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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #484 · 4.08

Екатеринбург мне совсем не понравился, да простят меня его жители, если кто-нибудь из вас читает этот блог. Во-первых, у города будто бы не хватает идентичности. Вот Петрозаводск это урбанистический центр карельского колорита, наполнен связанными с этим мелочами. Салехард — оазис в ледяной пустыне, очень красивый и новенький, потому что нетронутый массами. Казань славится своей особенной архитектурой, храмами. В Нижнем Новгороде интересный рельеф и бинарное деление. В общем, почти везде, где я был, чувствовал особенный дух города. Про столицы и говорить нечего. А Екатеринбург выглядит так, будто бы толпа людей понастроила в разное время здесь всего подряд, кто во что горазд. Никакой единой архитектурной мысли: треугольные ларьки рядом с промышленной советской застройкой, а между ними дом с лепниной, завешенной строительной сеткой. Во-вторых, и это куда неприятнее — за городом совсем не следят, не приводят его в порядок. Очень много исписанных стен. Не какой-нибудь красивый стритарт (такой встречается, но очень очень редко), а просто мазня и грязь, даже на центральных улицах. Очень много разрухи: отколотые углы, обвалившиеся стены, трещины, выбитая брусчатка. Да, много строек, и это значит, что какое-то развитие идёт. Но часть строек заброшены. Некоторые инициативы совсем странные: в куче мест вырвиглазной краской на тротуаре нанесена разметка, как мы поняли, чтобы сделать вид, будто там есть велодорожка. Но смотрится это не лучше, чем вышеупомянутый вандализм с надписями на стенах. Бывает нанесено прямо по брусчатке как попало или, например, в десяти сантиметрах от бордюра, потому что, видимо, задание нарисовать линию дали, а о наличии пространства под это никто не задумался. Конечно, в центре есть места, которые сделаны очень хорошо: чисто, красиво, интересно с точки зрения архитектуры и урбанистики. Но на город с населением почти полтора миллиона одна крутая набережная и один крутой микрорайон это довольно мало. Обидно для четвёртого по величине города в стране. #travel

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