No module named ‘crewai’
CrewAI CLI 1.15.6 的测试套件（`tests/test_create_crew.py`）出现 20 个测试失败，核心原因是生成的 `pyproject.toml` 中 `crewai[tools]` 依赖约束被写成了 `>=1.15.6,<2.0.0`，而测试断言期望的版本是 `1.
AI 工具排错、提示词与实用教程
先解决问题，再了解资讯。选择你现在要完成的任务。
查 AI 报错按工具和错误类型查找可执行的排查步骤。找图片提示词搜索并复制 Nano Banana Pro 图片生成提示词。看 AI 工具教程学习模型、API、自动化和图像生成工作流。追踪 AI 资讯查看经过整理的产品、模型与行业更新。
热门排错指南
- issue: Image uploads fail with “File type image/jpeg is not supported for processing” when no extraction engine is configured (videos alread
- ValueError: You have modified the pretrained model configuration to control generation We detected the following values set – {‘suppress_tokens’: [1, 2, 7, 8, 9, …]}. This strategy to contro
- RuntimeError: Cannot access accelerator device when none is available.
精选提示词
AI 工具教程
[BUG] Task output schema in the prompt marks Optional fields as required and strips null, so the model cannot express “not applicable”
![[BUG] Task output schema in the prompt marks Optional fields as required and strips null, so the model cannot express "not applicable"](https://www.chat-gpts.plus/wp-content/uploads/2026/09/6774-15a8d678-768x403.jpg)
这个报错通常出现在 CrewAI 使用 output_pydantic 定义任务输出、并在 prompt 内嵌 JSON Schema 时：prompt 里的 schema 把 Pydantic 模型中的 Optional 字段强行标成 required 且去掉 null ，导致模型无法表达“不适用
如果明天一切改变呢？一家加拿大公司正用AI帮助企业应对供应链的不确定性
加拿大供应链规划软件公司 Kinaxis 与微软合作，把 AI 能力嵌入供应链管理平台，帮助企业在需求波动、断供和物流中断时更快做出调整。这类“企业级 AI 应用”正在从演示走向核心业务系统。
Nvidia 与 Palantir 联手用 AI 运营供应链，先从 Nvidia 自身百万零件业务开始
Nvidia 与 Palantir 把大模型直接接进供应链系统，首个客户就是 Nvidia 自己——一个涉及数百万零件、数千家供应商的全球化网络。这释放的信号是：AI 应用正从"生成内容"转向"替企业做运营决策"。
Muse 能帮用户购物、写邮件、谈价格，全程通过 WhatsApp 完成
Meta 推出 AI 代理 Muse，用户通过 WhatsApp 就能让它独立完成订行程、填表、购物甚至谈价格，并接入 Stripe 的 Link 完成支付。这是 Meta 在“可执行任务的 AI 代理”上的一次正面落子，也把支付能力和安全隔离问题摆上台面。
GPT-6 Astra 让数学家们喘了口气，OpenAI 说这是有意为之
OpenAI 的 GPT-6 Astra 在 ulam.ai 的 ErdosBench 开放数学难题基准上拿下第一，但首席科学家 Jakub Pachocki 明确表示，公司并未把数学能力作为优化重点，这是资源投向递归自我改进（RSI）和自动对齐研究后的副产品。这为"AI 能力是全面还是尖锐分化"的争论提供了…
Maven Robotics想抢走你的机器人部署订单
Maven Robotics 完成 1 亿美元融资，并结束隐身状态。这家公司靠“先看工厂再谈机器人”的方式，从四家已有产品的对手手中抢下一个大型快消客户，目前最多有 8 台机器人每天运行 16 小时，任务成功率维持在 99% 以上。
AI agents 正让公共服务涌来大量新请求
AI 让填表、写申诉、递交请愿变得前所未有地简单，全球多地公共服务正被大量新申请淹没。研究者 Chris Schmitz 把这称为“智能体洪泛”，他追踪的 84 个案例中，多数请求来自本就有资格申请、过去却被繁琐流程挡住的真实用户。
DeepSeek 发布 V4.1-Flash，大幅降低 AI Agent 的 KV cache 内存需求
DeepSeek 发布多模态模型 V4.1-Flash，主打压缩 AI Agent 场景下的 KV cache 内存占用，据官方技术报告，快速显存中的缓存需求降至上一代的约四分之一，编码端算力需求近乎减半，模型以 MIT 协议开源。
DeepSeek-V4.1-Flash 上线 SiliconFlow，552B MoE 支持 1M 上下文
硅基流动（SiliconFlow）在 DeepSeek 发布当天就上线了 DeepSeek-V4.1-Flash，这是一款 552B 参数的 MoE 模型，支持原生视觉和 1M 上下文，并以约 8B/16B 的激活参数实现高吞吐推理。