Давно подписан на группу Mighty Box, автор которой придумывает и выпускает органайзеры для настолок. Изначально я просто следил за процессом, но недавно заказал два орга: для «Ведьмака» (ещё не собрал) и для «Подводных городов» (на фото).
Органайзер в коробку с настольной игрой нужен по двум причинам:
1. Хороший орг позволяет вместить в одну коробку компоненты, например, из базовой игры и дополнения, и сильно экономить место на полке
2. Раскладывать такую игру гораздо проще, потому что достаточно вытащить части органайзера с нужными карточками и ресурсами, положить поле, и вы готовы
Второй пункт особенно важен для меня, поскольку тот же «Ведьмак» чудовищно долго сетапится: около десяти колод, элементы из нескольких дополнений, жетоны, деньги, кубики... Уже расхочешь играть, пока это всё разворачиваешь.
Ну ладно, орг для «Ведьмака» ждёт пары свободных выходных, а вот «Города» я склеил. Автор очень внимательно подходит к процессу проектирования: собственно, я изначально подписался на его группу, потому что мне нравилось наблюдать за инженерной составляющей. Проектируется всё на листовом ХДФ и акриле под лазерную резку. Помимо геометрической составляющей много внимания уделено UX: чтобы всё удобно было вытаскивать и складывать. Собирается на клей ПВА без особых проблем, укладывается чётко.
Органайзер для «Городов» предусматривает место под фигурки подводных лодок вместо картонных токенов, так что я не удержался и сразу напечатал на фотополимернике лодки и здания (модельки нашёл в сети). Надо будет ещё их покрасить, чтобы проще отличать.
В целом очень доволен. Сразу скажу: органайзеры не дешёвые, но для игр, которые точно останутся в коллекции годами, это, на мой взгляд, уместная покупка.
#games#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