久智科技 - Blog

docker启动的n8n中自定义url

在 Docker 里启动的 n8n （flow 容器）默认把所有外部链接拼成 http://localhost:5678，因为它直接把 N8N_PROTOCOL + N8N_HOST + N8N_PORT 组合起来；如果你什么都没配，这三个值分别是 http / localhost / 5678，于

Coze工作流教学-火柴人心理视频

引言部分利用Coze与剪映的草稿功能，结合Coze第三方工具剪映小助手，批量生产AI口播+简约风格的火柴人内容视频。视频演示 Coze 工作流的基础创建与配置 1. 输入模块（开始）

cmd与powershell中设置一次性代理

假设的代理端口 http://127.0.0.1:15665 cmd set http_proxy=http://127.0.0.1:15665 set https_proxy=http://127.0.0.1:15665 powershell $env:HTTP_PROXY = "http://1

如何制作Flowise一键包

写在前面 Coze收费越来越不爽，想着寻找开源的图形工作流智能体来解决后续的需要，结果寻找到了Flowise。尝试安装，发现因为上网环境，安装非常的慢，所以萌生制作一键包的想法。目录结构 Flowise_nodejs_win/ ├── node/ # 解压

Coze工作流中将string转为object或array

写在前面 Coze工作流的某些组件，比如HTTP组件会将原本的object响应输出为string，或者某些插件只支持array的变量接入，所以需要用到代码组件将string清洗为object或array。 string2object from { "input": "{\"success\":t

验证码目标检测模型比较分析

背景与需求滑块验证和拼图缺口类验证码是一种常见的人机验证方式，其核心在于定位图像中的小目标（例如滑块、拼图缺口或小图标按钮）。要自动识别并破解此类验证码，我们需要选取合适的目标检测模型。模型应当能够精准识别这些细小目标，并在短时间内完成推理，以适应验证码通常要求的实时性。此外，模型需易于微调训练，

使用HumanCursor结合OpenCV和AI模型在Windows上模拟人类鼠标操作

在自动化操作中，为了绕过验证码和反机器人检测机制，需要模拟真实的人类鼠标行为。GitHub开源项目 HumanCursor 提供了这样的能力。它通过“自然运动算法”生成人类般的鼠标轨迹（速度、加速度、曲线都会随机变化）。HumanCursor 支持执行多种鼠标动作（点击、拖拽、滚动、悬停等），并且