# 影片筆記：DeepSeek V4正式版+Codex工业Agent开发实战！从零手搓AI数据分析Agent，Responses API调用流程与Codex核心功能详解！ p05 05.DeepSeek+Codex视觉能力增强

## 一句話總結

針對 DeepSeek V4 缺乏視覺能力的痛點，影片演示了如何透過本地部署的 MCP 服務，結合千問 3.8 Max 模型進行視覺審查，並利用 Codex 的 Skills 技能腳本實現自動化、多輪的視覺審查與代碼修復閉環。

## 核心重點

*   **痛點與解決方案**：DeepSeek V4 本身無視覺能力，無法直接處理前端截圖審查。解決方案是引入具備視覺能力的模型（如千問 3.8 Max），並透過本地部署的 MCP (Model Context Protocol) 服務進行調用。
*   **開發鏈路實作**：
    1.  使用 DeepSeek V4 Flash 生成網頁代碼。
    2.  針對移動端適配問題進行截圖。
    3.  透過 Codex 調用 MCP 服務，將截圖與審查目標輸入千問 3.8 Max。
    4.  根據千問返回的視覺反饋，Codex 進行代碼改版與修復。
    5.  重複上述過程直至視覺問題解決。
*   **Skills (技能腳本) 的自動化收斂**：
    *   定義規範化的輸入數據結構、MCP 工具調用合同及執行步驟。
    *   包含失敗邊界審查機制。
    *   實現自動截圖比對，若有問題則繼續修改，無問題則收斂結果，實現多輪視覺審查的自動化。
*   **課程架構與推廣**：
    *   介紹 2026 大模型 Agent 應用與開發實戰課的 8 個階段（Stage 0-7），涵蓋從基礎入門到工業級項目實戰。
    *   推廣 38 期課程，贈送「復盤 Agent (AI9000)」，該 Agent 匯聚了團隊開發經驗與 400+ 技能，支持本地部署與二次開發。
    *   提供買一贈一優惠（購買 38 期贈送第 39 期新增內容）。

## 詳細大綱

### 一、 DeepSeek V4 的視覺能力痛點與解決方案
*   **痛點分析**：
    *   當前 DeepSeek 模型本身無視覺能力。
    *   開發過程中需要前端截圖來審查視覺效果並進行優化，但 DeepSeek 無法直接處理圖片。
*   **架構設計**：
    *   在本地搭建獨立的 **MCP 服務**。
    *   引入 **千問 3.8 Max** 作為視覺識別模型。
    *   當 Codex 遇到視覺任務時，透過 MCP 工具調用千問 3.8 Max 進行輸入與反饋。
    *   註：也可選擇其他開源模型或 API，但需具備視覺能力。

### 二、 實戰演示：網頁開發與視覺審查鏈路
*   **開發階段**：
    *   使用 **DeepSeek V4 Flash** 生成一個關於項目進度的網頁。
    *   進行移動端適配，發現視覺效果問題（如版面平移）。
*   **審查與修復階段**：
    *   **截圖**：使用 `PlayerWrite` (疑點) 進行截圖，生成哈希值。
    *   **調用 MCP**：將截圖、業務目標、審查維度打包，透過 MCP 工具調用外部千問 3.8 Max。
    *   **反饋與改版**：
        *   千問 3.8 Max 返回配置反饋結果。
        *   Codex 搭配 DeepSeek V4 Flash 進行二輪改版。
        *   針對移動端版面問題進行修復。
    *   **驗證**：修復後再次截圖審查，確認問題解決。

### 三、 Skills (技能腳本) 的結構與應用
*   **Skills 的作用**：
    *   自動化視覺審查流程，實現多輪調整與收斂。
    *   確保每次修改後都能進行視覺驗收。
*   **Skills 的組成規範**：
    1.  **規範好的輸入**：定義審查所需的數據結構。
    2.  **工具合同**：定義 MCP 工具的調用方式。
    3.  **執行步驟**：明確目標、原碼、截圖、審查等流程。
    4.  **失敗邊界審查**：記錄 MCP 調用失敗時的狀態。
    5.  **輸出與收斂**：
        *   不斷截圖比對變化。
        *   若有問題則繼續修改，若無問題則收斂結果。
*   **部署說明**：相關腳本與 Skills 已包含在課程課件中，學員可自行部署至本地 Codex 或 Cloud Code。

### 四、 課程推廣與 38 期優惠
*   **課程內容架構 (2026 大模型 Agent 應用與開發實戰課)**：
    *   **Stage 0**：基礎入門 (算法、編程、大模型基礎)。
    *   **Stage 1**：主流基礎智能體實戰 (Cloud Code, Codex, OpenCloud, Hermes Agent 等)。
    *   **Stage 2**：Skills 開發與應用實戰 (工業級實現流程)。
    *   **Stage 3**：AI 全站開發入門 (需求調研、Web Design、Web Coding)。
    *   **Stage 4**：進階技能 (RAG 框架、運行時框架、記憶管理、上下文工程、多智能體協作)。
    *   **Stage 5**：Agent 部署上線與運維優化 (容器化編排、長期追蹤、性能評估)。
    *   **Stage 6**：Web Coding 進階 (文檔驅動開發、Agent 自治循環、多智能體協同、AI 自動化任務)。
    *   **Stage 7**：40 架工業項目開發實戰 (涵蓋敏捷型、私有化復刻、工業級組件、百萬用戶級旗艦項目)。
*   **38 期專屬福利：復盤 Agent (AI9000)**：
    *   **功能**：蒸餾了團隊開發經驗與 100 萬字課件，匯聚知識大腦，集成 400+ 技能 (Skill)。
    *   **優勢**：支持本地部署、一鍵遷移項目、二次開發、輔助學習與開發。
    *   **定價策略**：
        *   38 期：免費贈送。
        *   39 期起：收費 1000 元/期。
    *   **優惠活動**：
        *   38 期今晚封班，最後報名機會。
        *   購買 38 期贈送第 39 期全部新增內容 (買一贈一)。
*   **其他課程介紹**：
    *   AI 編程實戰課 (沐雲老師)。
    *   Open Cloud 智能體應用實戰課 (講者)。
    *   大模型原理與訓練實戰課。

## 工具 / 模型 / 名詞整理

*   **模型/產品**：
    *   **Codex**：開發工具/環境。
    *   **DeepSeek** / **DeepSeek V4** / **DeepSeek V4 Flash**：基礎語言模型。
    *   **千問 3.8 Max** / **千文 3.8max** / **Chem3 Max** / **前五三点八max**：視覺審查模型（原文有多種聽寫變體，疑指 Qwen 系列）。
    *   **Kodaks**：疑點，可能指代工具或口誤。
    *   **Cloud Code**：開發工具。
    *   **OpenCloud**：開發工具/平台。
    *   **Hermes Agent**：智能體框架。
    *   **GBring**：疑點，可能指代某框架。
    *   **Memory Link**：疑點，可能指代某框架。
    *   **REG 框架** / **Agentic REG**：開發框架。
    *   **Harness 框架**：運行時框架。
    *   **復盤 Agent** / **AI9000 老師**：課程專屬 AI 助手。
    *   **Agent Playground**：官網頁面。
*   **技術/協議**：
    *   **MCP** (Model Context Protocol)：模型上下文協議。
    *   **SSE** (Server-Sent Events)：服務端發送事件。
    *   **Skills**：技能腳本。
    *   **RAG** (Retrieval-Augmented Generation)：檢索增強生成。
    *   **Transformer**：模型架構。
    *   **Web Design** / **Web Coding**：網頁設計與編程。
    *   **SRE** (Site Reliability Engineering)：站點可靠性工程。
    *   **AXF 中台**：疑點，可能指代某企業級中台。
    *   **OPC**：疑點，可能指代 One Person Company 或其他縮寫。

## 操作流程整理

1.  **初始化開發**：使用 DeepSeek V4 Flash 生成網頁代碼（例如項目進度網頁）。
2.  **問題發現**：進行移動端適配，發現視覺效果問題（如版面平移）。
3.  **截圖處理**：使用 `PlayerWrite` (疑點) 進行截圖，並生成哈希值。
4.  **MCP 調用準備**：打包截圖、業務目標、審查維度。
5.  **視覺審查**：透過 Codex 調用本地/遠端 MCP 服務，將數據輸入千問 3.8 Max。
6.  **獲取反饋**：接收千問 3.8 Max 返回的配置反饋結果。
7.  **代碼修復**：Codex 搭配 DeepSeek V4 Flash 根據反饋進行二輪改版，修復移動端版面問題。
8.  **驗證與收斂**：修復後再次截圖審查，確認問題解決；若未解決則重複流程，直至收斂。

## 值得注意的限制或風險

*   **模型名稱辨識不確定**：影片中對視覺審查模型的稱呼極不統一，包括「千問 3.8 Max」、「千文 3.8max」、「Chem3 Max」、「前五三点八max」，實際產品名稱需查證。
*   **工具名稱辨識不確定**：
    *   「Kodaks」：原文提到「跟我們的 Kodaks 進行很好的這樣的響應」，疑為口誤或特定內部工具名稱。
    *   「PlayerWrite」：原文提到「用 PlayerWrite 來進行截圖」，疑為特定腳本名稱或口誤（可能指 Playwright，但未明確說明）。
    *   「TY 截圖」：原文提到「Codex 的 TY 截圖」，疑為「Tool 截圖」或特定縮寫。
    *   「GBring / Memory Link / AXF / OPC」：在介紹課程項目時出現，疑為特定開源項目、內部代號或口誤，無法確認實際含義。
*   **講師與產品名稱辨識不確定**：
    *   講師名稱出現「沐云」、「志杰」、「志愿」、「治疗」等多種變體。
    *   課程專屬 AI 助手名稱出現「复范 Agent」、「复发 Agent」、「复卖 Agent」等多種變體。

## 逐字稿辨識疑點

*   **Kodaks**：原文提到「跟我們的 Kodaks 進行很好的這樣的響應」，疑為口誤或特定內部工具名稱，無法確認是否為 Codex 的誤讀或其他產品。
*   **Chem3 Max / 前五三点八max / 千文 3.8max / 千問 3.8max**：原文中對該視覺模型的稱呼極不統一，包括「Chem3 Max」、「前五三点八max」、「千文 3.8max」、「千問 3.8max」。根據語境推測應為阿里通義千問系列，但嚴格遵循逐字稿，保留所有出現的變體，標記為需查證。
*   **Seguus / Skill**：原文提到「還給了一套 Seguus」，隨後解釋為「Skill」，疑為口誤。
*   **PlayerWrite**：原文提到「用 PlayerWrite 來進行截圖」，疑為特定腳本名稱或口誤（可能指 Playwright 測試工具，但原文未明確說明）。
*   **TY 截圖**：原文提到「Codex 的 TY 截圖」，疑為「Tool 截圖」或特定縮寫，無法確認。
*   **GBring / Memory Link**：在介紹課程項目復刻時出現，疑為特定開源項目或內部代號，無法確認實際對應的知名開源項目。
*   **AXF / OPC**：在旗艦項目名稱中出現，疑為內部項目縮寫或口誤，無法確認具體含義。
*   **沐云老师 / 志杰老师 / 志愿老师 / 治疗老师**：助教或講師名稱在逐字稿中聽寫不一致，分別出現為「沐云」、「志杰」、「志愿」、「治疗」，需查證實際講師姓名。
*   **复范 Agent / 复发 Agent / 复卖 Agent**：課程專屬 AI 助手的名稱在逐字稿中聽寫不一致，分別出現為「复范」、「复发」、「复卖」，需查證實際產品名稱。

## 可延伸追問

*   千問 3.8 Max 的確切產品名稱是什麼？是否為通義千問的某個特定版本？
*   「PlayerWrite」是否為 Playwright 的誤讀？其在截圖流程中的具體作用為何？
*   「Kodaks」在影片語境中具體指代什麼工具或服務？
*   課程中提到的「GBring」、「Memory Link」、「AXF 中台」、「OPC」具體對應哪些開源項目或內部系統？
*   如何具體配置本地 MCP 服務以調用千問 3.8 Max 的視覺能力？
*   「復盤 Agent (AI9000)」的具體功能架構與部署方式為何？