百万年薪背后:大模型行业薪资真相与避坑指南
“百万年薪”这词这几年被说烂了尤其一沾上大模型三个字好像随便一个做模型的人都是年薪百万起步上不封顶。但我自己在猎头圈和行业里看到的真实情况跟热搜上的观感完全不是一回事。大模型行业确实有一批人百万年薪甚至还有极少一部分人靠着早期期权和关键位置拿到千万级回报但这批人的画像非常清晰、数量非常少跟“主流”两个字基本不沾边。更麻烦的是多数人在谈薪时根本算不清自己手里那份offer的真实价值看到总包数字就上头进去了才发现到手跟预期差一大截。这篇文章想聊的就是大模型行业薪资这摊水到底有多深。我会从“总包怎么拆”“谁在拿百万”“谈判怎么谈”“哪些钱拿不到”几个角度把这里面最容易被忽视角落掰开揉碎讲清楚。不管你是准备跳槽、正在被猎头撩还是在校生想评估要不要冲这个方向这篇文章应该都能帮你少踩几个坑。1. 百万年薪的“计算规则”别把账面数字当到手钱1.1 一个offer的总包是怎么被拆出来的大模型行业聊薪资几乎所有人都在说“总包”。这个词听起来简单但实际操作里一个offer的总包拆法五花八门能差出几十万甚至上百万的误会。最标准的拆法是四块月度base、年终奖、签字费、股票或期权。月度base就是每个月固定到账的工资年终奖一般是1到6个月base不等签字费是入职时一次性给的现金股票期权是公司承诺给你的长期权益。很多人算总包时习惯性把四块全加起来再往上报一个数比如“我去年总包120万”——但这个数字跟实际能拿到的钱中间隔着好几层折扣。我见过一个典型的案例。某位候选人拿到一个大模型创业公司的offer看着总包150万感觉人生巅峰了。结果仔细拆开看base只有80万年终奖合同里写的是“绩效浮动上限3个月”期权部分按最新一轮融资估值算出来40万但期权有4年归属期、每年解锁四分之一还有一年的cliff第一年解不开就一分钱拿不到。这么一算第一年真正落袋的现金是base加年终奖一共大概90万出头跟150万差了三分之一还多。这不是个例是大模型行业薪资报价的常态。1.2 三个最容易“虚胖”的部分股票、期权、绩效包先谈股票期权。上市公司的股票相对好算因为股价是公开透明的但也要注意大环境波动。某大厂员工年初谈offer时按当时股价折算总包里股票值50万等入职时股价跌了30%股票部分直接缩水到35万总包跟着打了折这个过程本人几乎没法控制。期权的复杂度更高。大模型行业大量未上市的创业公司期权估值基本依赖公司自己的说法。有些公司前几轮融资估值拉得很高给候选人的期权按最新估值算数字确实漂亮。但你要想清楚那是账面值不是真金白银。期权能不能兑现取决于后续融资、上市或被并购公司如果倒了期权就是一摞废纸。这个不确定性很多候选人知道但报offer时还是会下意识地把它当确定收益。绩效包也有套路。同样标称“总包百万”有的公司年终奖上限3个月有的公司上限6个月但给不给得满、给到什么比例全看公司业绩和个人绩效。大模型方向这两年融资热闹真正大规模盈利的公司很少很多公司年终奖的实际发放率只有合同上限的50%到70%。把没拿满的钱当成确定性收入来算等于自己给自己画饼。1.3 真金白银与账面富贵到手如何折算我自己习惯用“第一年现金到手”作为评估offer的核心指标。公式很简单第一年现金 base × 12 当年年终奖按合同下限或公司历史发放率估算 签字费 当年解锁后可卖出的股票或期权期权价值。假设某offer总包标称130万拆开是base 70万、年终奖上限4个月约23万、期权按账面估值折算37万。按我的算法如果年终奖按50%发放率保守估算11万期权第一年只解锁一半且按当前估值打7折13万实际到手就是70万 11万 13万 94万。这中间的差额36万就是账面上的“虚胖”。注意评估offer时请用保守口径。大模型行业的期权和绩效充满不确定性宁可把预期压低也别对着虚高数字做消费计划。很多人在新公司第一年失望不是能力问题而是当初把账面富贵当成了现金收入。2. 大模型行业薪资的真实分水岭百万是给谁的2.1 岗位视角不是所有岗位都值百万大模型行业内部岗位大致分几类算法研究型、工程落地型、产品方案型、运营销售型。不同岗位的薪资水位线差距比很多人以为的大。算法研究型尤其是做预训练、强化学习、多模态这几块的资深研究员和架构师是整个行业薪资最高的群体。核心大模型公司对这类岗位的定价非常激进3到5年经验、有顶会论文或有大型模型落地经验的base 80到120万、总包150万以上是真实存在的。这个群体最接近标题里说的“百万年薪主流”——但即便在公司内部人数占比也不高。工程落地型包括大模型应用开发、推理引擎、平台工程、数据基建等岗位。这类岗位的薪资中枢明显低于算法研究但需求量更大。3年经验左右的工程岗大厂和头部创业公司给到的总包普遍在60到100万之间能到百万的都是技术强、能扛事、在性能优化或推理部署上有拿得出手成果的人。产品方案型和运营销售型又不一样。懂大模型的产品经理、解决方案架构师尤其能搞定政企或大客户交付的那种总包可能到80到120万但非常吃行业经验和客户资源。纯粹的运营和市场岗薪资涨幅相对温和百万在这个群体里属于凤毛麟角。2.2 背景视角稀缺筹码、年限、战绩决定你在哪个区间同样是做算法有人值200万有人值50万差在什么地方本质是三个筹码稀缺性、战绩、匹配度。稀缺性最好理解。大模型行业最缺的不是会调库的人而是能独立设计方案、能解决别人解决不了的问题的人。比如你做过多机训练的性能优化有千卡集群上MFU从40%调到60%的实际经验这种技能在市场上极其稀缺价格自然由着报。反过来如果只是熟练使用开源的推理框架这类能力供给量大议价空间就小。战绩是指你的经历是否被验证过。做过从零训练模型、主导过线上系统的性能翻倍、在核心指标上拿到过量化结果这些都叫战绩。简历上有具体数字和项目结果的人谈薪时底气完全不同。我见过很多候选人在面试时技术上没短板但一聊到“你做过什么结果是什么你个人在里面的角色是什么”就含糊其辞。这种人哪怕能力不差薪资谈判时也会被压价因为对方无法验证你的产出。匹配度则是最容易被低估的因素。同样背景的两个人一个过往经验跟岗位需求严丝合缝另一个需要两三个月适应期前者拿到高溢价的可能性要大得多。大模型行业节奏快公司宁可多花钱买“即插即用”的人也不愿意便宜点招一个成长中的半成品因为时间成本太高。2.3 地域与公司类型视角同样的能力在不同的盘子里的价差地域差异在这行非常明显。北京、上海、杭州是绝对的高地深圳次之。同样的职级和能力北京头部大模型公司的总包可能比二线城市高出40%到60%。这不是同工不同酬的问题而是产业集聚效应——核心算法团队、融资总额、卡资源、人才密度都集中在这几个地方公司必须用更高的价格竞争。公司类型带来的差异更值得琢磨。老牌互联网大厂的大模型部门薪资结构往往是base合理、年终稳定、股票随行情波动总包上限清晰适合求稳的人成立两三年的AI明星创业公司薪资结构更重期权合同标称总包可能高得吓人但不确定性也随之拉满国企或银行系的大模型岗位base不高年终稳定福利齐全总包天花板明显低但冗余度高。这三类的“百万年薪”含金量完全不一样在创业公司拿150万总包的人每年到手现金未必比大厂拿120万的人多但万一期权兑现收益上限又会反过来远超后者。3. 从招聘JD到offer薪资谈判的底层逻辑3.1 看懂JD上薪资区间的方法招聘网站上标注的薪资区间普遍是“撑死”口径未必代表公司真实预算范围。比如JD上写“40K到70K × 15薪”这个范围通常是按最低到最高两档人才画的。你要判断自己能落在哪一档最直接的方法是找人打听这个岗位的实际职级范围以及同职级的薪资中位数而不是对着区间上限谈因为上限是留给“面完所有人都觉得非你不可”的情况的。另一个容易被忽略的信号是JD里的关键词。“精通”“熟悉”“了解”三个词对应的深度要求完全不同当你判断自己只是“熟悉”而对方要求“精通”时即便面试通过给到的定级也大概率偏低总包自然达不到预期。比较好的应对方式是先面完、拿到具体评级和薪资方案后再谈而不是在面试前就预设某个数字。3.2 谈判时对方在评估什么面试过程像一个双重筛选一面筛技术能力一面筛你这个人“贵不贵”。到大模型行业的终面和谈薪阶段公司通常已经在心里有一个定价区间谈判的核心不是让公司“多给钱”而是推动公司把定价区间里偏高的那端落到你头上。对方在评估你的三个维度一是你对岗位的匹配度是否无可争议二是你是否还有别的offer在竞抢三是你在薪资问题上的姿态是理性还是情绪化。第三点非常容易被忽视。谈判中如果表现得过于计较某一个数字或者反复用“别人给我多少多少”来施压反而会降低对方的好感度。姿态可以从容但坚定我要的数字是有依据的我对这个岗位有兴趣但市场价值让我的期望不能低于某个水位。这种态度谈出的结果往往比单纯技术强的人更能拿到上限。3.3 真实案例三种谈法三种结果我遇到过三个背景高度相似的候选人都是在某大模型创业公司面级类似岗位结果一个拿到总包140万一个拿到110万一个拿到90万出头的方案。第一个候选人在谈薪前做了充足准备。他把自己过往项目的影响量化为具体指标整理了市场对标offer的薪资数据并且在面试最后一轮主动问了对方的预算框架。谈薪时他说得很坦诚我对行业薪资区间有了解按我的背景和当前缺口我在这个区间里期望偏上沿同时也愿意接受总包结构上的优化调整。最后对方给了合同上限附近的数字。第二个候选人技术踏实但话少谈薪时只强调“我想稳定做几年”没有太多筹码展示。对方给了一个中规中矩的报价他犹豫了几轮也没敢主动加最后按对方初版方案签了。第三位候选人能力不差但谈薪时姿态不对。他反复提到其他公司的offer来压价又对期权比例不满意最后对方觉得他入职意愿存疑把方案调低留了余地。他后来想回头接已经错失了最初的位置。同一个岗位三种谈法结果能差出50万。核心差别不在能力而在于有没有把“市场定价权”握在自己手里。提示谈薪前务必梳理三件事——历史薪资是底线不是基准市场同岗的公开薪资区间是参考你个人不可替代的点是杠杆。三件事合成一句话带到谈判桌上比单纯说“我觉得我值这个价”有说服力得多。4. 行业薪资的三大“虚实”哪些钱根本拿不到4.1 高薪光环下的“饥饿游戏”大模型行业的高薪叙事背后有一个被忽略的结构性问题高薪岗位的总数非常少。一个百人算法团队里真正拿到总包150万以上的可能只有十几个人剩下的大部分人薪资在60到100万之间。那些亮闪闪的个案被媒体报道、被猎头拿来诱惑候选人会让很多人误以为那种薪资是行业常态但高薪者永远是金字塔尖的那一小撮。这也意味着行业内部的竞争极其残酷。大模型公司招人时筛简历的严格程度、面试轮次之密集、对过往成果要求之高都在筛选“能站上塔尖的人”。如果你决定走这条路要有清醒预期进入这个行业不等于拿到百万薪资拿到百万薪资靠的是在极度激烈的竞争中存活下来并且持续拿到好项目。4.2 期权折价与锁定期你不能忽视的隐藏条款期权这块前面已经聊了流动性风险这里重点说锁定期和回购条款。很多公司期权是分四年归属但第一年可能什么都没有也就是所谓cliff如果中途离职已归属但未行权的部分怎么处理不同公司差别很大。有些公司允许离职后90天内按约定价格行权有些公司则以“回购”名义按一个远低于账面估值的价格收回这里面的差距不是小数目。回购本身也是个变量。未上市公司员工的期权一般只能等公司回购或上市套现。回购的时间和价格完全由公司定你从入职第一天到真正退出中间的等待经常按年计算。在这个等待期内账面财富涨了跌了都只是数字变化你的决策自由是被锁住的。所以看一个含期权的offer我建议把流程走完再下结论看清归属计划、cliff、行权价、回购条款、离职处理方式全部确认后再计算“乐观、中性、保守”三档预期收益。不要只盯着最高估值那一列数字上头。4.3 涨薪速度与职业天花板百万年薪真的可持续吗还有一层更麻烦的“虚”是涨薪曲线。大模型行业过去几年薪资被资本和竞争不断推高但行业能持续支付这个成本吗答案并不乐观。当融资节奏放缓、商业化落地不达预期公司会迅速收紧HC和调薪幅度。很多人在高位跳槽的那一年确实拿到了天花板级别的薪资但接下来两三年薪资涨幅趋近于零甚至因为业务线调整而被动“优化”这种情况在行业内并不少见。职业天花板也是一个现实问题。做算法研究的人如果一直沉迷于调模型刷指标不去碰工程、产品、商业化几年后可能发现自己虽然薪资尚可但影响力范围急剧收窄。大模型行业真正能长期拿到高薪的人往往是既懂技术又懂落地的“π型人才”而不是单点技能突出的“一”型选手。这个行业对技术迭代的速度要求极高如果只守着旧技术栈百万年薪很可能是一阵风而不是长期水位。5. 常见问题与排查技巧实录薪资避坑速查5.1 如何判断我现在的薪资是否被低估先不要急着看热搜上的薪资数字。正确做法是找到三到五个与你背景、城市、行业相近的样本对比他们的总包结构。注意样本必须“相近”只看title不看行业背景没有意义只看base不看总包结构也会失真。拿到对比数据后用“第一年现金到手”口径统一折算再考虑你所在公司的品牌溢价和稳定性因素。如果折算后你的实际收入比市场中等水平低15%以上且你已经入职超过一年半、绩效不错那么确实可以考虑看看外面机会。反之如果只差几个百分点跳槽带来的不可控因素反而可能是损失。5.2 要不要为了高薪跳槽很多人在大模型行业跳槽是被“总包翻倍”吸引但我见过不少反面案例跳过去不到半年发现团队核心业务被砍自己也进入了被优化的名单。高薪跳槽前至少要确认三件事第一这个高薪结构里现金部分占比多少期权部分有多少不确定性第二新公司业务是否真的在增长有没有清晰的收入路径第三团队氛围和直属上级的风格是否适合你长期发展。这三件事缺一个再高的总包都只是暂时的账面数字。一位同行朋友当初被高薪挖到某创业公司谈好的百万总包中一半是期权入职后公司业务转向迟迟没有后续融资他待了一年半只拿到了现金部分期权到现在还在锁着。回过头算账实际收入还不如原来的公司。5.3 最容易踩的几个坑Offer里的隐藏陷阱谈薪时除了看数字还要盯住这些细节年终奖的“合同上限”和“历史发放率”要问清楚过去两年真实发放了几成而不是合同写几成。期权的行权价和退出机制行权价太高意味着未来收益可能被摊薄。竞业限制的范围和补偿签署竞业协议时务必看清限制范围和补偿标准否则离职时会被掣肘。签字费的返还条款有些签字费要求工作满两年才能全部归属中途离职要按比例返还。社保公积金基数按实际工资缴还是按最低基数缴差异在一年内有几万块这部分要折算进总包对比。这些细节单独看都不大叠在一起就是一笔不小的收入差。6. 我的个人体会别让标题带偏你的职业账本大模型行业薪资的话题总是容易两极化发酵。百万年薪被视为“主流”千万级传说被当作谈资真正身在其中的人反而容易被这些数字搅乱心态。我自己的感受是薪资固然重要但它只是职业决策中的一个维度。那些真正走得远的人往往更看重自己在行业里的位置、手中掌握的稀缺能力、以及当下这条赛道在未来三年的成长性。如果你现在正处于薪资低谷期不必急着跟热搜上的数字对标。这个行业还在早期真正的机会窗口不是过去那波高薪潮而是接下来行业内应用的落地、效率的重构和新兴岗位的出现。那才是有可能让更多人拿到体面薪资的地方。最后再分享一个小技巧每次谈offer把总包拆成五年维度来看。第一年的现金、第二年的成长速度、第三年的期权退出可能、第四年的市场稀缺性变化、第五年你是否还在行业牌桌上这五个问题都过一遍基本就不会被一个漂亮的数字糊弄住。薪资是场长跑把账算清楚了路才会越走越宽。

相关新闻

QwenGyre框架解析:超长程智能体在线强化学习实践指南

QwenGyre框架解析:超长程智能体在线强化学习实践指南

千问团队放出 QwenGyre 的时候,我第一反应是:超长程智能体任务的在线强化学习,终于有人认真做成框架了。做智能体的都清楚那种痛苦——模型在单步指令上表现不错,让它连续执行几十步复杂任务就开始飘,动作越走越偏&…

2026/10/15 21:09:14 阅读更多 →
告别margin和padding做间距:用gap与Flex、Grid实现精准CSS布局

告别margin和padding做间距:用gap与Flex、Grid实现精准CSS布局

很多人可能都遇到过这种情况:写一个按钮组,给每个按钮加margin-right,最后一个还得单独去掉;做一个卡片列表,要么用margin-bottom一个一个调,要么用"父元素设负 margin、子元素设 padding"那种祖…

2026/10/15 21:09:14 阅读更多 →
H5前端如何实现AMR音频全平台兼容播放

H5前端如何实现AMR音频全平台兼容播放

1. 为什么AMR在H5移动端是个“隐形雷区”你有没有遇到过这样的场景:一个语音留言功能,在安卓手机上点一下就响,但在iPhone上却只显示一个灰色的播放按钮,点下去毫无反应?或者更糟——页面直接报错,控制台里…

2026/10/15 21:09:14 阅读更多 →

最新新闻

MySQL时间类型选型:DATETIME与TIMESTAMP底层差异与避坑指南

MySQL时间类型选型:DATETIME与TIMESTAMP底层差异与避坑指南

MySQL 的时间类型,尤其是在 DATETIME 和 TIMESTAMP 之间反复纠结的情况,我见过太多了。很多人直到线上出现“时间差8小时”或者“2038年数据写不进去”才发现自己对这两个类型的理解还是靠猜。今天把这俩家伙的底层逻辑、行为差异、性能取舍和选型思路一…

2026/10/15 22:08:39 阅读更多 →
Hive小文件合并实战:Map输入端与输出端参数配置及避坑指南

Hive小文件合并实战:Map输入端与输出端参数配置及避坑指南

1. 为什么HIVE小文件问题总在凌晨三点爆发 做过离线数仓的人大概率都经历过这种场景:凌晨跑批任务,前面几十个ETL节点都绿了,最后一个分区写入的节点卡在99%不动,打开监控一看,Reduce阶段还剩两百多个task在慢慢磨&…

2026/10/15 22:08:39 阅读更多 →
Vibe Coding的隐患:AI生成的代码为何没人敢碰?

Vibe Coding的隐患:AI生成的代码为何没人敢碰?

Vibe Coding为什么“写完就没人敢碰”?最近“Vibe Coding”这个词在开发者圈子里越来越热,代价也越来越明显。简单说,Vibe Coding就是开发者把写代码这件事很大程度上交给AI代码工具,自己只描述意图、提需求,然后接受A…

2026/10/15 22:08:39 阅读更多 →
claude-code下载安装与使用:从winget到cmd的TaoToken接入实践

claude-code下载安装与使用:从winget到cmd的TaoToken接入实践

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/15 22:08:39 阅读更多 →
AI Agent Harness 与 CMS 系统集成管控:把 endpoint 改到 TaoToken 的落地大纲

AI Agent Harness 与 CMS 系统集成管控:把 endpoint 改到 TaoToken 的落地大纲

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/15 22:08:39 阅读更多 →
MySQL表管理完全指南:建表、改表、查表与删表

MySQL表管理完全指南:建表、改表、查表与删表

1. 表管理其实就五件事:今天这堂课先定个范围 上午后两节课排的是MySQL数据库表管理。一听到“表管理”,很多同学第一反应是“不就是CREATE TABLE、DROP TABLE吗,这有什么好讲的”。但真坐到电脑前面开始建表、改表、查表结构、清数据、迁移字…

2026/10/15 22:07:37 阅读更多 →

日新闻

Docker Compose 容器化部署 ChirpStack LoRaWAN 网络服务器实战

Docker Compose 容器化部署 ChirpStack LoRaWAN 网络服务器实战

1. 为什么选择容器化方式部署 LoRa 网络服务LoRa 物联网项目落地时,网络服务器是整个链路的核心枢纽。它负责接收网关上报的数据包、完成去重与解密、再把有效载荷分发给上层应用。早期大家习惯把网络服务器直接装在物理机上,依赖一堆系统库和特定版本的…

2026/10/15 0:00:46 阅读更多 →
共享LLM服务下的跨模型自动扩缩容:Kubernetes实战与避坑指南

共享LLM服务下的跨模型自动扩缩容:Kubernetes实战与避坑指南

1. 共享推理服务里,扩缩容到底难在哪做过大模型推理服务部署的人,大概都经历过这样的场景:一个团队共用一套推理集群,A 业务跑的是 7B 的小模型,B 业务跑的是 72B 的大模型,C 业务白天流量高、晚上几乎归零…

2026/10/15 0:00:46 阅读更多 →
Systemd 启动阶段根文件系统只读之谜:fstab 与 remount-fs 服务深度解析

Systemd 启动阶段根文件系统只读之谜:fstab 与 remount-fs 服务深度解析

1. 引子:一次内核恐慌引发的追查先从一个真实场景说起。某次我给一台老旧的嵌入式设备折腾系统裁减,为了把启动时间压进两秒以内,我手贱地把一串自认为“没用”的 systemd 服务给 disable 了,其中就包括systemd-remount-fs.servic…

2026/10/15 0:00:46 阅读更多 →

周新闻

流感时间序列预测实战:ARIMA/LSTM全流程拆解与避坑指南

流感时间序列预测实战:ARIMA/LSTM全流程拆解与避坑指南

简介:基于 ARIMA、LSTM、Transformer 等模型的流感时间序列预测 Python 源码,面向计算机相关专业课程设计与期末大作业学生,以及项目实战学习者。内容覆盖预处理、平稳性检验、定阶、残差分析、多模型对比预测的完整时序建模流程,…

2026/10/15 16:18:54 阅读更多 →
影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别

影刀RPA新手教程:键盘模拟输入实战——输入文本与模拟按键的区别 做影刀RPA自动化,十个新手有八个栽在"往输入框里填东西"这件事上:要么填不进去,要么填了一半,要么直接把原来内容追加在后面。这背后的根因&…

2026/10/15 19:41:51 阅读更多 →
影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容

影刀RPA新手教程:阅文起点小说数据采集实战——书籍信息与章节内容 1. 认识影刀:什么场景该用RPA采小说数据 起点中文网的页面结构相对稳定——分类榜单、书籍详情、章节内容三块独立页面,跳转链路清晰。这种场景非常适合影刀自动化&#x…

2026/10/15 13:48:15 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/15 0:14:36 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/14 22:45:47 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/15 9:49:14 阅读更多 →