TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #41 · 7.06

Прочитал тут в Твиттере про BeReal — новая соцсеть-стартап. Идея такая: приложение вам каждый день в случайное время высылает пуш, после которого вы в течение 2 минут должны сделать фото "Что я вижу перед собой прямо сейчас". Тупите в комп, бухаете, сидите на толчке — не важно, показывайте друзьям вашу настоящую жизнь без прикрас. Если сделали, то сможете видеть аналогичные фотографии друзей за этот день. Стартап уже оценён инвесторами в 150 миллионов долларов, и вообще вызвал у них там большой интерес. Понятно, тренд должен двигаться в какую-то такую сторону. Не секрет, что в Инстаграме блогеры тратят по полдня на создание "будничного" снимка в духе "Я только проснулась и буду сейчас завтракать". Эта пластмассовая ложь начинает потихоньку утомлять даже самых зашоренных людей. ТикТок — при всей его подростковой туповатости — сделал всё-таки важный шаг от Инстаграма в сторону реализма: видео там сложнее откровенно подделывать, а те, над которыми велась долгая работа по монтажу и подготовке, видны сразу. Но насколько далеко следует зайти? Фотографии в произвольный момент времени — это круто или уныло? Десятки снимков людей за компом на рабочем месте, за рулём в пробке, дома перед сериальчиком, и так далее. 90% населения бОльшую часть времени не занимаются ничем интересным. В 2018 году я пробовал каждый день снимать 1 секунду видео, а потом склеить из этого год (уже показывал вам, но приложу видео к этому посту). Я, конечно же, снимал не случайную секунду, а какую-то такую, которая характеризует день. То, чем я больше всего в этот день занимался. И всё равно там куча моментов в духе "Я сижу перед ноутбуком", "Я иду по улице". Хотя в динамике получилось неплохо, наблюдать за таким каждый день от десятков друзей — как мне кажется — будет скучно. В России сейчас регистрироваться в BeReal нет никакого смысла, но за новостями про сеточку буду следить, посмотрим. #web https://www.youtube.com/watch?v=BRFQ6NMokVM

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #faiss

当前筛选 #faiss清除筛选
GitHub Trends

@githubtrending · Post #15295 · 11.11.2025 г., 17:00

#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

GitHub Trends

@githubtrending · Post #15168 · 25.09.2025 г., 12:30

#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