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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #503 · 14.08

14 августа 2013 года, ровно 9 лет назад, я впервые установил Telegram. Вот такой скриншот был в промо-материалах: акцент на технологии, а про рюшечки для блондинок упомянуто вскользь с шуткой. Позавчера Telegram выкатил анимированные эмодзи и кастомные реакции. Перед этим Павел Дуров написал пост о том, что Apple очередной раз задерживает обновление, в котором будет революционный способ самовыражения. Обновление вышло, а революции что-то не видно: анимированные колобки были ещё в Qip десять лет назад, кастомные реакции есть в Slack и Discord. Ну да ладно. Меня больше удивляет фиксация команды Telegram на рюшечках: огромные силы тратятся на все эти стикеры, анимации, реакции, эмодзи. И среди последнего десятка крупных обновлений, кажется, не было ни одного без этой фигни. Почему так происходит? Некоторые говорят, это потому, что Телеграм уже полностью доделан, и в него банально нечего добавить. Но это не так: до сих пор нет средств дискавери для каналов, до сих пор нельзя адекватно прикреплять картинку к тексту, сжатие фотографий всё ещё очень шакальное, полноценно редактировать альбом невозможно, посты в каналах по интерфейсу всё ещё чат-монолог на 60% от ширины экрана, на главной странице всё ещё вперемешку сущности из всех папок, и вообще управление папками сделано через одно место. В общем, много всего ещё нужно править. Думаю, дело в другом: команда Telegram очень круто умеет в UI/UX и фичи, лучше всех на рынке. Но почти не умеет в бизнес и маркетинг. Она, как и Дуров, не понимают, как продавать свой продукт. Им сейчас надо привлечь широкие массы и, видимо, внутренняя статистика показывает рост активности и вовлечённости от всех этих рюшечек. А, значит, надо ещё больше рюшечек. Но это примерно как в продуктовом магазине обнаружить, что люди покупают алкоголь, и начать очень активно развивать это направление, подзабив на всё остальное. Расширять полки с бухлом, рекламировать его, ставить прямо на входе, заслонять спиртягой хлеб и другие продукты. Покупателей, возможно, станет больше, но они будут алкашами. #web

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