I'm Sheldon Liu

最喜欢的一部日剧从《四重奏》转为《最完美的离婚》

常说灵魂留在了南京，这次终于带着他路过了青甘环线，有一群活得真切的朋友陪伴很幸福，你好，24岁。

试着build一个航班值机选座助手，觉得这玩意儿要比想象麻烦，也和大家分享下个人记录。首先想说，技术本身并不是最大障碍。座位信息的严格管控，就意味着无法通过API或公开渠道直接查询，只能手动上传选座页面的截图。然而这些截图往往信息不全，比如缺少座位字母标识，需要根据机型信息匹配知识库，让模型自行判断座位号。其次，实验了目前T0的一批多模态LLM，效果都一言难尽，完全是不可用的状态。解决“看不到”的问题，就试着用cv做算法识别，这个办法的确可以，但需要功夫设计。不同预订渠道对座位状态的显示方式各异，比如会使用不用颜色表示已选/可选，这都是要考虑的问题，再复杂，就需要一定的算法优化或者小模型训练（感觉这种简单任务用不着）。图里分享的是我通过vibe coding优化下来的一套识别方案，一秒输出，还是非常准确的。关于知识库来源，我爬取了🍠上的选座指南和用户经验，算不上系统全面，但好在大多都能找到。本来考虑了引入联网搜索，但查下来发现航班选座这一块并没有特别权威和集中的信息源，不太有必要引入。总地来说，是一个不太满意的Demo，整个流程的自动化程度较低，需要手动上传航班信息和截图，值机操作也要自己完成，如果再谈依靠端侧模型操作手机，当然可以完成，显然又小题大做。

最喜欢的一部日剧从《四重奏》转为《最完美的离婚》

常说灵魂留在了南京，这次终于带着他路过了青甘环线，有一群活得真切的朋友陪伴很幸福，你好，24岁。

试着build一个航班值机选座助手，觉得这玩意儿要比想象麻烦，也和大家分享下个人记录。首先想说，技术本身并不是最大障碍。座位信息的严格管控，就意味着无法通过API或公开渠道直接查询，只能手动上传选座页面的截图。然而这些截图往往信息不全，比如缺少座位字母标识，需要根据机型信息匹配知识库，让模型自行判断座位号。其次，实验了目前T0的一批多模态LLM，效果都一言难尽，完全是不可用的状态。解决“看不到”的问题，就试着用cv做算法识别，这个办法的确可以，但需要功夫设计。不同预订渠道对座位状态的显示方式各异，比如会使用不用颜色表示已选/可选，这都是要考虑的问题，再复杂，就需要一定的算法优化或者小模型训练（感觉这种简单任务用不着）。图里分享的是我通过vibe coding优化下来的一套识别方案，一秒输出，还是非常准确的。关于知识库来源，我爬取了🍠上的选座指南和用户经验，算不上系统全面，但好在大多都能找到。本来考虑了引入联网搜索，但查下来发现航班选座这一块并没有特别权威和集中的信息源，不太有必要引入。总地来说，是一个不太满意的Demo，整个流程的自动化程度较低，需要手动上传航班信息和截图，值机操作也要自己完成，如果再谈依靠端侧模型操作手机，当然可以完成，显然又小题大做。

最喜欢的一部日剧从《四重奏》转为《最完美的离婚》

常说灵魂留在了南京，这次终于带着他路过了青甘环线，有一群活得真切的朋友陪伴很幸福，你好，24岁。

试着build一个航班值机选座助手，觉得这玩意儿要比想象麻烦，也和大家分享下个人记录。首先想说，技术本身并不是最大障碍。座位信息的严格管控，就意味着无法通过API或公开渠道直接查询，只能手动上传选座页面的截图。然而这些截图往往信息不全，比如缺少座位字母标识，需要根据机型信息匹配知识库，让模型自行判断座位号。其次，实验了目前T0的一批多模态LLM，效果都一言难尽，完全是不可用的状态。解决“看不到”的问题，就试着用cv做算法识别，这个办法的确可以，但需要功夫设计。不同预订渠道对座位状态的显示方式各异，比如会使用不用颜色表示已选/可选，这都是要考虑的问题，再复杂，就需要一定的算法优化或者小模型训练（感觉这种简单任务用不着）。图里分享的是我通过vibe coding优化下来的一套识别方案，一秒输出，还是非常准确的。关于知识库来源，我爬取了🍠上的选座指南和用户经验，算不上系统全面，但好在大多都能找到。本来考虑了引入联网搜索，但查下来发现航班选座这一块并没有特别权威和集中的信息源，不太有必要引入。总地来说，是一个不太满意的Demo，整个流程的自动化程度较低，需要手动上传航班信息和截图，值机操作也要自己完成，如果再谈依靠端侧模型操作手机，当然可以完成，显然又小题大做。