多模态提示是未来：用语音、屏幕标注驱动智能体
omarsar0 · x · 2026-07-04
研究者omarsar0分享“多模态提示”实践，认为给智能体的输入越丰富、消费的输出越丰富，协作效果越好。他演示了一种“任务”式提示，可录制语音、标注屏幕、记录鼠标点击等操作，经预处理后交给智能体，超越纯文本提示。
「编程与Agent」频道最新
- Fable 5.1 生成 three.js 网站实测：快且精准，但细节仍需人把关 — repligate · 2026-09-03
- SentinelX 开源：让 LLM 安全接管你的 Linux 服务器终端 — CarolusX74 · 2026-09-03
- 连载 30 天：用 fable 5.1 给户外机器人写出无线手柄控制器 — _Stocko_ · 2026-09-03
- 试水 AmpCode：可用 ChatGPT 订阅、每线程一台云电脑，槽点是吉祥物 Puck — carlosdponx · 2026-09-03
- 一人一 Agent 独立 microVM:语言学习产品上线生产环境的三个教训 — maritime_sh · 2026-09-03
- 断网手写 10 页文档后让 Agent 做成 PPT：作者发现自己文字像 AI 糊弄产物 — cnakazawa · 2026-09-03