TGINSIGHT SIMILAR POSTS
Изходен канал @clockstackwheels · Post #851 · 2.08
Впервые использовал нейросетку для реальной практической пользы в коммерческом заказе. У заказчика есть база данных, куда информация вносится кое-как. Представьте, что вы составляете каталог, например, книг, и в базе данных предусмотрены поля: "Автор книги", "Название книги", "Число страниц" и ещё десяток других полей с информацией. Но заполняют эту базу другие люди, которых вы не контролируете, поэтому информация может случайным образом лежать в любом произвольном поле, быть введена с ошибками, опечатками и так далее. В реальном заказе были не книги, я просто привожу пример такой же задачи. Вот как это может выглядеть: 1. В поле "Автор" написано "Лондон, Дж. Белый Клык", поле "Название" при этом пустое. 2. В поле "Название" написано "150-страничный сборник рецептов", поле "Число страниц" пустое 3. В поле "Название" написано "джеклондон мартин иден", поле с автором пустое 4. В поле "Автор" написано "150-стр.3изд,доп.перераб инструкция по пользованию подстанциями типа ТП-13, М.Васильев москва 98" ...и так далее. А нужно искать нормально по автору, названию, числу страниц, городу и году издания. Никакими прямыми алгоритмами это не берётся: регулярки, поиск по ключевым словам, морфология, нечёткая логика — всё это либо даёт много ложноположительных результатов, либо (если подкрутить пороговые значения) вообще перестаёт искать. И вот тут в какой-то момент мы решили попробовать запрашивать через API GPT. Нейросетке задаётся следующий промт: "Есть следующая информация: «150-страничный роман джеклондон мартин иден». Если здесь есть то, что похоже на имя автора книги, напиши мне его, иначе ответь null". И, надо сказать, даже 3.5 справляется с этой работой очень хорошо. Получилось сравнительно без ошибок разметить около 80% данных (остальные с ошибками даже после нейросетки). Но, важный нюанс. Сначала мы пытались поймать все данные одним запросом: "GPT, выведи мне JSON, в котором есть автор, название, число страниц...", но тесты показали, что значительно эффективнее будет отдельно спросить 5 раз про 5 разных типов данных. Да, это расходует больше токенов, но они и так сравнительно дёшевы. Кстати, API у OpenAI безбожно глючит даже на платном тарифе. Обещанных 3500 запросов в минуту нет даже приблизительно. По факту удаётся отправлять около 200-300 запросов в минуту, потом оно вываливается в таймауты или ошибку 429, нужно делать какие-то умные паузы, ждать итд. Над этим всем пришлось повозиться, зато результат вполне ощутимый. #dev
Hashtags
Търсене: #analyzer
@QQZYDAPP · Post #5385 · 07.03.2026 г., 14:58
⭐️【资源名称】WiFiAnalyzer 3.2.2 3 🤖【适用平台】: #Andoid 🧱【资源介绍】 是一款绿色小巧无广告的开源工具，专门设计用于分析和优化手机 WiFi 网络环境。它通过提供详尽的信号分析、接入点信息和频段使用情况，帮助用户诊断和改善无线网络性能。无论是家庭用户还是专业网络管理员，WiFiAnalyzer 都能提供必要的工具来优化网络连接。 🟡在线下载:点击下载 📁#WiFi#Analyzer
@githubtrending · Post #15374 · 28.12.2025 г., 13:00
#shell#analyzer#appcleaner#clean#cleaner#cleaner_cli#cleaner_script#command_line#daisydisk#istat#mac#macos#optimize#sensei#shell#uninstall Mole is a free, open-source terminal tool that deeply cleans and optimizes your Mac by removing caches, logs, browser junk, and app leftovers—freeing up gigabytes like 95GB in one go. It smartly uninstalls apps with all hidden files, analyzes disk space visually, monitors CPU/memory live, and rebuilds caches for better speed. Install easily via curl or Homebrew, preview changes safely, and use Touch ID. This saves you money on paid cleaners, reclaims storage fast, boosts performance, and diagnoses issues simply from your terminal. https://github.com/tw93/Mole