这次我们来看一个京东开源的实时视频视觉语言交互模型。这个项目不是概念演示，而是可以直接本地部署、支持实时视频流处理、能理解画面内容并回答问题的全栈开源方案。如果你关心多模态大模型在视频理解、实时问答、本地部署和接口调用方面的实际落地，这篇文章可以直接收藏。

这个模型的核心是打通了视觉和语言两个模态，能够对视频流进行连续分析，理解画面中的物体、动作、场景，并基于此进行自然语言对话。它最值得关注的几个特点是： 全栈开源 ，意味着从模型到前后端代码都开放； 实时处理 ，支持摄像头或视频流输入； 视觉语言交互 ，不仅能描述画面，还能回答关于画面的问题；以及 支持本地部署 ，降低了使用门槛。

对于开发者来说，这意味着你可以将它集成到自己的应用中，比如智能监控、视频内容分析、交互式教育或辅助工具等场景。硬件门槛方面，由于是视觉语言大模型，对GPU显存有一定要求，具体取决于模型规模。本文将带你从环境准备、服务启动、功能测试到接口调用，完整走一遍本地部署和验证流程，重点关注其实际效果、资源占用和工程化集成可能性。

1. 核心能力速览

在深入部署之前，我们先通过一个表格快速了解这个项目的关键信息，这有助于判断它是否适合你的需求。

能力项 说明
项目类型 实时视频视觉语言交互模型（多模态大模型）
开源方 京东（根据项目标题）
核心功能 1. 实时视频流内容理解与描述
2. 基于视频画面的多轮问答交互
3. 视觉信息提取与自然语言生成
输入形式 摄像头实时流、视频文件、单张图片
输出形式 文本描述、问题答案、结构化信息（取决于提示词设计）
部署方式 本地部署，全栈开源（推测包含模型、推理服务、示例前端）
硬件门槛 需GPU支持，显存要求需按实际模型版本测试。CPU模式可能可用但性能较低。
接口能力 应提供API服务，支持程序化调用。
适合场景 视频内容实时分析、智能交互终端、研发测试多模态模型能力、教育演示工具。

从表格可以看出，这是一个偏向于“应用层”的开源项目，重点在于提供一个可运行的、能处理实时视频并交互的完整系统，而不仅仅是一个模型权重。

2. 适用场景与使用边界

在投入时间部署之前，明确它能做什么、不能做什么，以及需要注意什么，非常重要。

适用场景：

  1. 智能监控与告警 ：自动分析监控画面，识别异常事件（如闯入、跌倒、烟雾），并用自然语言描述或触发告警。
  2. 交互式内容分析 ：对一段商品展示视频进行问答，例如“视频中出现了哪几款手机？”“主角穿的衣服是什么颜色？”，用于电商或媒体分析。
  3. 辅助与无障碍工具 ：为视障人士提供实时环境描述，例如“你前方三米处有一把椅子”“路口是红灯”。
  4. 教育与研究 ：作为多模态大模型能力的教学演示工具，或用于计算机视觉与自然语言处理交叉领域的研究原型开发。
  5. 内容审核辅助 ：快速扫描视频内容，识别可能存在的违规元素，并提供文字报告。

使用边界与注意事项：

  1. 性能与实时性 ：“实时”是相对概念，处理延迟受模型大小、硬件性能和视频分辨率影响。高精度模型可能无法达到毫秒级响应。
  2. 理解深度限制 ：模型的理解能力基于其训练数据。对于非常专业、小众或需要复杂推理的场景（如理解一段法律辩论视频），效果可能有限。
  3. 隐私与合规 ： 这是重中之重 。处理涉及人脸的实时视频时，必须严格遵守相关法律法规，确保已获得被拍摄者的明确授权，或仅在合规的测试环境、匿名化处理后使用。绝对禁止用于非法监控、侵犯他人隐私等活动。
  4. 版权与授权 ：用于分析的视频内容需确保拥有合法版权或使用权。模型本身作为开源项目，也需遵循其特定的开源协议（如Apache 2.0、MIT等），使用时请确认。
  5. 硬件依赖 ：本地部署需要较强的GPU算力，云服务器部署则涉及网络和成本。需根据实际需求权衡。

3. 环境准备与前置条件

本地部署此类项目，环境是第一步，也是问题最多的一步。请按照以下清单逐一检查和准备。

基础运行环境：

  • 操作系统 ：推荐 Linux (Ubuntu 20.04/22.04) 或 Windows 10/11。macOS (Apple Silicon) 也可能支持，但需确认项目是否提供ARM原生支持。
  • Python ：版本通常在 3.8 到 3.10 之间，建议使用 3.9 或 3.10，并通过 venv 或 conda 创建独立的虚拟环境。
  • CUDA 与 cuDNN ：如果使用 NVIDIA GPU，必须安装与显卡驱动匹配的 CUDA 工具包（如 CUDA 11.7, 11.8, 12.1）及对应版本的 cuDNN。这是GPU推理加速的关键。
  • 显卡驱动 ：确保已安装最新或项目推荐的 NVIDIA 显卡驱动。
  • 代码管理工具 ： Git 用于克隆项目代码。

项目特定依赖：

  • 深度学习框架 ：通常是 PyTorch。需要安装与CUDA版本对应的PyTorch。例如： 
    # 以 CUDA 11.8 为例
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
  • 视觉与多模态库 ：可能包括 transformers (Hugging Face), openai-clip , timm , decord (视频解码), opencv-python 等。
  • Web 服务框架 ：如果项目包含前端或API服务，可能会用到 fastapi , gradio , streamlit 或 flask 。
  • 模型文件 ：这是最大的一部分。项目可能提供Hugging Face模型仓库链接或百度网盘下载地址。需要提前下载好视觉编码器和语言模型等权重文件，并放置到指定目录。文件大小可能从几GB到几十GB不等，请确保磁盘空间充足（建议预留100GB以上）。

验证环境： 在开始安装前，可以通过以下命令快速验证基础环境：

# 检查Python版本
python --version

# 检查CUDA是否可用（在Python环境中）
python -c "import torch; print(torch.__version__); print(torch.cuda.is_available()); print(torch.cuda.get_device_name(0))"

# 检查Git
git --version

如果 torch.cuda.is_available() 返回 True ，并且能打印出显卡型号，说明PyTorch的GPU环境基本就绪。

4. 安装部署与启动方式

由于这是一个“全栈开源”项目，其部署可能涉及后端服务、前端界面和模型加载多个部分。我们假设一个典型的基于Python和Gradio/FastAPI的部署流程。

步骤一：获取项目代码 首先，从开源仓库（如GitHub）克隆代码。

git clone <项目仓库地址>
cd <项目目录名>

请将 <项目仓库地址> 和 <项目目录名> 替换为实际信息。

步骤二：安装Python依赖 进入项目根目录，通常会有 requirements.txt 或 pyproject.toml 文件。

# 创建并激活虚拟环境（以venv为例）
python -m venv venv
# Linux/macOS
source venv/bin/activate
# Windows
venv\Scripts\activate

# 安装依赖
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

如果依赖安装过程中出现版本冲突，可能需要根据错误信息手动调整某些包的版本。

步骤三：准备模型文件 根据项目文档的指引，下载所需的预训练模型文件。常见的存放位置是项目根目录下的 models/ 、 checkpoints/ 或 pretrained/ 文件夹。

# 假设文档要求下载模型到 ./models 目录
mkdir -p models
# 然后手动将下载的模型文件放入此目录

务必核对模型文件的MD5或SHA256校验码，确保文件下载完整。

步骤四：启动服务 启动方式取决于项目的设计。常见的有以下几种：

  1. Gradio WebUI 一键启动 ：如果项目提供了 app.py 或 webui.py ，启动后会自动打开浏览器界面。 
    python app.py
# 或指定主机和端口
python app.py --server_name 0.0.0.0 --server_port 7860
  2. FastAPI 后端服务 ：如果项目是前后端分离的，可能需要先启动后端API服务。 
    # 假设后端入口是 main.py
uvicorn main:app --host 0.0.0.0 --port 8000 --reload
    然后，再按照文档启动前端服务或直接使用API。
  3. Docker 启动 ：如果项目提供了 Dockerfile 或 docker-compose.yml ，这是最干净的方式。 
    docker build -t video-vlm .
docker run --gpus all -p 7860:7860 video-vlm

启动成功后，通常在终端会看到类似 Running on local URL: http://127.0.0.1:7860 的日志。在浏览器中访问这个地址，就能看到交互界面。

5. 功能测试与效果验证

服务启动后，我们需要系统地测试其核心功能。测试应从简单到复杂，逐步验证模型的各项能力。

5.1 单张图片理解测试

这是最基础的测试，用于验证视觉编码器和语言模型的基本连接是否正常。

  • 测试目的 ：确认模型能正确“看到”图片并生成描述。
  • 操作步骤 ：
    1. 在WebUI中找到图片上传区域。
    2. 上传一张内容清晰的图片（如包含一只猫、一辆汽车、一些水果）。
    3. 在不输入任何问题（或输入默认的“描述这张图片”）的情况下，点击“生成”或“提交”。
  • 预期结果 ：模型返回一段连贯的自然语言描述，例如“图片中有一只橘猫坐在沙发上”或“这是一张在公路上行驶的红色汽车的图片”。
  • 判断成功 ：描述基本准确，没有出现乱码或完全无关的内容。
  • 常见问题 ：如果返回错误或空白，检查模型是否加载成功、图片格式是否支持、前端与后端通信是否正常。

5.2 视频文件问答测试

这是核心功能测试，验证模型对时序视频信息的理解能力。

  • 测试目的 ：验证模型能处理视频片段，并回答基于视频内容的问题。
  • 操作步骤 ：
    1. 准备一个短视频文件（5-10秒，MP4格式），内容简单明确，如“一个人从左边走到右边并挥手”。
    2. 在WebUI中切换到视频上传或文件选择模式，上传该视频。
    3. 在问题输入框中输入具体问题，例如：“视频中的人做了什么动作？”、“他朝哪个方向移动了？”
    4. 点击提交。
  • 预期结果 ：模型应能结合多帧信息，给出正确答案，如“他挥手了”和“从左边移动到了右边”。
  • 判断成功 ：答案与视频内容相符。可以尝试多个不同角度的问题。
  • 常见问题 ：答案笼统（如只回答“有一个人”），可能因为模型对时序关系捕捉不足或视频采样率设置不当。

5.3 实时摄像头流交互测试

这是“实时”能力的终极测试。

  • 测试目的 ：验证模型能否处理低延迟的视频流并进行实时交互。
  • 操作步骤 ：
    1. 在WebUI中找到“开启摄像头”或“实时视频”选项。
    2. 允许网页访问摄像头。
    3. 等待画面稳定后，在对话框中提问。问题可以关于当前画面，例如：“我手里拿着什么？”（你可以对着摄像头举起一个水杯）、“我身后有什么东西？”。
  • 预期结果 ：模型应在几秒内（延迟取决于硬件）给出基于当前画面的回答。
  • 判断成功 ：回答基本正确，且延迟在可接受范围内（例如2-5秒内）。
  • 性能观察 ：同时打开系统任务管理器（Windows）或 nvidia-smi 命令（Linux），观察GPU利用率和显存占用。这是评估实时性的关键。

5.4 复杂推理与多轮对话测试

测试模型更深层的理解能力。

  • 测试目的 ：验证模型能否进行简单推理、结合上下文（多轮对话）。
  • 操作步骤 ：
    1. 使用一个包含多个物体和简单互动的视频或图片。
    2. 进行多轮提问。例如：
      • 第一轮：“图里有几个苹果？”
      • 第二轮：“香蕉在苹果的左边还是右边？”
      • 第三轮：“如果吃掉一个苹果，还剩几个水果？”
  • 预期结果 ：模型能正确回答每一轮问题，并在后续问题中引用之前的上下文（如知道“还剩几个”是基于之前“几个苹果”的计数）。
  • 判断成功 ：多轮对话逻辑连贯，答案正确。这能体现模型是否具备一定的“记忆”和推理能力。

6. 接口 API 与批量任务

对于开发者而言，通过API集成到自己的应用中是更常见的需求。同时，处理大量视频文件也需要批量任务能力。

6.1 API 接口调用示例

假设项目后端启动了FastAPI服务，端口为 8000 ，并提供了 /v1/analyze 接口。

import requests
import json
import base64

def analyze_video_file(file_path, question, api_url="http://127.0.0.1:8000/v1/analyze"):
    """
    调用视频分析API
    """
    # 方式1：如果API支持文件上传
    with open(file_path, 'rb') as f:
        files = {'video': f}
        data = {'question': question}
        response = requests.post(api_url, files=files, data=data)
    
    # 方式2：如果API要求base64编码（适用于短视频）
    # with open(file_path, 'rb') as f:
    #     video_bytes = f.read()
    # video_b64 = base64.b64encode(video_bytes).decode('utf-8')
    # payload = {
    #     'video_data': video_b64,
    #     'question': question,
    #     'format': 'mp4'
    # }
    # headers = {'Content-Type': 'application/json'}
    # response = requests.post(api_url, json=payload, headers=headers)
    
    if response.status_code == 200:
        result = response.json()
        print(f"问题: {question}")
        print(f"答案: {result.get('answer')}")
        print(f"详情: {result}")
        return result
    else:
        print(f"请求失败: {response.status_code}")
        print(response.text)
        return None

# 使用示例
if __name__ == "__main__":
    answer = analyze_video_file("./test_video.mp4", "视频开头出现了什么？")

关键点 ：

  • 确认接口规范 ：首先需要查阅项目的API文档，确认端点URL、请求方法（POST/GET）、参数名（是 video 还是 file ）、数据格式（表单 multipart/form-data 还是JSON）。
  • 处理长视频 ：对于长视频，API可能只处理前N秒，或需要你预先分割视频。也可能支持传递视频URL而非文件。
  • 异步处理 ：视频分析耗时可能较长，API可能设计为异步模式，即先返回一个任务ID，再通过另一个接口查询结果。

6.2 批量任务处理

项目本身可能不直接提供批量处理脚本，但我们可以基于API轻松编写。

import os
import glob
import time
import csv
from concurrent.futures import ThreadPoolExecutor, as_completed

def process_single_video(video_path, question, api_url):
    """处理单个视频，返回结果"""
    try:
        result = analyze_video_file(video_path, question, api_url)
        return {
            'video': os.path.basename(video_path),
            'question': question,
            'answer': result.get('answer') if result else 'ERROR',
            'status': 'SUCCESS' if result else 'FAILED'
        }
    except Exception as e:
        return {
            'video': os.path.basename(video_path),
            'question': question,
            'answer': str(e),
            'status': 'FAILED'
        }

def batch_process(video_dir, question, output_csv='results.csv', max_workers=2):
    """
    批量处理目录下的所有视频文件
    max_workers: 并发数，取决于你的GPU显存和API承载能力，从小开始试。
    """
    video_extensions = ['*.mp4', '*.avi', '*.mov', '*.mkv']
    video_files = []
    for ext in video_extensions:
        video_files.extend(glob.glob(os.path.join(video_dir, ext)))
    
    if not video_files:
        print(f"在目录 {video_dir} 中未找到视频文件")
        return
    
    results = []
    with ThreadPoolExecutor(max_workers=max_workers) as executor:
        future_to_video = {executor.submit(process_single_video, vf, question, "http://127.0.0.1:8000/v1/analyze"): vf for vf in video_files}
        
        for future in as_completed(future_to_video):
            video_path = future_to_video[future]
            result = future.result()
            results.append(result)
            print(f"处理完成: {result['video']} -> {result['status']}")
    
    # 保存结果到CSV
    with open(output_csv, 'w', newline='', encoding='utf-8-sig') as f:
        fieldnames = ['video', 'question', 'answer', 'status']
        writer = csv.DictWriter(f, fieldnames=fieldnames)
        writer.writeheader()
        writer.writerows(results)
    print(f"批量处理完成，结果已保存至 {output_csv}")

# 使用示例：处理 ./videos 目录下所有视频，提问“描述视频主要内容”
if __name__ == "__main__":
    batch_process('./videos', '描述视频主要内容', max_workers=1) # 初次建议串行

批量任务建议 ：

  1. 控制并发 ：GPU显存有限，同时处理多个视频可能导致显存溢出（OOM）。建议先从 max_workers=1 开始，逐步增加。
  2. 加入重试机制 ：网络或服务可能不稳定，对于失败的任务可以加入重试逻辑。
  3. 记录日志 ：除了输出CSV，建议将详细日志写入文件，便于排查问题。
  4. 资源监控 ：批量运行时，持续监控GPU显存和温度，避免硬件过载。

7. 资源占用与性能观察

部署和运行这类模型，必须时刻关注资源消耗，这对评估部署成本和优化性能至关重要。

GPU 显存占用观察： 在Linux终端或Windows命令行中，最直接的方法是使用 nvidia-smi 命令。

# 动态监控GPU状态，每1秒刷新一次
nvidia-smi -l 1

启动你的视频交互服务后，运行上述命令。重点关注：

  • 显存使用量（Memory-Usage） ：这是最关键的指标。它会显示你的服务进程占用了多少显存。一个7B参数级别的视觉语言模型，在推理时可能占用8GB-20GB不等的显存，具体取决于模型精度（FP16/INT8）、图像分辨率、批处理大小（batch size）。
  • GPU利用率（GPU-Util） ：处理请求时，利用率会升高。如果持续为0%，可能意味着模型没有成功加载到GPU上。
  • 进程ID ：确认占用显存的进程是你启动的Python服务。

降低显存占用的常用方法：

  1. 量化 ：如果项目支持，使用 bitsandbytes 等库进行4-bit或8-bit量化，可以大幅减少显存占用，但可能会轻微损失精度。
  2. 降低输入分辨率 ：在服务启动参数或前端设置中，寻找降低视频或图片输入分辨率的选项。例如，从1080p降到720p或480p。
  3. 减少批处理大小 ：确保推理的批处理大小（batch size）设置为1。实时视频流通常是逐帧或小片段处理，批处理意义不大。
  4. 使用CPU卸载 ：对于一些非常大的模型，可以将部分层（如语言模型的某些层）卸载到CPU内存，但这会显著增加推理延迟，不适合实时场景。

处理延迟（Latency）分析： 延迟由多个部分组成：

  • 视频解码时间 ：使用高效的解码库（如 decord , opencv ）可以缩短。
  • 图像预处理时间 ：缩放、归一化等操作。
  • 模型推理时间 ：这是大头，取决于模型复杂度和硬件性能。
  • 文本生成时间 ：语言模型生成回答的速度。 在测试时，可以从客户端记录从发送请求到收到完整响应的时间。对于“实时”交互，总延迟最好在2-5秒以内。

8. 常见问题与排查方法

部署过程中难免遇到问题，下表整理了常见问题及解决思路。

问题现象 可能原因 排查方式 解决方案
启动时报错：CUDA out of memory 1. 模型太大，显存不足。
2. 其他程序占用了显存。
3. 批处理大小设置过大。		 1. 运行 nvidia-smi 查看总显存和已占用显存。
2. 检查启动脚本或配置中的 batch_size , max_length 等参数。		 1. 关闭不必要的GPU程序。
2. 减小输入分辨率或批处理大小。
3. 尝试启用模型量化（如果支持）。
4. 升级显卡（硬解）。
服务启动后，Web页面打不开 1. 服务未成功启动。
2. 端口被占用。
3. 防火墙/安全组阻止。		 1. 检查终端日志是否有错误。
2. 使用 netstat -ano | findstr :端口号 (Win) 或 lsof -i:端口号 (Linux) 查看端口占用。
3. 尝试用 127.0.0.1 代替 0.0.0.0 访问。		 1. 根据错误日志解决依赖或配置问题。
2. 更换服务启动端口（如 --port 7861 ）。
3. 配置防火墙规则放行端口。
上传视频后，模型返回无关或错误答案 1. 模型未针对特定任务微调。
2. 视频预处理出错（如帧提取错误）。
3. 提示词（Prompt）设计不佳。		 1. 用单张简单图片测试，确认基础视觉能力是否正常。
2. 检查视频格式和编码是否被支持。
3. 查看项目文档，是否有推荐的提问方式。		 1. 尝试更简单、直接的问题。
2. 将视频转换为标准格式（如H.264编码的MP4）。
3. 在问题中加入明确的指令，如“请详细描述视频中人物的动作”。
实时摄像头画面卡顿或延迟极高 1. 模型推理速度跟不上视频帧率。
2. 网络传输或前端渲染瓶颈。
3. 硬件性能不足。		 1. 观察终端日志，看处理每帧/每个请求的耗时。
2. 降低摄像头采集分辨率。
3. 检查CPU和GPU使用率是否饱和。		 1. 在服务端降低处理帧率（如每秒只处理1-2帧）。
2. 使用更轻量级的视觉编码器（如果项目可选）。
3. 升级硬件。
API调用返回4xx/5xx错误 1. 请求URL或方法错误。
2. 请求参数格式不对。
3. 服务内部错误。		 1. 仔细核对API文档。
2. 使用 curl 或 Postman 工具先测试最基本的请求。
3. 查看后端服务的错误日志。		 1. 修正请求的URL、方法和头部（Content-Type等）。
2. 确保文件大小在服务限制内。
3. 根据后端日志修复代码或配置问题。
依赖安装失败，提示版本冲突 Python包版本不兼容。 查看具体的错误信息，通常包含冲突的包名和版本号。 1. 尝试使用项目锁定的版本（如有 requirements_lock.txt ）。
2. 创建全新的虚拟环境重新安装。
3. 手动尝试安装兼容版本，如 pip install package==x.y.z 。

9. 最佳实践与使用建议

为了让项目运行更稳定、更安全，遵循一些工程最佳实践很有必要。

  1. 首次部署先跑通最小流程 ：不要一开始就处理高分辨率长视频。用一张简单的JPEG图片和一句“描述这张图”来验证整个管道是否通畅。这是最快的排错方法。
  2. 环境隔离与版本管理 ：务必使用 conda 或 venv 创建独立的Python环境。使用 pip freeze > requirements.txt 记录最终成功运行的环境，便于复现和迁移。
  3. 模型文件管理 ：将下载的大型模型文件与项目代码分开存放，通过软链接或配置文件指定路径。这样更新代码时不会误删模型。
  4. 配置文件外置 ：将主机IP、端口、模型路径、超时时间等配置项写入单独的配置文件（如 config.yaml 或 .env ），而不是硬编码在代码中。这方便不同环境（开发、测试、生产）的切换。
  5. 服务化与监控 ：对于长期运行的服务，考虑使用 systemd (Linux) 或进程守护工具来管理，并设置日志轮转和异常重启。监控GPU显存、服务进程状态和API接口健康度。
  6. 安全第一 ：
    • 网络暴露 ：如果API需要对外提供服务，务必通过Nginx等反向代理设置访问控制、速率限制和SSL加密。 切勿将调试端口（如7860, 8000）直接暴露在公网 。
    • 输入审查 ：对用户上传的视频/图片内容进行安全检查，防止恶意文件攻击。
    • 合规使用 ：再次强调，处理任何人脸或个人信息相关的视频前，必须确保有合法的授权和明确的使用目的，并遵循隐私保护规定。
  7. 效果优化迭代 ：模型的回答质量很大程度上取决于“提示词（Prompt）”。花时间设计更清晰、具体的提示词，能显著提升输出效果。可以建立一个“提示词库”来应对不同场景。

10. 总结与下一步

京东开源的这套实时视频视觉语言交互模型，提供了一个将前沿多模态AI能力进行本地化、服务化部署的宝贵范例。它的全栈开源特性让开发者不仅能使用，还能深入学习和定制，这对于构建智能视频分析、交互式应用原型非常有价值。

你最应该优先验证的，是它在 你的硬件环境下的基础跑通能力 和 核心的实时问答效果 。按照本文的步骤，从环境准备、服务启动，到单图测试、视频问答，一步步走下来，就能对其能力边界和性能有一个直观的认识。

最容易踩的坑主要集中在 环境依赖 和 显存不足 上。严格按照项目文档准备环境，并时刻用 nvidia-smi 监控显存，能避开大部分问题。

部署成功后，下一步可以探索：

  • 模型微调 ：如果开源许可允许，尝试用自己的业务数据对模型进行微调，以提升在特定领域（如医疗影像、工业检测）的表现。
  • 系统集成 ：将其API集成到你现有的业务系统中，例如，与告警系统结合，实现自动化的视频异常检测与报告。
  • 前端定制 ：基于开源的WebUI代码，开发更符合业务需求的操作界面。
  • 性能优化 ：探索模型量化、推理引擎优化（如使用TensorRT）、缓存策略等，以降低延迟、提高吞吐量。

这个项目就像一套强大的“视觉理解引擎”，把它安装好、调试顺，接下来就能驱动各种有趣的应用了。建议收藏本文，在部署和调试时作为参考清单。

Logo
https://edu.csdn.net/learn/39067/627173?utm_source=2019755004

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

cover

一个 API 入口调用多个大模型：AiiOnly客户端 + CC Switch 打通 Codex AI编程流程

avatar AI编程社区
cover

VSCode Claude Code + MiMo 中转免登录完整配置教程（解决原生登录弹窗 + 模型报错）

avatar AI编程社区
cover

从零开始做一个属于自己的 Skill（保姆级教程）

avatar AI编程社区