MODEL LABS

LLM、视觉 AI 与机器人，共用一套实验语言

原站曾把文本、XML、HTML、LaTeX 和 PDF 放进可重复的文档流程。如今我们把这份方法转译到模型、图像与实体设备实验中。

01 / LLM

语言模型原型

从需求文档、提示词、上下文、引用范围和拒答条件开始。一个值得继续的原型，应能说明资料从哪里来、答案如何复核，以及模型不应该处理哪些任务。

输入：文档、问题、上下文输出：回答、引用、错误类型检查：版本、权限、来源

02 / VISION

把样本、标注、光线、设备镜头和场景切片放在同一个版本记录中。视觉模型的结果不能只看总体数字，还要看它在不同设备、地区和时间条件下的变化。

输入：图片、视频、标签输出：类别、位置、置信度检查：样本、标注、版本

03 / ROBOTICS

区分实时动作与非实时资料。急停和安全控制应有本地边界，日志、模型文件和任务结果则可以通过可观察的跨国连接同步。

输入：动作、传感器、现场输出：日志、状态、回退版本检查：固件、网络、权限

FORMAT MEMORY

HTML 适合持续更新，Markdown 适合协作，PDF 适合归档，EPUB 适合移动阅读。模型实验也应该先保留结构化记录，再根据读者任务生成不同输出，不让一次导出决定全部信息。