Вот вам ещё ОКР-контент.
Понял, что стол в мастерской очень быстро заваливается вещами, которые, вроде как, нужны под рукой, поэтому прятать их в ящик неудобно. Сначала решил купить для упорядочивания канцелярский органайзер, но очень быстро уперся в недостаточную гибкость и неподходящие размеры как самих органайзеров, так и ячеек в них.
В этом проекте попробовал две новые для себя фишки 3D-печати: длинные мосты и разглаживание.
Чисто формально каждый новый слой при печати должен лежать на предыдущем. Если геометрия модели не подходит для этого, то печатается поддержка: специальная искусственная хрупкая башенка от стола до того места, где у детали нависание. Но если у нависания с двух сторон есть опорная часть детали, то настоящая физика нередко позволяет нам протянуть ниточку пластика прямо по воздуху горизонтально без поддержек. Это называется мостом. Нить охлаждается и твердеет сразу в процессе вытягивания, что чисто в теории не даёт ей провиснуть. У меня мостами сделаны ниши для выдвижных ящичков: поддержки там потребовались на ребре и небольшая полоска по центру. Качество поверхности так себе, но геометрия сохранилась, что и нужно было. Получилось, правда, со второго раза. Этот манёвр (неудачная попытка) стоил мне половину катушки. Но всё равно рекомендую.
Разглаживание — специальная механика, с помощью которой горящее сопло водит по поверхности и размазывает пластик, из-за чего поверхность становится чуть более плоской и глянцевой. Я пробовал такой метод для улучшения прозрачности стенок ящичков, но, к сожалению, эффекта это не дало. Полагаю, что более прозрачные крышки можно было бы напечатать только на стекле. И ещё из-за разглаживания пластик забил термобарьер, так что пришлось впервые разбирать голову у нового принтера, благо, это делается не слишком сложно. Но всё равно не рекомендую.
#life#diy#окр
#python#ai#faiss#gpt_oss#langchain#llama_index#llm#localstorage#offline_first#ollama#privacy#python#rag#retrieval_augmented_generation#vector_database#vector_search#vectors
LEANN is a tiny, powerful vector database that lets you turn your laptop into a personal AI assistant capable of searching millions of documents using 97% less storage than traditional systems without losing accuracy. It works by storing a compact graph and computing embeddings only when needed, saving huge space and keeping your data private on your device. You can search your files, emails, browser history, chat logs, live data from platforms like Slack and Twitter, and even codebases—all locally without cloud costs. This means fast, private, and efficient AI-powered search and retrieval on your own laptop.
https://github.com/yichuan-w/LEANN
#python#ai#context#embedded#faiss#knowledge_base#knowledge_graph#llm#machine_learning#memory#nlp#offline_first#opencv#python#rag#retrieval_augmented_generation#semantic_search#vector_database#video_processing
Memvid lets you store millions of text pieces inside a single MP4 video file using QR codes, making your data 50-100 times smaller than usual databases. You can search this video instantly in under 100 milliseconds without needing servers or internet after setup. It works offline, is easy to use with simple Python code, and supports PDFs and chat with your data. The upcoming version 2 will add features like continuous memory updates, shareable capsules, fast local caching, and better video compression, making your AI memory smarter, faster, and more flexible. This means you get a powerful, portable, and efficient way to manage and search huge knowledge bases quickly and easily.
https://github.com/Olow304/memvid