• 基础篇（Fundamentals）：
- 《Mathematics of Machine Learning》：扎实数学基础，理解机器学习核心原理。
- 《Artificial Intelligence: A Modern Approach》：AI全景视角，奠定理论框架。
- 《Deep Learning》：深度学习经典教材，理论与实践结合。
- 《An Introduction to Statistical Learning》：统计学习方法入门，实用且易懂。
• 实战篇（Hands-on）：
- 《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow》：涵盖主流框架，注重动手实践。
- 《Deep Learning with Python》：结合Keras，快速实现深度学习项目。
- 《Generative Deep Learning》：生成模型实操，拓展高级应用。
- 《Deep Reinforcement Learning Hands-On》：强化学习实战，前沿技术落地。
• 工程篇（ML/AI Eng）：
- 《Designing Data-Intensive Applications》：大规模数据系统设计，提升架构能力。
- 《Scaling Machine Learning with Spark》：分布式机器学习框架应用。
- 《AI Engineering》：AI系统工程实践，跨学科融合。
- 《LLMs for Production》 & 《LLM Engineer’s Handbook》：大模型部署与工程指南，前沿趋势必备。
- 《Generative AI with LangChain》和《Building Agentic AI Systems》：生成式AI与智能代理系统开发，开启未来智能应用大门。
FLUJO：本地化、多模型、多工具的开源AI工作流与MCP服务器管理平台，打通模型、协议与工具的全链路协同。
• 🔐 环境与API密钥统一管理，支持加密存储与全局调用，安全便捷。
• 🤖 多模型支持，灵活配置系统提示，兼容OpenAI、Anthropic等多家API，支持本地Ollama模型接入。
• 🛠 MCP服务器一键安装与管理，支持GitHub、Docker及本地文件系统，工具检测与环境变量绑定一站完成。
• 🎨 可视化工作流编排，支持多模型、多工具灵活组合，支持分支、循环和复杂流程设计。
• 💬 集成聊天界面，可直接与工作流交互，支持消息编辑与分割，未来将增强音频识别及文件处理能力。
• 🔗 兼容OpenAI端点，可作为后端服务无缝对接其他AI应用。
• 🚀 多平台支持：可在本地、Docker及桌面应用模式运行，满足不同部署需求。
• ⚠️ 注意：默认启用详细日志，可能泄露加密密钥，使用时需谨慎控制终端输出。
• 🔐 环境与API密钥统一管理，支持加密存储与全局调用，安全便捷。
• 🤖 多模型支持，灵活配置系统提示，兼容OpenAI、Anthropic等多家API，支持本地Ollama模型接入。
• 🛠 MCP服务器一键安装与管理，支持GitHub、Docker及本地文件系统，工具检测与环境变量绑定一站完成。
• 🎨 可视化工作流编排，支持多模型、多工具灵活组合，支持分支、循环和复杂流程设计。
• 💬 集成聊天界面，可直接与工作流交互，支持消息编辑与分割，未来将增强音频识别及文件处理能力。
• 🔗 兼容OpenAI端点，可作为后端服务无缝对接其他AI应用。
• 🚀 多平台支持：可在本地、Docker及桌面应用模式运行，满足不同部署需求。
• ⚠️ 注意：默认启用详细日志，可能泄露加密密钥，使用时需谨慎控制终端输出。
• 基于 ComfyUI 的图形化节点流程设计，零代码即可构建复杂音频处理与稳定扩散管线。
• 支持多平台（Windows、Linux、macOS），兼容 NVIDIA、AMD、Intel、Apple Silicon、Ascend 等多种 GPU，甚至可纯 CPU 运行。
• 高效执行机制，仅重算更改部分，智能内存管理，低至 1GB VRAM 也能流畅运行大型模型。
• 丰富模型支持：Stable Audio、ACE Step 等音频模型，兼容多种图像、视频、3D 模型，集成 ControlNet、T2I-Adapter、Upscale 模型等先进功能。
• 完全离线运行，核心不自动联网，支持安全加载多格式模型文件（ckpt、safetensors、pt、pth等）。
• 支持文本嵌入、LoRA、Hypernetworks，工作流可保存为 JSON，也能从生成的 PNG/WebP/FLAC 文件恢复完整工作流与种子。
• 灵活快捷键操作，支持工作流快速保存/加载、节点复制粘贴、节点分组和画布缩放，极大提升制作效率。
• 提供便携版 Windows 免安装包，支持 comfy-cli 一键安装，方便快速上手。
• 持续更新中，2026年Q1发布v0.3.60版本，活跃社区协作推动多样化自定义节点开发。
• 兼容多种硬件加速方案（AMD ROCm、Intel XPU、Ascend NPU、Cambricon MLU、Iluvatar Corex），覆盖广泛应用场景。
ComfyAudio 让音频 AI 的设计与实验更自由，效率更高，适合开发者、研究者及音频创作者长期探索与创新。
• 集成 OpenAI、Voyage AI、Cohere 服务商模型，支持 SentenceTransformers 和 Hugging Face TEI 等开源 embedding 与 reranker 模型，兼顾多样化应用需求
• 作为 Milvus 高性能开源向量数据库 Python SDK（pymilvus）的可选依赖，简化语义搜索功能开发
• 支持 Python 3.8+，安装便捷：`pip install pymilvus[model]` 或 `pip install pymilvus.model`，并提供版本锁定与升级方案，确保兼容与稳定
• 通过统一接口实现多模型融合，降低多模型管理复杂度，提升检索相关性和系统扩展性，适合大规模语义搜索和知识增强检索（RAG）场景
• Apache-2.0 开源协议，社区活跃，便于二次开发和定制，兼顾灵活性与企业级应用需求
Milvus Model Lib 打破传统向量检索单一模型瓶颈，推动语义搜索技术迈向多模态、多源融合的下一阶段
