Day 12 ✅ 今天做了： 1、了解了多模态相关概念，包括语音识别（ASR），语音合成（TTS），OCR，视觉语言模型（VLM，看图说话），AI图像生成（扩展模型，从噪声中逐步去噪生成图片）。 2、Harness框架，相当于给Agent提供了一整套基础设施。 3、回顾了vibe coding的经验技巧