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

Clawith 深度分析报告 - AI分析分享

背景：一场 OpenClaw 热潮催生的企业级答案 OpenClaw（原名 Clawdbot / Moltbot）是由奥地利开发者 Peter Steinberger 于 2025 年 11 月发布的开源 AI Agent 框架。它凭借"本地运行、真正执行任务"的定位，在 2026 年 1 月病毒式爆发，72 小时内收获 60,000+ Stars，最终以不足 4 个月时间超越 React（13 年积累 243k Stars），登顶 GitHub 软件项目榜首，成为开源历史上增速最快的项目。 "OpenClaw 的登顶标志着开源世界的权力核心，
人工智能：扩散模型（Diffusion Model）原理与图像生成实战

人工智能：扩散模型（Diffusion Model）原理与图像生成实战

人工智能：扩散模型（Diffusion Model）原理与图像生成实战 1.1 本章学习目标与重点 💡 学习目标：掌握扩散模型的核心原理、前向扩散与反向扩散过程，以及基于扩散模型的图像生成任务实战流程。 💡 学习重点：理解扩散模型的噪声添加与噪声消除机制，学会使用 PyTorch 搭建 DDPM 模型，完成手写数字图像生成任务。 1.2 扩散模型的核心思想 1.2.1 为什么需要扩散模型 💡 传统的生成模型（如 GAN）存在训练不稳定、模式崩溃等问题。扩散模型作为一种基于概率的生成模型，通过逐步添加噪声和逐步去除噪声的双向过程，实现了更稳定的训练和更高质量的生成效果。 扩散模型的灵感来源于非平衡热力学，它的核心是将复杂的生成问题拆解为多个简单的马尔可夫链步骤。在图像生成、文本生成、语音合成等领域，扩散模型的表现已经超越了传统生成模型。 1.2.2 扩散模型的基本框架 💡 扩散模型包含两个核心过程：前向扩散过程和反向扩散过程。 1. 前向扩散过程：从真实数据出发，

2026年3月AI最新动态：Google发布划时代嵌入模型，MuleRun重新定义个人AI

AI领域又双叒叕出大新闻了！3月中旬，Google发布了Gemini Embedding 2，实现了文本、图片、视频、音频、PDF五种模态的统一向量空间；同一天，国内MuleRun（骡子快跑）产品上线，主打"自进化"个人AI助手。这两件事都足够重磅，今天来详细聊聊。 一、Google发布Gemini Embedding 2：AI基础设施的重大升级 1.1 嵌入模型为什么重要？ 先简单科普一下嵌入模型（Embedding Model）。如果你用过ChatGPT、文心一言等大模型，你可能遇到过这个问题：大模型的知识有截止日期，而且它不认识你公司内部的文档。 RAG（检索增强生成）就是为了解决这个问题——先从你的知识库里检索最相关的内容，再把这些内容丢给大模型，让它基于真实信息来回答。 而检索的质量，几乎完全取决于嵌入模型。嵌入模型做的事情很简单：把一段内容（文字、图片、视频…
用Java飞算AI打造磁盘大文件搜寻助手，轻松解决C盘爆满难题

用Java飞算AI打造磁盘大文件搜寻助手，轻松解决C盘爆满难题

文章目录 * 一、前言 * 二、Java飞算AI开发体验 * 第一步：安装Java飞算插件 * 第二步：智能需求分析 * 第三步：智能接口设计 * 第四步：处理逻辑设计 * 第五步：一键生成源码 * 三、实战效果展示 * 发现问题的根源 * 清理前后对比 * 优化用户体验 * 深度清理成果 * 四、总结与感悟 一、前言 相信很多朋友都遇到过这样的困扰：C盘突然爆红，系统运行缓慢，却不知道到底是哪些文件在"偷偷"占用宝贵的磁盘空间。市面上的清理软件要么功能有限，要么需要开通会员才能查看大文件详情，着实让人头疼。 最近我在使用Java飞算插件开发MES系统时，深深被其强大的AI代码生成能力所震撼。今天，我决定用Java飞算来解决这个磁盘空间的老大难问题——开发一个磁盘大文件搜寻助手。 项目目标：基于Java 8开发一款轻量级工具，能够快速扫描指定磁盘或目录下的所有文件，按文件大小降序排列，并通过REST API提供查询功能，帮助用户精准定位大文件，高效分析磁盘空间占用情况。