AI 学习中心
按入门与选型、游戏开发、图像与3D、视频与音频、智能体与自动化、模型与工程六个主题学习。站内文章提供示例与检查方法，外部资料保留原文入口。
- 本地大模型上手：先做一轮小规模验证
先估内存，再用同一组请求验证本地模型的速度与质量；附 Ollama 用量字段和测速公式。
- 为游戏资产建立一份可复用的视觉规范
以背包里的钥匙、药水和金币为例，建立能真正复用的素材规范与三张资产验收表。
- 把重复工作变成可检查的自动化流程
从“反馈文本转待审任务”搭一条可检查工作流，先验证字段、去重与失败恢复，再接自动触发。
- 怎样理解节点式 AI 图像工作流？
跑通官方基础文生图工作流，再固定种子做单变量对照，学习读连接、修依赖和保存可复用流程。
- 从想法到一个可玩的 2D 游戏原型
先交付移动、收集与重开三个可检查的玩法，再衔接带源码的Godot、Cocos或Phaser完整实战。
- 把一张图片做成游戏里的 3D 道具
用一个桌面木箱练习图转3D：检查轮廓、比例、法线、材质与目标引擎表现，保留可验收交付清单。
- 用已有图片制作一支 30 秒短片
围绕一支30秒桌面小夜灯短片，完成六镜分镜、参考素材、逐镜生成、配音与最终导出检查。
- 模型、平台和 API，有什么区别？
以“批量整理用户反馈”为例，决定用聊天网页、工作流还是 API，避免买错入口和套餐。
- 推理强度越高，就一定越合适吗？
用可复测的小实验选择推理强度：先定义正确答案，再比较通过率、等待时间与单次成功成本。
- Token 是什么？为什么不等于字数？
用一笔多轮对话账单，分清字数、上下文、输入输出和缓存；附可复制的用量记录模板。
- 30 秒视频，为什么会生成 90 秒素材？
从六镜头短片反推素材量、重试上限与现金预算，附按次收费和成功率的算例。