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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #68 · 3.08

Теперь статья попала в "Лучшие материалы за неделю". Приятно. Очень крутой экспириенс от VC в итоге. Но, как некоторые заметили, у меня довольно кликбейтная тема, не думаю что там зашла бы статья с обзором колонки или личным мнением в сфере урбанистики. Тем временем, продолжаю поиски формата для себя. Отбросил вариант с Instagram Reels — я полистал пару недель и надоело. Очень однообразные вещи там, с одинаковой музыкой, некоторые повторяются. Видно, что алгоритмы работают топорно: 90% контента это просто популярные ролики из небольшого количества заданных категорий, а 10% это попытка вмешать случайные непопулярные ролики из тех же категорий. Качество проваливается мгновенно. Снимают, например, на крутом популярном видео вид на горы: там и цветкор, и чистота картинки, и динамика, и композиция. На непопулярном видео тоже вид на горы: скучный однообразный с телефона, без смены ракурса, без синхронизации с музыкой итд. Всё-таки не просто так популярные вещи таковыми становятся. Ну и вертикальность, опять же. Многие стали считать, что это якобы удобно, и тут я бы сказал про конспирологическое смещение "Окна Овертона", но на самом деле Стокгольмский Синдром, конечно же. У нас нет выбора в современном интернете, и мы пытаемся убеждать себя, что вертикальное видео это нормально, раз его записывают и смотрят на телефоне. Пожалуй, всерьёз я не попробовал только подкасты и дорогие ютубные видео. Я уверен, что последние оправдают мои ожидания: и система рекомендаций и качество контента на ютубе пока что выше, чем на всех остальных UGC-порталах. Ладно, на VC и Хабре ещё выше, но уж очень узкоспециализировано. Текстовые же порталы широкого профиля или помойка (Дзен) или мертвы и заброшены своими владельцами (ЖЖ, Teletype). Но у меня совершенно нет времени на такой продакшен, которого требует ютуб. Ни по вечерам, ни по выходным, ни в отпуске. Я смогу выпускать 1 видео в полгода, в таком ритме каналы не выживают. С подкастами другое дело — помимо понятной проблемы (невозможно рассказывать ни о чём, что требует визуала) — даже если у меня получится говорить интересно и записывать это качественно, никакой единой экосистемы для них так и не появилось. Кто-то слушает в Apple, кто-то в Яндекс.Музыке, кто-то даже ВКонтакте. Учитывая, что мне, как автору, интереснее всего обратная связь — собирать её с 10 площадок будет крайне муторно. Но одно ясно — Телеграм идёт сильно ниже ожиданий, так что этот канал рано или поздно будет закрыт, простите. Наверное, глупо было игнорировать тот факт, что я сам не читаю другие каналы, а значит мне или неудобно, или скучно, или и то и другое. #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