程与事件流
交互入口：Streamlit	3127	页面、会话历史、Stop 按钮（确定性中止生成）
检索引擎单例与预热	3318	`_warm_engine` 后台预热
工具节 ×4	3391	`compare-chunks`、`sparse`、`lexicon`、`stages`
命令分发	4026	`COMMANDS` 表与 `main()`

4. 离线流水线

corpus/*.txt
   │ python chatbot.py process        归一化 → 父子分块（逐字无损）
   ▼
artifacts/chunks.json (+.meta.json 携带切分指纹；docs/ 逐文档缓存)
   │ python chatbot.py index          指纹校验 → 向量化(内容哈希增量) → 稠密+稀疏双写 → 建字段索引 → 原子切别名 → 删旧集合
   ▼
Qdrant 集合（别名 rag_current）

python chatbot.py sparse              仅重建稀疏向量与词表指纹（换词表时）
python chatbot.py stages              四阶段指纹比对：A 分块 / B 稠密 / C 稀疏 / D 入库
                                      输出最小重跑命令；退出码 0 = 全新鲜，1 = 有阶段过期或未验证

产物由指纹绑定：切分指纹（切分代码 + 分块参数 + 源文本 + 模型内容指纹）写入 chunks.meta.json，词表指纹写入索引 payload，稠密缓存按 模型内容指纹_嵌入代码指纹_精度 命名。任一不匹配时门禁 fail-closed（报错而非沿用旧产物）。

增量语义：process 按文档内容 sha 缓存，未变文档整篇复用；index 按块文本哈希复用向量。未变部分不重算。

5. 在线问答链路

提问 → 空查询守卫（纯标点/空白必拦）
     → 闸门：切分指纹 + 词表指纹（fail-closed）
     → 双通道召回：稠密 + 稀疏并发查询（零权重通道不融合也不召回）
     → 客户端加权 RRF → 按命中 id 精确回取 payload → 父块去重
     → rerank（对全体候选统一打分）
     → 上下文装配：parent_text + <document> 边界标签 + [n]（来源：xxx）标头
       system 恒为空字符串；整条 prompt 估算 token ≤ RAG_NUM_CTX − RAG_INPUT_RESERVE
       历史超预算按整轮淘汰最旧；资料按整条从尾部丢
     → Ollama 流式生成（事件：retrieval / thinking / delta / error / done）
     → 仅 done 时写入会话历史；失败不入历史

设计约定：生成无长度/时间闸、不重试（上下文窗口是唯一上限）；检索为空也照常生成（无拒答逻辑）；Stop 按钮经 close_events() 关闭上游流确定性中止。

6. 命令

python chatbot.py process          # 分块（改语料/切分参数后）
python chatbot.py index            # 建索引（改模型/新增内容后）
python chatbot.py sparse           # 重建稀疏向量（改词表后）
python chatbot.py stages           # 四阶段新鲜度检查，给出最小重跑命令
python chatbot.py lexicon          # 词表自检
python chatbot.py compare-chunks A [B]   # 分块产物 A/B 比较
python chatbot.py serve             # Web 界面（先校验索引再启动 Streamlit，:8501）

7. 配置

配置以 .env 为准：代码默认值权威，同名环境变量覆盖，非法值启动即报错。主要分组（完整列表见 .env 注释）：

分组	代表变量
语料与领域	`RAG_DATA_DIR`、`RAG_DOC_GLOB`、`RAG_SOURCE_FIELD`、`RAG_SOURCE_LABEL`
分块	`RAG_PARENT_MAX_TOKENS`(512)、`RAG_CHILD_MAX_TOKENS`(128)、`RAG_CHUNK_OVERLAP`(32)
检索	`RAG_TOP_K`、`RAG_RERANK_TOP_K`、`RAG_RERANK_BATCH`、`RAG_RRF_SPARSE_WEIGHT`
检索模型后端	`RAG_EMBED_BACKEND` / `RAG_RERANK_BACKEND`（`torch`=进程内，`http`=infinity 服务）、`RAG_EMBED_URL`、`RAG_EMBED_MODEL_PATH`、`RAG_RERANK_MODEL_PATH`
生成	`MODEL`、`RAG_NUM_CTX`、`RAG_NUM_PREDICT`(0=不限长)、`RAG_THINK`、`RAG_TEMPERATURE`(0=贪心)、`RAG_GEN_NUM_GPU`（`auto`=GPU 优先失败回落 CPU）、`OLLAMA_TIMEOUT`
内存与驻留	`RAG_EXCLUSIVE_MODELS`（模型互斥驻留）、`RAG_GEN_KEEP_ALIVE`、`RAG_PRELOAD`
索引与路径	`RAG_COLLECTION_BASE`、`RAG_COLLECTION_ALIAS`、`RAG_ARTIFACTS_DIR`、`RAG_LEXICON_DIR`

8. 部署

路径	说明
本地原生（默认）	`tools/run_local.sh start` 依次拉起 Qdrant / Ollama / 应用（GPU 档：Metal + MPS），已在跑的实例复用
容器（本地 Docker / 自有服务器）	`docker-compose.yml` 四容器：qdrant / ollama / app / embed；NVIDIA 主机叠加 `docker-compose.gpu.yml`
魔搭创空间	平台不支持 compose：仓库根 `Dockerfile` 单容器跑三进程，`entrypoint.sh` 拉起 + 健康等待 + 存活哨兵，仅暴露 7860；规格见 `ms_deploy.json`

发布前闸门：tools/deploy-check.sh。

9. tools/ 脚本

脚本	用途
`run_local.sh` / `run_qdrant.sh`	本地组件一键起停（Qdrant 原生二进制版本与 `Dockerfile` 同源）
`deploy-check.sh`	发布前检查（lint、产物、索引连通、进程内冒烟检索）
`fetch_models.sh`	按 `.env` 的模型路径查表下载权重（构建期/容器内）
`eval_retrieval.py`	检索基线对拍（来源命中率 / top-k 一致性）
`rerank_parity.py`	进程内重排与 `/v1/rerank` 分数比对
`prepare_infinity_view.py`	为 infinity 生成模型影子视图（不动真实权重目录）
`build_gen_tokenizer.py`	从 GGUF 离线抽出生成模型 tokenizer

10. 约束与不变量

指纹区禁改：chatbot.py 中指纹相关注释与常量是切分指纹的输入，改动 = 全量重建；read_book_text 名字是 _CHUNKING_CODE_UNITS 成员，改名即改指纹。
核心不变量：切分逐字无损；索引点数 = 产物记录数；空查询必拦；重排对全体候选统一打分；payload 按命中 id 精确回取；资料不寄生 system；生成装配估算 token 恒 ≤ 输入上界；生成失败不入历史。
变更代价：改切分/分块参数 → process + index；改语料 → process + index；改词表 → sparse；改模型 → index + 重新度量；改检索参数 → 重新度量。以 python chatbot.py stages 输出为准。
不支持并发访问（单用户本地/单容器形态）。
第三方依赖全部惰性导入（模块级仅标准库，dotenv 例外且须先于配置常量）。

开发校验：ruff check chatbot.py、python -m py_compile chatbot.py、bash -n tools/*.sh。

足球玩家

Gaop0211 — Sat, 26 Sep 2026 11:36:46 GMT

惠农遥感智能体

ildada — Fri, 25 Sep 2026 16:16:39 GMT

天衍五维 · 全息量化作战体验舱

bnpysse — Sun, 06 Sep 2026 05:49:21 GMT

天眼全息智导系统 V7.0 (ModelScope Edition)

🛰️ 基于 ModelScope 免费金融大模型与移动成本分布 (MCD) 物理场微积分的高吞吐量化战术体系

🌟 核心特性

高精移动成本分布 (MCD) 数学计算引擎 (core/quant_chip_engine.py)：
- 基于 NumPy 1500 价格网格自适应积分，从原始 OHLCV + 换手率直接求解 $C_t(P)$ 物理场递推；
- 毫秒级计算一手五维物理真值指标（$Z$ 获利比、$ASR$ 活动筹码、$X_{70}/X_{90}$ 单峰集中度、$LFS$ 锁定因子、$CYS_{34}$ 成本偏离度、$BIAS_{5/20}$）。
ModelScope 官方 Serverless 免费大模型网关 (core/providers/modelscope_client.py)：
- 内置 1,800 次/天（90% 安全水位）本地 SQLite 预算硬锁门神，100% 杜绝扣费风险；
- 多模型自动级联容灾（MiniMax M1 80K、Qwen 3 Coder 30B、Qwen 3 235B）；
- 原生支持 <think> 思维链提取与三唯一绝对战术军令下发。
198 交易日斐波那契战略纵深矩阵 (core/engine.py)：
- 自动解构 T+5, T+13, T+34, T+55, T+89, T+144, T+198 多周期战略演变。
DuckDB 全市场毫秒级战术初筛器 (core/full_market_screener.py)：
- 纯 SQL 秒级初筛【物理真空走廊】与【战略黄金坑】标的。
云端持久化与断点续算 (run_cloud_compute.py & deploy_to_notebook.sh)：
- 专为 ModelScope Notebook 1 小时自动休眠机制设计，重启秒级增量恢复。
全屏沉浸式全息 HUD 交互面板 (streamlit_app/app.py)：
- 顶栏 5 合 1 紧凑控制台，全 JS 雷达图与 HUD 实时联动。

🚀 极速起步

1. 本地启动 Streamlit 全息看板

# 安装依赖
pip install polars numpy duckdb akshare streamlit requests pydantic

# 复制环境变量模板并配置
cp .env.example .env

# 启动交互面板
streamlit run streamlit_app/app.py

2. ModelScope 云端一键高吞吐计算

在 ModelScope Notebook (PAI-DSW) 终端中运行：

cd /mnt/workspace
bash deploy_to_notebook.sh

📁 目录结构

.
├── core/
│   ├── quant_chip_engine.py       # MCD 筹码物理场微积分递推引擎
│   ├── engine.py                  # Polars 全周期数据管线与斐波那契矩阵
│   ├── signals.py                 # 五维信号判定与 S/A/B/C 战区定性
│   ├── ai_advisor.py              # 参谋部穿透审计与军令下发
│   ├── full_market_screener.py    # DuckDB 全市场秒级战术初筛
│   ├── knowledge/
│   │   └── tactical_bible.py      # 参谋部战术法典与提示词规范
│   └── providers/
│       └── modelscope_client.py   # ModelScope 免费大模型与预算门神
├── streamlit_app/
│   ├── app.py                     # Streamlit 主看板
│   └── components/                # 雷达图与 HUD 交互组件
├── data/                          # 样例数据与标的配置
├── quant_data/                    # 因子库与持久化 Parquet 数据库
├── run_cloud_compute.py           # 云端高吞吐计算主入口
├── deploy_to_notebook.sh          # 云端一键部署脚本
└── tests/                         # 端到端集成测试集

📜 战术裁决与风控纪律

参谋部战术输出严格收敛至三唯一绝对军令：

【继续锁仓装死】：底座金叉稳固、真空走廊成型、主力绝对锁仓；
【脉冲诱多坚决清仓】：护城河死叉坍塌、游资倒手派发、防线破位；
【反向T+0对冲】：BIAS 严重超买脉冲、分时尖头不封板、短线降本。

天衍五维 · 全息量化战术超脑

bnpysse — Wed, 26 Aug 2026 03:34:46 GMT

wangwangai

wanglei16556 — Fri, 24 Jul 2026 19:02:40 GMT

旺情报｜旺旺每日资讯与行业预警

面向旺旺集团管理层和人事团队的公开资讯决策平台。国内托管版完整保留原 React 网站的页面内容、视觉样式和交互，仅将运行入口迁移到魔搭创空间。

主要功能：

今日管理简报与六项可点击指标卡
旺旺动态、负面预警、同行雷达和组织人才观察
企业、分类、风险与关键词筛选
资讯原文、风险解释和 CSV 导出
七日趋势、情绪分布、同行关注度与来源健康度

农业科研雷达 Agri Paper Radar

wshuyi — Sun, 05 Jul 2026 01:34:24 GMT

每日追踪节水灌溉/灌溉决策/肥料利用率/作物表型方向新论文，AI 总结与趋势仪表盘

Clone with HTTP

 git clone https://www.modelscope.cn/studios/wshuyi/agri-radar.git

SORA Daily Report

Pangzee — Sat, 16 May 2026 16:23:58 GMT

SORA ��ձ�

Clone with HTTP

 git clone https://www.modelscope.cn/studios/Pangzee/sora-daily.git

原子科研2

czx0v0 — Tue, 10 Mar 2026 15:14:11 GMT

AtomicLab（modelspace-deploy）

Read · Organize · Write — 面向论文阅读、知识整理与写作的沉浸式工作台；本目录为 ModelScope 创空间 / Docker 一体部署形态（单端口 FastAPI + 前端静态资源）。

部署（ModelScope Studio）

创空间卡片与 YAML 说明见魔搭创空间文档；上方 front matter 由平台读取，请勿随意删除。

主题	说明
静态资源	`frontend/index.html` 为 Vite 入口，须纳入版本控制。部署时执行 `cd frontend && npm run build`，`frontend/dist/` 由 `Dockerfile` 多阶段构建拷入后端 `static/`，由 FastAPI 挂载；无需手工复制单文件 `index`。
环境变量	在创空间设置 → 环境变量配置 `DEEPSEEK_API_KEY`、`DEEPSEEK_API_BASE`；PDF 云解析需 `MINERU_API_TOKEN`（或 `MINERU_API_KEY`），无需在镜像内安装 MinerU CLI。
发布报错	若日志已出现 `GET / [200]`、`GET /api/health [200]`，多为健康检查超时或构建偶发，运行时往往正常；请查看完整构建 / 运行日志是否有 Python 或 `npm run build` 错误，可重试发布或重启实例。
代码更新	本地在本仓库提交后 `git push origin <branch>`；或在创空间设置 / 版本管理拉取 / 重新部署。

Clone（HTTP）

git clone https://www.modelscope.cn/studios/czx0v0/AtomicLab2.git

可选：GitHub 镜像 — origin 以魔搭为准。添加第二远程：git remote add github https://github.com/<org>/<repo>.git，同一提交执行 git push origin … 与 git push github …（示例分支名 master / main 自行对齐）。远程 URL 不要写入令牌；用 HTTPS + 凭据管理器或 gh auth。

仓库结构

路径	职责
`app.py`	入口；默认 `UVICORN_PORT=7860`
`aether_engine/`	FastAPI、RAG、服务层
`frontend/`	Vite + React，构建产物进 `static/`
`docs/`	产品/技术报告、变更记录、对内对外短报告
`scripts/eval/`	离线批量评测（`context_precision`、`faithfulness` 等）

本地运行

方式 A — Docker（推荐，最接近创空间）

docker build -t atomiclab .
docker run --rm -p 7860:7860 --env-file .env atomiclab

浏览器访问 http://localhost:7860。

方式 B — 前后端分进程

pip install -r aether_engine/requirements.txt
python app.py

cd frontend && npm install && npm run dev

前端开发服务器默认 http://localhost:5173（代理至后端端口，与 app.py 监听一致即可）。应用启动时会自动调用 GET /api/documents 回填「文献库」列表；本地模式下只要 data/documents/ 未删除，刷新页面或重启后端后文献仍可恢复显示。在文献库点击「确认移除」时，Local 文献会同步调用 DELETE /api/documents/:id 删除后端文件与元数据（笔记保留，可继续 CRUD）。

环境变量配置位置

本地运行：项目根目录 modelspace-deploy/.env（模板见 .env.example，复制后填 key）
创空间运行：控制台「设置 -> 环境变量」
建议至少配置：CHAT_LLM_PROVIDER（deepseek 默认 / aliyun）+ 一套 LLM key（DEEPSEEK_API_KEY 或 ALIYUN_API_KEY）
模型名有默认：aliyun=qwen3.8-flash、deepseek=deepseek-chat，可不配

PDF 解析：章节摘要模式

变量 / 参数	说明
`SECTION_SUMMARY_MODE`	`first_paragraph`（默认，首节文本，无额外 LLM）或 `llm`（每章在 SSE `chunk` 后再发 `summary` 事件，用 DeepSeek 生成短摘要；无 Key 或失败时仍为首段）。
`POST /api/parse-document`	Query：`section_summary_mode=first_paragraph` 或 `llm`，覆盖单次请求；前端左栏「章节摘要」下拉持久化到 `localStorage` 并传给该接口。

文献切换与本地缓存（2026-04 修复）

切换/刷新不重复请求 MinerU：解析结果（parsedMarkdown + parsedSections）已落地到浏览器 IndexedDB（localDocumentStore），文献切换优先从本地恢复。
文献库支持「重解析」：对本地文献可一键清理该文献的本地解析缓存并重新触发解析，用于纠错与手动刷新。
图谱 doc_id 一致性修复：上传后索引写入使用真实后端 doc.id（不再使用文件名拼接 id），确保 Organize 图谱可稳定看到 document/section/note 节点。
Demo 种子笔记可同步后端：Demo 加载时 demo_seed 支持幂等 upsert 到后端 notes，便于图谱与前端章节树一致。

嵌入模型：Hugging Face 与 ModelScope

创空间内会检测 /mnt/workspace 并默认从 ModelScope 拉取 paraphrase-multilingual-MiniLM-L12-v2（见 aether_engine/service/embedding.py）。本机直接运行 python app.py 时，若未设置下面开关，则 sentence-transformers 会按模型名访问 Hugging Face Hub，日志里可能出现对 huggingface.co 的请求；网络不通或超时时，可改用魔搭源：

变量	说明
`EMBEDDING_USE_MODELSCOPE=1`	启用后从 ModelScope `snapshot_download` 同一模型到本地再加载，避免直连 HF。
`MODELSCOPE_CACHE`	可选；ModelScope 缓存目录，未设时默认用户目录下 `.cache/modelscope`。

需已安装 modelscope（pip install modelscope）。创空间无需手动设 EMBEDDING_USE_MODELSCOPE。

检索默认行为

search / search/global / 写作检索默认启用全量多通道融合：
- 文档向量 + 文档 BM25 + 笔记向量 + 笔记 BM25 + 截图 OCR
- GraphRAG 1-hop + 2-hop + 跨类型 doc-note 扩展
不再通过 SEARCH_ENABLE_GRAPH_RAG / GRAPH_RAG_MODE 环境变量切换检索路径。
ATOMIC_ENGINE 仍可用于原子蒸馏/解构实验（默认 default）。

文档与评测

内容	链接
文档导航与阅读顺序	`docs/README.md`
阶段变更	`docs/CHANGELOG.md`
技术长文（含 §3.7.1 离线评测指标）	`docs/TECHNICAL_REPORT.md`
一页式深读索引	`docs/PROJECT_DEEP_DIVE.md`
评测脚本	`scripts/eval/run_evaluation.py` · `scripts/eval/README.md`

能力摘要（与主仓库对齐，精简）

阅读：PDF 高亮与批注、多视图（PDF / Markdown / 章节）、MinerU 云端解析、会话内 DocumentRAG + BM25 自动索引。
整理：原子笔记（Axiom / Method / Boundary）、图谱与 GraphRAG、笔记手动连边、ArXiv 发现（CJK 关键词英译后检索）。
写作：行内指令与写作辅助、引用解析（Crossref / Semantic Scholar）、全局 Copilot 与工具调用。
会话：X-Session-ID 隔离；POST /api/demo/load 注入 Demo。边界与 API 清单见 docs/REPORT_INTERNAL.md。

实现注记

Mission Control：截稿时间线、跳转 Organize / 写作 / 助手预填 — docs/mission-control.md。
助手：Markdown、GFM 表格、KaTeX；可点击文献引用 [n]。
双库分工：服务端 Chroma + BM25 + 图谱承担语义检索；浏览器 IndexedDB / parseCacheByDocId 存高亮、解析缓存等本地元数据（详见 docs/CHANGELOG.md）。
MinerU：已配置 MINERU_API_TOKEN / MINERU_API_KEY 时走云 API；未配置时可回退本地 CLI（若已安装）。
图谱跳转行为：document/section/note/atomic_note 节点支持定位到阅读视图；tag/entity 为语义节点，不做 PDF 直接跳转，避免“缺少文档标识”误报。
Demo 切换策略：加载 Demo 不再执行全局 startOver，避免清空本地文献缓存；A→Demo→A 切换优先本地恢复，不重复触发 MinerU。

语音聊天Demo

xihuyisheng — Wed, 18 Feb 2026 16:09:29 GMT

基于硅基流动平台的API实现语音识别

语音识别演示

实时转写演示。支持麦克风实时识别与音频文件转写，可导出 TXT / SRT / VTT 字幕。识别来源可切换 SiliconFlow 与魔搭社区创空间，纯静态页面，无需服务端。

功能特点

录音

按住说话 / 点击开始停止两种模式，也可按住空格键
实时音量电平与录音时长
录音过程中增量识别，文字随说随出
分窗处自动寻找安静点，避免把词从中间切开
浏览器不支持 AudioWorklet 时自动退回 ScriptProcessor

识别

两类来源可切换：SiliconFlow 与 魔搭社区创空间

SiliconFlow 可选 6 个模型：

模型	特点
`FunAudioLLM/SenseVoiceSmall`	多语言、速度快
`TeleAI/TeleSpeechASR`	中文方言更强
`Qwen/Qwen3-ASR-1.7B`	通义新一代 ASR
`XingChenAGI/XingChenASR-V3.2`	星尘通用
`XingChenAGI/XingChenASR-V3.2-Ultra`	星尘增强
`XingChenAGI/XingChenASR-Diarize-V3.0`	带说话人分离

魔搭社区可调用任意 Gradio 创空间的 ASR 接口，预置 ahov666/sensevoice-api（可用）与官方 iic/FunAudio-ASR（后端当前异常），也支持在页面里填入别的创空间标识
语言可指定：自动检测 / 中文 / 粤语 / 英语 / 日语 / 韩语
支持热词提示词，提升专有名词识别
结束后可一键用整段音频「完整识别」，绕开分窗带来的断句误差
音频文件拖拽转写，超长文件自动按安静点切块后逐块识别再拼接

结果

结果可直接编辑、复制
分段时间轴展示
导出 TXT / SRT / VTT 字幕
历史记录保存在本机浏览器，最多 30 条
亮色 / 深色主题

错误提示

余额不足、凭证失效、限流、文件过大、时长超限、网络异常都给出明确原因和可操作建议，不会只丢一句「识别失败」。

技术架构

浏览器
  ├─ 麦克风 → AudioWorklet（PCM 采集） → 16kHz 单声道 WAV 分窗
  ├─ 音频文件 → decodeAudioData → 16kHz 单声道 WAV
  └─ fetch
       ├─ SiliconFlow：POST /v1/audio/transcriptions（multipart/form-data）
       └─ 魔搭创空间：upload → queue/join → queue/data（SSE）

魔搭创空间走的是 Gradio 的 sse_v3 协议（实测版本 Gradio 5.42.0）：

步骤	请求	拿到
1	`POST /gradio_api/upload`	服务端文件路径
2	`POST /gradio_api/queue/join`	`event_id` 与 `session_hash`
3	`GET /gradio_api/queue/data?session_hash=…`	SSE 事件流，完成事件里带识别文本与时间轴

端点名与参数位置是运行时从 /gradio_api/info 和 /gradio_api/config 读出来的，所以换一个创空间通常不用改代码。三个容易踩的细节：

文件参数必须带 meta: {_type: 'gradio.FileData'}，否则被参数校验直接拒绝；
枚举参数（如语言、模型选择）只能填枚举里的值，把热词塞进去会报 not in the list of choices；
走 ms.show 域名时不要带鉴权头，带了会 403。

文件	作用
`index.html`	页面结构
`styles.css`	样式与主题变量
`lib.js`	纯函数：重采样、WAV 编码、文本合并、字幕生成、错误归一化（不依赖浏览器接口，可单独测试）
`config.js`	运行时配置：接口地址、访问凭证、模型与语言清单
`app.js`	主程序：录音控制、识别请求、文件转写、结果与历史
`pcm-worklet.js`	音频采集工作线程

使用说明

开始录音：按住麦克风按钮，或切到「点击开始/停止」，或按住空格键
查看结果：识别文字会实时出现在结果区
导出：复制，或下载 TXT / SRT / VTT
文件转写：把音频文件拖到「音频文件转写」区域

模型来源

SiliconFlow

页面内置了一个共享访问凭证（见 config.js 的 providers.siliconflow.apiKey）。

⚠️ 静态页面里的访问凭证对所有访客可见，任何人都能从网页源码里拿到，请注意额度消耗，并定期更换。需要完全隐藏凭证时，得在服务端加一层转发。

访客也可以在「识别参数 → 访问凭证」里填自己的凭证，填了之后优先使用填写的那份，只保存在本机浏览器，不会上传。

如果提示「账户余额不足」，说明共享凭证所属账户的额度用完了，去 SiliconFlow 控制台充值即可。

魔搭社区创空间

魔搭创空间的接口对浏览器开放跨域，页面可以直接调用，不需要访问凭证，也不需要服务端转发。预置两个：

创空间	说明
`ahov666/sensevoice-api`	SenseVoice 识别接口，当前可用
`iic/FunAudio-ASR`	官方 Fun-ASR 1.5（30 语言、方言、自动标点），后端目前自身报 Error

在「识别参数 → 模型」里选「自定义魔搭创空间…」，再填创空间标识（例如 iic/FunAudio-ASR），就能改用别的创空间；也可以直接填一个完整的地址。适配器是通用的—— 端点名、参数位置、fn_index 都在运行时从创空间自己读出来，换创空间通常不用改代码。

魔搭创空间不支持边录边出字，选中这类模型时会自动改为「录完整段再识别」。

官方 iic/FunAudio-ASR 创空间的后端目前自身会返回 Error（在它自己的网页上点识别也一样），这不是本页面的问题；换一个可用的创空间即可正常工作。

常见问题

麦克风权限

浏览器地址栏里允许本站使用麦克风。移动端需要 HTTPS 环境。

没有识别到内容

环境太吵、离麦克风太远、说话太轻都会导致识别不出。换到安静环境、提高音量再试。

识别结果是乱码或夹带标签

部分模型会输出 <|...|> 这类控制标签，页面已经做了清理。若仍有异常，换一个模型试试。

分窗处断句奇怪

在「识别参数」里把分窗长度调大（默认 6 秒），或录完后点「完整识别」用整段音频重新识别一次。

本地运行

python3 -m http.server 8000
# 打开 http://localhost:8000

直接双击 index.html 也能用，但部分浏览器会限制 file:// 下的音频处理，建议用本地服务器。

测试

node tests/unit.test.js        # 纯函数单元测试（Node）
python3 tests/e2e_test.py      # 端到端测试（Playwright + Chromium）

端到端测试会真的开一个浏览器、真的录音（用假麦克风喂音频），拦截识别接口并返回构造好的响应，验证「录音 → 分窗 → 识别 → 渲染 → 导出」整条链路；魔搭来源则由 tests/mock_studio.py 起一个本地模拟创空间，走完整的 upload → join → SSE 协议。

需要先装依赖：

pip install playwright
python3 -m playwright install chromium

项目结构

ASRDemo/
├── index.html          # 页面结构
├── styles.css          # 样式与主题
├── lib.js              # 纯函数集合
├── config.js           # 运行时配置（访问凭证在这里换）
├── app.js              # 主程序
├── pcm-worklet.js      # 音频采集工作线程
├── tests/
│   ├── unit.test.js         # 单元测试
│   ├── e2e_test.py          # 端到端测试
│   ├── live_check.py        # 线上冒烟
│   ├── mock_studio.py       # 魔搭创空间协议的本地模拟服务
│   ├── gradio_probe.py      # 创空间接口探测脚本
│   ├── gradio_matrix.py     # 创空间调用组合批量试探
│   ├── studio_ui_probe.py   # 创空间网页端行为探测
│   └── studio_example_probe.py
├── README.md
└── .gitattributes

许可证

本项目采用 Apache License 2.0 许可证。

Clone with HTTP

 git clone https://www.modelscope.cn/studios/xihuyisheng/ASRDemo.git

俄罗斯方块skills

xihuyisheng — Wed, 15 Oct 2025 12:47:21 GMT

俄罗斯方块

Clone with HTTP

 git clone https://www.modelscope.cn/studios/xihuyisheng/Tetris.git

霓虹游戏中心

一个纯前端的静态小游戏合集，每个游戏一个独立目录、单文件实现，打开即玩。

目录结构

index.html                 首页：游戏中心菜单（卡片 + Canvas 动态封面预览）
assets/base.css            共享主题：配色变量、面板/按钮/弹窗/开关等通用组件
games/
  tetris/index.html        俄罗斯方块
  snake/index.html         贪吃蛇
  pacman/index.html        吃豆人
  gomoku/index.html        五子棋
  klotski/index.html       华容道
tests/                     自动化测试（Node，无需构建）

技术特点

零依赖：不引用任何 CDN、框架或第三方库，纯原生 HTML5 + CSS3 + JavaScript
ES5 语法：只用 var 与函数，兼容老浏览器
响应式：桌面三栏 / 移动端单栏 + 屏幕按钮 + 画布滑动手势
Web Audio 实时合成音效：不加载任何音频文件
localStorage 存档：各游戏最高分与设置项独立命名空间（tetris.v1.<游戏>.*）
Canvas devicePixelRatio 自适应：高清屏不糊

玩法一览

游戏	核心特性
俄罗斯方块	SRS 踢墙旋转、7-bag 随机器、Hold 暂存、幽灵方块、锁定延迟、T-Spin 判定、连击 / 背靠背 / 完美消除、三种模式
贪吃蛇	方向队列防自撞、加速与金色果实、穿墙模式、速度递增、慢速奖励、最高分存档
吃豆人	三档难度（轻松 / 标准 / 硬核）、四只幽灵（追击 / 伏击 / 埋伏 / 游荡）、散开巡逻、能量豆、连吃递增、分批出屋
五子棋	人机对弈、启发式评分 + alpha-beta 剪枝、三档难度、悔棋、落子动画、获胜高亮
华容道	经典 4×5 布局、点击移动与方向键双操作、撤销、步数与计时、随机打乱

本地测试

node tests/logic.test.cjs   # 俄罗斯方块核心逻辑（78 项）
node tests/snake.test.cjs    # 贪吃蛇核心逻辑（49 项）
node tests/pacman.test.cjs   # 吃豆人核心逻辑
node tests/gomoku.test.cjs   # 五子棋核心逻辑
node tests/klotski.test.cjs  # 华容道核心逻辑
node tests/games.test.cjs    # 全部游戏 + 首页的通用冒烟
node tests/dom.test.cjs      # 俄罗斯方块 DOM 交互（47 项）

DOM 冒烟需要 jsdom：

npm i -D jsdom

渲染预览（把各游戏画布真实渲染成 PNG，便于目视校验，需要 @napi-rs/canvas）：

npm i -D @napi-rs/canvas
node tests/render_preview.cjs

部署

仓库根目录即静态站点根目录，index.html 为入口。在 ModelScope 创空间（sdk_type=static）下 push 后调用部署接口即可：

curl -X POST -H "Authorization: Bearer $MS_TOKEN" \
     "https://modelscope.cn/openapi/v1/studios/<owner>/<repo>/deploy" -d '{}'

注意：git push 不会自动触发部署，每次上新版本都要单独调一次。

创空间首页 · 魔搭社区

nh

Clone with HTTP

华为 PC 图文工作台 第二版

华为 PC 图文工作台 第二版

Bicyclus Wing Atlas Backend

Bicyclus Wing Atlas deployment source

Layout

Data and scientific consistency

讲课

Clone with HTTP

Genie TTS 语音合成-AMS

爱弥斯 TTS · v2Pro 官方运行时

为什么是 v2Pro 而不是普通 V2

接口

环境变量

模型来源

Food-label-check

Food-Label-Check

目录权限约定

魔搭 Git 部署

链盾 · 品质风险闭环平台

作品简介

解决的痛点

核心闭环

一期 MVP

二期增强

角色视角

页面预览

核查工单

移动端现场核查

品质报表

流程与规则

3 分钟演示路径

本地运行

发布到魔搭社区

方式一：静态创空间（推荐）

方式二：Docker 创空间

技术说明

生产化建议

目录结构

作品定位

Hadley 环流绘图工具

Clone with HTTP

呆滞清理工作台

知源知识库

ReplenTower

Clone with HTTP

华为 PC 图文工作台

华为 PC 图文工作台

haomo-1.0-demo

毫末 2.0（Haomo 2.0）· 通用中文底座

使用许可

Anna · 有面容、有记忆的 AI 伙伴

Anna 在线体验

可以体验

隔离与模型

来源与许可

AI亲子沟通相机

小家明信片 · Family Postcard AI

架构

仓库结构

Windows 本地检查

生产部署

数据库

当前边界

澄象 · 知识讲解视频画廊

澄象 · 知识点讲解短视频管线（MVP 演示）

这里能看什么

管线

当前状态（如实）

在容器里复现渲染（移植阻断项台账，2026-10-18 按源码逐条重核）

push 检查单（一步到位版；至今无远端，任何 push/建空间都等用户确认）

许可与素材

唱歌对口型v2

VocalSync

运行环境与模型从哪来

知华·有据

知华·有据

使用流程

华为 PC 图文工作台第二版

华为 PC 图文工作台第二版

3. `chatbot.py` 文件结构