企业官网建设流程全解析

写在前面

欢迎大家关注Rocky的公众号：WeThinkIn
欢迎大家关注Rocky的知乎：Rocky Ding
《三年面试五年模拟》AIGC/LLM/AI Agent算法工程师/开发工程师求职面试秘籍独家资源：【三年面试五年模拟】WeThinkIn/AIGC-Interview-Book，欢迎大家Star～

Rocky最新撰写的10万字AI Agent（AI智能体）深入浅出全维度解析文章：深入浅出完整解析AI Agent（AI智能体）的核心基础知识

AIGC/LLM/AI Agent算法岗/开发岗求职面试内推学习社群（涵盖涵盖AIGC、LLM大模型、AI Agent、传统深度学习、自动驾驶、机器学习、计算机视觉、自然语言处理、强化学习、大数据挖掘、具身智能、元宇宙、AGI等AI行业最新面试干货经验与核心知识）欢迎大家加入：https://t.zsxq.com/33pJ0

大家好，我是Rocky。

核心导读

2026 年 7 月 21 日，千问团队在 Qwen 官方博客与微信公众号同步发布 Qwen-Image-3.0。官方没有把这次升级概括成更高分辨率、更强审美或更多风格，而是用了一个很朴素的字：“实”。

所谓“实”，被拆成三个维度：支持最长 4.5k token 输入的“内容丰实”、宣称可以渲染 10px 小字的“细节真实”，以及覆盖 12 国语言、100+ 艺术风格和多类 UI 的“知识厚实”。

这件事真正值得讨论的，并不是 Qwen-Image 又迭代了一个版本，而是图像生成模型正在更换自己的竞争单位。

过去的竞争单位是一张图：主体像不像，光影美不美，风格够不够惊艳。Qwen-Image-3.0 想把竞争单位扩大成一份完整的视觉文档：里面既有文字、公式、图表与界面，也有空间关系、知识结构和编辑意图。模型不只要“生成像素”，还要把一段长规格说明翻译成一套可读的视觉秩序。

Rocky认为，Qwen-Image-3.0 最重要的信号，不是 AI 又会画更多东西，而是视觉生成开始从内容模型走向生产系统。但必须同时强调：目前公开材料主要由官方精选案例构成，尚未披露参数规模、模型架构、训练数据、推理成本、独立基准或可下载权重。它证明了能力上限已经出现，却还不足以证明这种上限可以稳定、低成本、批量地复现。

这篇文章不把发布稿再翻译一遍，而是沿着三个问题展开：这些案例背后究竟需要什么技术能力？它们真正改变了哪些生产流程？在缺少完整技术报告的前提下，我们应该如何判断其科研价值与产品边界？

1. 先校准证据：两篇文章不是两份独立验证

用户提供的两篇材料分别来自 Qwen 官方博客与“千问大模型”微信公众号。两篇文章标题不同、篇幅不同，微信稿更偏中文传播，官方博客保留了更多案例图；但它们共享相同的“三个实”框架、大量相同表述和同一批视觉资产。

因此，它们是两个官方发布渠道，而不是两个独立信源。这一点很重要：相同案例在两个渠道重复出现，只能增强发布信息的一致性，不能构成第三方复现或交叉验证。

截至发布当日，Qwen 官方 GitHub 仓库的公开说明仍列到 Qwen-Image-2.0 与 Qwen-Image-2512，尚未提供 Qwen-Image-3.0 的权重、代码或技术报告；Hugging Face 官方命名空间也尚未检索到对应模型。微信公众号提到阿里云百炼、千问 AI 平台已开启 API 邀测，Qwen Studio 与千问 App 将提供体验。这意味着现阶段更准确的定位是：

Qwen-Image-3.0 是一次有完整案例展示的产品级能力发布，但还不是一项已经具备公开复现条件的开放研究成果。

后文所有技术解释都会遵守这个边界：官方明确说过的，写成事实；由案例可以合理推出的，写成技术解释；没有披露的，不反推、不补写、不把猜测包装成架构细节。

2. “内容丰实”的本质：把长指令编译成视觉布局

2.1 4.5k token 的价值不在“记住更多字”，而在同时约束更多对象

官方首先展示了一页空间几何 PPT。画面里同时出现平面、直线、垂直关系、定理描述与推导结论。这类任务比普通文生图更难，因为生成目标不是“有数学感的课件”，而是让符号、文字、图形与相对位置共同满足一个教学结构。

随后，官方给出了完整九宫格：隧道安全漫画、空间几何、《出师表》分析、抛体运动、寄生虫科普、医学图解、Sylow 定理、银行内控和 DNA 结构被一次性放进同一画面。据官方描述，这份提示词约为 3.7k token，而模型支持最长 4.5k token 输入。

长上下文本身并不等于长指令遵循。真正困难的是四层约束需要同时成立：

1. 对象覆盖：提示词中提到的对象不能大面积遗漏。
2. 属性绑定：标题、公式、插图和说明要落到正确的分区，而不是串到相邻内容里。
3. 空间规划：九个主题既要彼此隔离，又要共享统一画布和阅读顺序。
4. 局部可读性：全局结构成立之后，每个局部还得保留足够分辨率，不能只剩“像文字的纹理”。

这更像把自然语言规格说明编译成视觉程序：先解析内容对象与层级关系，再规划区域、字体、图形和关联，最后把规划渲染为像素。这里的“编译”是一种机制类比，不是官方披露的内部架构。

Rocky认为，4.5k token 最值得关注的不是上下文数字本身，而是它让图像提示词从一句审美描述变成了一份视觉 PRD。当提示词可以容纳内容清单、版式层级、风格约束和局部细节时，图像模型才有机会进入课件、试卷、海报、分镜、信息图这些真实交付场景。

2.2 横向并置之外，还要处理纵向嵌套

九宫格考验的是“横向并置”：同一画布上有很多对象，但它们主要是并列关系。另一个案例则把 VS Code、千问聊天、微信聊天和咖啡海报层层嵌套，形成“界面中的界面”。

这种任务测试的是语义作用域。每一层界面都有自己的视觉规则：代码编辑器需要标签页、目录树和代码区，聊天应用需要头像、气泡和输入框，海报又需要商品主体与营销文字。模型不能只识别元素，还要知道元素属于哪一层、由哪一层坐标系约束。

如果说九宫格解决的是“能放多少”，多层 UI 解决的就是“能嵌多深”。二者共同指向一个更本质的变化：文生图正在从扁平语义匹配，走向对视觉对象、层级和关系的结构化建模。

3. “细节真实”的本质：不只是高频纹理，还包括符号可靠性

3.1 10px 小字是一项强主张，也是一项尚未被完整定义的主张

官方把“10px 小字精准渲染”列为核心能力。鲸鲨信息图、代数几何论文与拟真报纸分别展示了科普图文、公式密集文档和多栏纸媒版式。

这里需要区分“看起来像小字”和“内容真的正确”这两件事。

前者主要依赖局部高频细节、字形结构与页面质感；后者要求字符级准确率、公式语义、行列关系、上下标绑定和跨区域一致性。尤其是学术论文，一处分数线、负号或上下标错误就可能改变含义。发布案例在视觉上证明了小字与复杂公式可以被生成到可读状态，但没有公开原始提示词、目标全文、OCR 准确率或公式等价性评测，因此还不能得出“可以可靠生成正确论文”的结论。

“10px”也需要分辨率、缩放方式、显示密度和评测协议才能成为可比较指标。若没有这些条件，同样的字形在原始大图、网页缩略图和打印介质上会有完全不同的像素尺寸。严谨的后续评测至少应该报告字符错误率（CER）、单词错误率（WER）、公式结构准确率、版面元素召回率，以及多次采样下的成功率分布。

3.2 编辑任务要求模型同时守住内容、材质与风格

在批注案例中，模型不是重新生成一页“像课堂笔记的纸”，而是在原书页上增加红色圈画、箭头、下划线和短评。任务的难点在于新增内容必须显眼，原始页面又不能被无意改写。

人像与多材质案例进一步展示了皮肤、发丝、羽毛、岩画、动物毛发和油彩笔触等高频纹理。

这些案例说明模型的目标已经不再只是“语义正确”，还要建立与摄影、绘画和物理材质一致的局部统计特征。但纹理逼真仍不等于物理正确：皮肤毛孔可能很真实，光源方向却可能不一致；羽毛很细，身体结构仍可能错误。评价“真实”需要把感知质量、几何一致性、光照一致性和语义正确性拆开。

多参考图编辑案例则把一张人物照、山村和雨幕作为输入，输出分镜式视觉内容。它测试的不只是融合能力，还包括身份保持、场景迁移、氛围迁移与多帧一致性。

古画修复更能说明编辑模型的双重目标：既要去掉霉斑与残损，又要保留水墨渐变、羽毛质感、构图与历史笔触。

官方案例证明模型可以产出视觉上连贯的修复结果，但“修复”不应被自动等同于文物级复原。真正的文化遗产修复需要材料检测、年代证据、图像记录、专家审校和可逆性原则；生成模型更适合做候选方案、视觉预演和辅助补全，而不是替代学术判断。

4. “知识厚实”的本质：生成模型开始与知识和工具链耦合

4.1 多语言渲染不是换一套字形，而是换一套语言约束

官方称 Qwen-Image-3.0 支持 12 国语言原生渲染，并展示了日语漫画、韩语时尚图与西班牙语教学板书。

多语言图像生成至少包含三层问题：字符集能不能写出来，语言内容是否通顺，版式是否符合当地阅读习惯。日语的竖排与假名汉字混排、韩语的音节块、西班牙语的重音符号，都不是简单替换字体。若要证明“原生渲染”，后续应按语言分别报告 OCR、语法、语义和版式结果，而不是只展示少量成功样例。

4.2 UI 仿真说明模型学到的是视觉语法，不等于界面已经可用

代码编辑器、电商应用和聊天界面的案例说明模型对常见产品形态具有较强先验：导航在哪里、内容区如何分层、按钮与卡片如何组织、什么元素看起来属于同一种产品。

这对产品原型与概念设计很有价值，但它生成的仍然是像素，不是可访问、可交互、可维护的前端代码。视觉上像一个 App，和它具备状态管理、响应式布局、键盘操作、数据绑定与无障碍语义，是两套不同的完成标准。

所以，UI 生图真正适合的位置是前期探索、风格对齐与需求沟通；要进入生产，还需要视觉元素识别、结构还原、代码生成、组件约束和设计系统校验接力。

4.3 世界知识只有被正确绑定到图上，才会变成生产力

昆虫案例把一张原始照片扩展成包含分类学、形态标注、局部放大和比例信息的知识图。它揭示了“知识厚实”的关键并不是模型知道更多名词，而是能把知识绑定到正确视觉对象上。

但官方“可直接用于学术发表”的表述需要谨慎对待。只要分类名称、比例尺、器官标注或引用有一处错误，这张图就不能直接发表。科研配图最重要的不是视觉完整，而是可追溯、可核验和可复算。生成模型可以极大降低制图成本，却不能自动获得科学正确性。

天气案例又增加了一层变量：模型可以联网获取 7 月 21 日杭州天气并生成旅游指南。

这里更可能体现的是一个系统能力：检索或工具先取得实时信息，再由图像模型负责组织与渲染。公开材料没有说明联网模块与生成模型的边界，因此不应把“能联网”直接解释成模型参数内部拥有实时知识。真正可用的产品需要保留数据来源、查询时间、单位转换和生成后的事实校验。

最后，模型根据特定人物形象生成直播画面，说明视觉知识、人物识别、场景组合与文字渲染正在汇合。

这类能力越强，版权、肖像、商标和风格授权就越重要。模型能不能生成，与用户有没有权利生成，是两个问题；生产系统必须把权利治理放进工作流，而不能留到发布前最后一分钟处理。

5. 三个“实”对应的，其实是三类系统能力

这张表揭示了 Qwen-Image-3.0 的真正方向：它不再只优化“像素质量”这一条轴，而是在同时提高规格理解、视觉组织、内容可靠性和工具协同。

但这也意味着系统的失败面变多了。以前生成一张风景图，失败通常是不好看；现在生成一张试卷、论文页或医学图解，失败可能是一个符号错、一个知识点错、一个箭头连错，甚至是看起来最专业的地方恰好最不可信。

生成模型越像生产工具，验证系统就越不能缺席。

6. 这些案例证明了什么，又没有证明什么

6.1 能够合理确认的能力信号

从两份官方材料与完整案例集，可以合理确认四个方向已经进入可展示阶段：

1. 模型可以处理比传统短提示词复杂得多的视觉规格，并生成信息密集版面。
2. 中文、英文、数学符号和多种外语的视觉可读性明显成为核心优化目标。
3. 文生图与图像编辑不再是割裂任务，多参考融合、局部增加、修复和知识化改写正在汇合。
4. 图像模型正与搜索、实时数据和产品工作流连接，交付物从“作品”向“文档”迁移。

6.2 当前材料不能支持的强结论

同样需要明确，公开材料还不能证明以下事情：

1. 不能证明稳定成功率。精选案例只展示最好结果，没有公布每个提示词生成多少次、失败多少次。
2. 不能证明相对领先。没有统一提示词、盲测或第三方 benchmark，无法从这两篇文章得出对同类模型的排名。
3. 不能证明科研可复现。架构、参数、数据、训练方法、推理配置和权重均未披露。
4. 不能证明生产成本。没有延迟、吞吐、计费、最大分辨率、编辑轮次和并发限制。
5. 不能证明事实可靠。昆虫、论文、天气和医学类案例缺少逐项校验记录。
6. 不能证明可编辑交付。高质量 PNG 仍可能缺少图层、文本框、矢量对象、组件和版本历史。

严谨不是否定案例，而是把“上限展示”“平均能力”“稳定服务”和“开放科研”分开。一个模型完全可能在能力上很强，同时在公开证据上仍然不足；这两种判断并不冲突。

7. 从模型到产品：视觉生成的下半场是“可交付性”

7.1 提示词会从咒语变成规格说明

早期文生图提示词更像审美咒语：摄影镜头、艺术家风格、光线与氛围决定结果。进入复杂视觉文档之后，提示词更接近规格说明：有哪些区域，每个区域放什么，文字必须是什么，元素之间如何对应，哪些对象必须保持不变。

这会改变人才结构。会堆风格词的红利继续下降，能定义信息结构、约束、验收标准和异常处理的人更有价值。工具红利退潮之后，真正复利的是把模糊需求写成可执行规格、再把模型结果验收到交付标准的能力。

7.2 单点设计工具会被吸收，但工作流不会自动消失

海报、课件、商品图、信息图和 UI 概念稿，都会被更强的基础模型吸收一部分。过去依赖模板、素材拼接和简单智能排版的工具，会面对越来越强的上游替代。

但这不意味着所有垂直产品都会消失。模型解决的是“生成一个候选结果”，行业产品还要解决品牌规范、素材权限、多人协作、版本追踪、批量变量、审批流、渠道适配、效果数据和资产沉淀。

模型能力不是产品闭环。一次性惊艳属于模型，第十次仍然稳定、可改、可审、可复用，才属于产品。

7.3 “可读”之后，下一步一定是“可编辑”与“可验证”

一张图里的文字终于能读，并不意味着生产链已经闭环。真实设计流程还会继续追问：文字能否作为文本框修改？表格能否导出？公式能否转成 LaTeX？UI 能否还原成组件？知识标注能否追溯来源？局部修改会不会破坏其他区域？

因此，未来更有价值的系统形态不是一个更大的生成按钮，而是：

需求解析 → 资料检索 → 视觉规划 → 图像生成 → OCR/公式/事实验证 → 局部修正 → 图层或组件化导出 → 人工审批。

Qwen-Image-3.0 展示了中间“视觉生成”环节的显著跃迁，也同时把前后的系统缺口照得更清楚。

8. 科研与工程上，接下来真正值得看的问题

8.1 长指令视觉遵循需要新的评测范式

传统文生图 benchmark 常关注文本图像对齐、美学质量和人类偏好，但 4.5k token 视觉规格需要对象级与关系级评测。一个可用 benchmark 应逐步增加对象数量、嵌套深度、跨区引用和硬约束，测出模型的能力曲线，而不是只给一个平均分。

8.2 文字渲染需要从“能看清”升级到“可核对”

未来评测不能只让人判断字像不像，而要把生成图 OCR 回文本，与目标逐字符比较；公式应解析成结构树，检查符号、层级和等价性；表格需要恢复单元格关系。只有生成与解析形成闭环，视觉文档才能进入高风险场景。

8.3 编辑模型需要报告非目标区域的变化

一次局部编辑是否成功，不能只看新增内容。还要度量没有要求修改的区域发生了多少漂移：人物身份是否变了，原文是否被重写，布局是否偏移，色彩是否污染。非目标区域保持率会成为编辑模型走向生产的重要指标。

8.4 实时知识必须带来源与时效

天气、价格、新闻、医学与科研信息一旦进入图片，就比普通聊天文本更难被发现和纠正，因为视觉排版会给错误内容增加“专业感”。检索结果、数据时间、来源链接和校验状态应该成为图像的伴随元数据，而不是被压平在像素里。

8.5 从像素到图层，是下一轮生产力分水岭

PNG 是结果，图层才是工作流。真正的视觉生产系统需要把标题、正文、插图、图标、公式和背景拆成可编辑对象。模型若只能输出扁平图像，仍要依赖后续的 OCR、分割、矢量化和组件重建；若能原生生成结构化中间表示，才可能真正重构设计软件。

9. 不同角色应该如何看待 Qwen-Image-3.0

对算法工程师

不要只盯生成画质。更值得研究的是长规格遵循、版面结构、字符与公式准确率、多参考一致性、编辑保真和可验证生成。下一代模型的差异会越来越多地体现在系统性错误率，而不是单张样图的上限。

对产品经理与设计团队

可以开始把模型放进课件、海报、信息图、概念 UI 和多语言物料的早期流程，但要为事实核验、品牌规范、局部修改和可编辑导出保留明确环节。不要把一张看起来完整的图，误认为已经完成交付。

对创业者

只套一层生图 API 的工具护城河会继续变薄。真正跨周期的机会在于掌握行业数据、模板规则、验收标准、协作链和分发闭环，让底层模型升级直接提高产品价值，而不是直接替代产品。

对投资人

技术先进性不等于商业确定性。需要继续观察 API 价格、推理延迟、重复成功率、企业级权限、编辑闭环与真实留存。发布案例说明能力窗口打开了，但客户是否愿意持续付费，取决于它能否稳定减少设计工时、沟通成本和返工率。

术语与概念速查

拓展思考：从图像模型走向视觉 Agent

Qwen-Image-3.0 所展示的复杂版面、编辑、世界知识和联网能力，最终可能汇合成一种视觉 Agent：它先理解任务，再搜索资料、规划页面、调用生成与编辑模型，最后用 OCR、公式解析器和事实核查器验收结果。

这时，图像模型只是系统中的一个核心节点。真正的上限取决于规划、工具调用、记忆、约束满足、可编辑表示和验证闭环能否一起工作。

Rocky认为，视觉生成的下一场竞争不是“谁能画出最惊艳的一张图”，而是“谁能把一份复杂需求稳定地变成可以继续修改、可以核验、可以交付的视觉资产”。

Qwen-Image-3.0 已经把“好看”向“好用”的门推开了一大步。但从官方精选案例走向真实生产，还要跨过成功率、可复现、可编辑、可验证、成本和权利治理六道门槛。

不要在乐观时迷信一张样图，也不要在谨慎时忽略能力方向。模型会换代，工具会被吸收，真正跨周期的仍然是把技术能力接进真实工作流、再把结果交付到业务标准的系统判断。

参考资料

1. 千问大模型微信公众号：《Qwen-Image-3.0：落字成画，字字如印》
   https://mp.weixin.qq.com/s/OsmVbChTWraXJIWZ6ylJjw
2. Qwen 官方博客：Qwen-Image-3.0: Rich Content, Authentic Details, Deep Knowledge
   https://qwen.ai/blog?id=qwen-image-3.0
3. QwenLM/Qwen-Image 官方 GitHub 仓库
   https://github.com/QwenLM/Qwen-Image
4. Qwen-Image 初代技术报告（用于理解该系列的公开研究背景，不代表 Qwen-Image-3.0 已披露同样架构）
   https://arxiv.org/abs/2508.02324

推荐阅读

Rocky一直在运营技术交流群（WeThinkIn-技术交流群），这个群的初心主要聚焦于技术话题的讨论与学习，包括但不限于算法、开发、竞赛、科研以及工作求职等。群里有很多人工智能行业的大牛，欢迎大家入群一起学习交流～（请添加小助手微信Jarvis8866，拉你进群～）

1. 深入浅出完整解析AI Agent（AI智能体）的核心基础知识

2025年可以说是AI Agent全面落地应用的元年，因此Rocky在持续撰写对AI Agent的全维度解析文章：

深入浅出完整解析AI Agent（AI智能体）的核心基础知识

2. 深入浅出完整解析扩散模型DDPM、DDIM、Score-Based、SDE、LDM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识

Rocky对扩散模型的本质原理与和核心基础知识进行了全面系统的深入浅出分析讲解，同时不断跟进补充扩散模型的最新技术发展，希望能给大家带来帮助：

深入浅出完整解析扩散模型DDPM、DDIM、Score-Based、SDE、LDM、Classifier/Classifier-Free Guidance、Rectified Flow核心基础知识

3. 入浅出完整解析FLUX.2、Seedream（即梦）、Z-image、GLM-Image核心基础知识

Rocky对AIGC时代“中场时刻”之后的主流AIGC创作大模型的核心基础知识进行了全面系统的深入浅出分析讲解，力求让大家通俗易懂理解AIGC时代的技术浪潮的本质价值：

入浅出完整解析FLUX.2、Seedream（即梦）、Z-image、GLM-Image核心基础知识

4. 深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识

Rocky对FLUX.1 Kontext和FLUX.1 Krea的核心基础知识作了全面系统的梳理与解析：

深入浅出完整解析FLUX.1 Kontext和FLUX.1 Krea核心基础知识

5. 深入浅出完整解析DeepSeek系列核心基础知识

Rocky对DeepSeek系列模型的核心基础知识作了全面系统的梳理与解析：

深入浅出完整解析DeepSeek系列核心基础知识

6. 深入浅出完整解析Stable Diffusion 3（SD 3）和FLUX.1系列核心基础知识

Rocky对Stable Diffusion 3和FLUX.1的核心基础知识作了全面系统的梳理与解析：

深入浅出完整解析Stable Diffusion 3（SD 3）和FLUX.1系列核心基础知识

7. 深入浅出完整解析Stable Diffusion XL（SDXL）核心基础知识

Rocky对Stable Diffusion XL的核心基础知识作了全面系统的梳理与解析：

深入浅出完整解析Stable Diffusion XL（SDXL）核心基础知识

8. 深入浅出完整解析Stable Diffusion（SD）核心基础知识

Rocky对Stable Diffusion 1.x-2.x系列模型的核心基础知识做了全面系统的梳理与解析：

深入浅出完整解析Stable Diffusion（SD）核心基础知识

9. 深入浅出完整解析Stable Diffusion中U-Net的前世今生与核心知识

Rocky对Stable Diffusion中最为关键的U-Net结构进行了深入浅出的全面解析，包括其在传统深度学习中的价值和在AIGC中的价值：

深入浅出完整解析Stable Diffusion中U-Net的前世今生与核心知识

10. 深入浅出完整解析LoRA（Low-Rank Adaptation）模型核心基础知识

对于AIGC时代中的“ResNet”——LoRA模型，Rocky进行了深入浅出的全面讲解：

深入浅出完整解析LoRA（Low-Rank Adaptation）模型核心基础知识

11. 深入浅出完整解析ControlNet核心基础知识

AIGC图像创作开源社区已经形成以Stable Difffusion/FLUX为核心，ConrtolNet和LoRA作为首要AI辅助工具的变化万千的AIGC图像创作工作流。

ControlNet正是让AI图像创作社区无比繁荣的关键一环，它让AIGC图像创作过程更加的可控，更有助于广泛地将AIGC算法解决方案应用到各行各业中：

深入浅出完整解析ControlNet核心基础知识

12. 深入浅出完整解析Sora、Seedance、keling等AI视频大模型核心基础知识

AI绘画和AI视频是两个互相促进、相互交融的领域，2024年无疑是AI视频领域的爆发之年，Rocky对AI视频领域核心的Sora、Seedance、Keling等大模型进行了全面系统的梳理与解析：

深入浅出完整解析Sora、Seedance、keling等AI视频大模型核心基础知识

13. 深入浅出完整解析AIGC时代Transformer核心基础知识

在AIGC时代中，Transformer为AI行业带来了深刻的变革。Transformer架构正在一步一步重构所有的AI技术方向，成为AI技术架构大一统与多模态整合的关键核心基座，大有一统“AI江湖”之势。Rocky也对Transformer模型进行持续的深入浅出梳理与解析：

深入浅出完整解析AIGC时代Transformer核心基础知识

14. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识

AIGC创作框架正是AIGC算法工作流的运行载体，目前主流的AIGC创作框架有ComfyUI、Diffusers、Stable Diffusion WebUI等。在传统深度学习时代，PyTorch、TensorFlow以及Caffe是传统深度学习模型的基础运行框架，到了AIGC时代，Rocky相信ComfyUI就是AIGC时代的“PyTorch”、Stable Diffusion WebUI就是AIGC时代的“TensorFlow”、Diffusers就是AIGC时代的“Caffe”：

深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识

15. 深入浅出完整解析ComfyUI、Diffusers、Stable Diffusion WebUI等主流AIGC创作框架核心基础知识

在AIGC时代中，如何快速转身，入局AIGC产业？如何成为AIGC/LLM/AI Agent算法/开发工程师？如何在学校中系统性学习AIGC/LLM/AI Agent知识，斩获心仪的AIGC/LLM/AI Agent算法/开发offer？

Don‘t worry，Rocky为大家总结整理了全面的AIGC/LLM/AI Agent算法/开发工程师成长秘籍，为大家答疑解惑，希望能给大家带来帮助：

手把手教你成为AIGC/LLM/AI Agent算法/开发工程师，斩获AIGC/LLM/AI Agent算法/开发offer！

16. AIGC产业的深度思考与分析

2023年3月21日，微软创始人比尔·盖茨在其博客文章《The Age of AI has begun》中表示，自从1980年首次看到图形用户界面（graphical user interface）以来，以OpenAI为代表的科技公司发布的AIGC模型是他所见过的最具革命性的技术进步。

Rocky也认为，AIGC及其生态，会成为AI行业重大变革的主导力量。AIGC会带来一个全新的红利期，未来随着AIGC的全面落地和深度商用，会深刻改变我们的工作、生活、学习以及交流方式，各行各业都将被重新定义，过程会非常有趣。

那么，在此基础上，我们该如何更好的审视AIGC的未来？我们该如何更好地拥抱AIGC引领的革新？Rocky准备从技术、产品、商业模式、长期主义等维度持续分享一些个人的核心思考与观点，希望能帮助各位读者对AIGC有一个全面的了解：

深入浅出全面解析AIGC时代核心价值与发展趋势（2025年版）

17. AI算法工程师的独孤九剑秘籍

为了方便大家实习、校招以及社招的面试准备，同时帮助大家提升扩展技术基本面，Rocky将符合大厂和AI独角兽价值的算法高频面试知识点撰写总结成《三年面试五年模拟》之独孤九剑秘籍:

【三年面试五年模拟】AIGC时代的算法工程师的求职面试秘籍（持续更新中）

18. 深入浅出完整解析AIGC时代中GAN（Generative Adversarial Network）系列模型核心基础知识

GAN系列模型作为传统深度学习时代的最热门生成式Al模型，在AIGC时代继续繁荣，作为Stable Diffusion/FLUX系列大模型的“得力助手”，广泛活跃于AlGC图像创作的产品与工作流中：

深入浅出完整解析AIGC时代中GAN（Generative Adversarial Network）系列模型核心基础知识