Недавно делал быстрый прототип асинхронного приложения в котором требовалось вызывать много синхронного кода. Да, я знаю, что это не лучший дизайн, но нужно было быстрое решение на один процесс и без очередей. Поэтому я выполнял код в потоках.
Выглядело это примерно так:
from fastapi.concurrency import run_in_threadpool
async def execute(data: DataRequest) -> DataResponse:
try:
result = await run_in_threadpool(sync_function, data)
return DataResponse(data=result)
except Exception as e:
return DataResponse(
error=str(e),
success=False,
)
В общем работает нормально. Для всех вызовов под капотом используется общий тредпул, всё работает предсказуемо.
Но потребовалось изменить количество запускаемых в пуле потоков (по умолчанию создается 40 воркеров).
Так как дело происходит с FastAPI, делается это через lifespan используя настройки anyio:
import anyio
@asynccontextmanager
async def lifespan(app: FastAPI):
limiter = anyio.to_thread.current_default_thread_limiter()
limiter.total_tokens = 100
yield
# если вдруг нужно вернуть обратно
limiter.total_tokens = 40
Зачем менять количество воркеров?
- уменьшить, если оперативки мало (один тред занимает ~8мб)
- увеличить чтобы выдержать нагрузку
Если есть предложения получше при тех же вводных - предлагайте😉
#async
Little Language Lessons
https://labs.google/lll/en
最近谷歌创意技术专家推出的基于 Gemini 最新模型的实验作品 Little Language Lessons，用 AI 驱动学习语言。
它主要由 3 部分微型学习实验场景组成。Tiny Lesson：随时学习单词、句子和用法； Slang Hang：学习母语使用者的习惯；Word Cam：直接 AI 驱动的识图识场景教语言功能。作者在介绍文档中给出了提示这些提示词，可以拿来自己学习。
这个玩具确实非常精美、有趣，值得使用。现在学习可选择场景太多了，间隔重复、沉浸翻译、语音对话、AI 生成，学吧。
最近 Notion CEO 提到 Notion = Lego + Al + tools for thought，同时能驾驭这三者的人很少，对这三者感兴趣和深耕的也不多。我倒是觉得 Google 有这个调性，各种分支的实验作品，以及 Steven Johnson 领导的 NotebookLM，作为 AI 驱动的思维工具，称得上也非常好用。
相关链接
介绍文档：How It’s Made: Little Language Lessons uses Gemini’s multilingual capabilities to personalize language learning
#tft#AI
一篇 PKM 与 AI 结合的最新研究论文
Creating Automatic Connections for Personal Knowledge Management
最近一位 X 佬在 Springer Nature 上发布了一篇关于个人知识管理（PKM）与大型语言模型/自然语言处理集成的 AI 应用研究。作者参考了很多笔记软件如 RR 这些，在论文主页 Notes 可以查看，主要提到了 Tana AI 助手的文本探索、Obsidian 图谱和 Readwise 的 AI 应用等，利用 AI 在个人知识管理领域轻松拉起整个知识图谱节点的研究。
这篇论文有个在线版本可以直接查看，论文还参考了 47 条书籍文献，如前两条 Sönke Ahrens 的聪明笔记和第二大脑书籍参考，以及语义分析/知识图谱等研究引用，可在主页查看
这篇论文基本踩到了我的「发布癖」上，PKM 与 AI 的交媾，诞出人类智识意义上的放大和命题延伸，即我前面提到过的 IA（intelligence amplification），这也是我一直在探索的领域。
这里几篇我喜欢的关于工具的技术文章，再分享。这个领域我还比较期待两位 K 神的研究分享，Karpathy 和 Kepano.
- Andy Matuschak 关于革命性思维工具的理解：How can we develop transformative tools for thought?
- Roam Research 白皮书 Roam White Paper.
- 没有银弹丨Fred Brooks 关于软件开发困难论述的经典论文
相关链接
1 Roam Research 复兴之后丨创新、式微及其影响
2 Intelligence Amplification
3 工具如何错误地塑造我们丨异化
4 On shortification of "learning"丨学习的简化
5 博客 2.0 时代丨知识库与数字花园
#TfT#AI