新闻详情

新闻详情

首页 / 资讯中心 / 详情

Agent重写了整个页面,到底改了什么?lavish-axi修订图例实战指南

发布时间:2026/11/17 10:43:17来源:尧图网络
Agent重写了整个页面,到底改了什么?lavish-axi修订图例实战指南
Agent重写了整个页面到底改了什么lavish-axi修订图例实战指南【免费下载链接】lavish-axiHTML is the new markdown. Lavish is the new editor for your HTML artifacts.项目地址: https://gitcode.com/gh_mirrors/la/lavish-axilavish-axi 是一个把 Agent 生成的 HTML 页面变成可协作评审界面的编辑器而它的**修订图例Revisions legend**功能正是为Agent 整页重写之后人看不懂改了啥这个问题而生。读完这篇指南你就能让每一轮改动都带上彩色标签、时间戳和一句话总结并用一个按钮逐块高亮回看。为什么需要修订图例整页重写后的黑箱lavish-axi 的工作模式是你在浏览器里批注、提意见Agent 收到反馈后重新生成整个 HTML 文件。这对 Agent 来说很省事但对人却是个黑箱——页面长得好像都差不多你却说不清它到底动了哪几处。修订图例的思路很巧妙Agent 本来就知道自己改了什么那就让它自己说出来。它把改动记录写进 HTML 文件本身lavish-axi 读取后在浏览器顶栏生成一份图例每一轮改动都一目了然。整个过程是可选的opt-in不写记录文件的页面完全不受影响。修订图例长什么样Revisions 按钮与图例面板当页面包含修订记录时顶栏会出现一个带角标的Revisions按钮。点开抽屉面板你会看到每一轮改动一行颜色色块 标签如 Round 1 时间戳 Agent 的一句话总结每行末尾的改动块数量统计例如 3 marked blocks一个Reveal按钮用于逐块高亮回看更贴心的是无障碍设计每轮改动不仅有颜色还配有不同的边框样式和填充图案实线、虚线、点线……。即使屏幕是灰度的、或者你有色觉障碍也能靠图案区分不同轮次。这是由调色板模块保证的源码见 src/artifact-revisions.js。如何开启修订图例Agent 的两步声明不需要安装任何东西只要让 Agent 在重新生成页面时做两步声明登记一轮在文件里加一段 JSON 格式的修订记录每轮一个条目包含id、label、timestamp、summary四个字段标记改动块在你实际编辑或新增的每个块上挂一个data-lavish-revisionid属性官方片段的完整写法可以通过lavish-axi design命令查看示例见 src/design-reference.jsscript typeapplication/json contenteditable="false">【免费下载链接】lavish-axiHTML is the new markdown. Lavish is the new editor for your HTML artifacts.项目地址: https://gitcode.com/gh_mirrors/la/lavish-axi创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉