查找相似内容

▎大模型入门指南 一篇关于大语言模型（Large Language Model）的入门指南。文章介绍了大模型的发展历程，包括 BERT、GPT 和 LLAMA 等模型。文章还讨论了大模型的部署和量化技术，以及如何在 macOS 上进行大模型的实验。最后，文章介绍了一些免费的大模型产品，供读者参考。 标签：#AI 链接：https://liujiacai.net/blog/2023/08/12/llm-quickstart/ 频道：@yi1de

#Web#AI 😀赛博算命工作流 ☝️ 分享一个无意间在 V2EX 上看到的分享，并不是一个主帖，而是在一个其他讨论的主帖下的一个回复。 🤔 如果想要通过 DeepSeek/ChatGPT 等通用的 AI 工具来算命，可以配合这个免费的 八字排盘 网页工具，输入出生时间、性别、出生地。点击「开始排盘」就可以获取到排盘结果，并且还会贴心的为你准备一段可以直接复制到 DeepSeek 去的 Prompt 提示词。你可以选择用得习惯的 AI 工具来完成后续的算命工作。 💡 目前用下来第一次使用会遇到提示词中的个别字段填充失败，解决方法就是再点击一次「开始排盘」就行了。 ⚠️ 请相信科学，本次分享旨在娱乐。

#AI#Web 🌍地球科学领域的智能科研助手 —— GeoGPT GeoGPT 是由之江实验室开发的一个开源、非营利的全球地球科学研究探索性项目。它提倡合作、共享和共建的开放科学理念。通过汇集地球科学家、人工智能专家和更广泛研究社区的力量，GeoGPT 致力于开辟新的探索途径，加速突破性发现。 🧙‍♂️特性 ▶支持DeepSeek-R1/Qwen 2.5； ▶支持支持 prompt 模板。可满足阅读、写作场景下的诸如：内容总结、剖析主题、内容简化、论文对比、润色文章、写摘要、论文审查、论文检索、理解并撰写代码等场景； ▶支持地质图识别和生成。基于OCR技术解析地图中的坐标、地形特征，根据用户输入数据（如岩性分布、断层线）自动生成可视化地质图； ▶完全免费，使用需要注册但完全免费。 🤔 估计日后在 DeepSeek 和众多开源 LLM 的加持下，各种垂直行业的 AI 服务也将喷涌而出。关于 GeoGPT 的更多信息，可以前往项目 用户手册 阅读，另：官方声称是开源，但并未公布其开源仓库。

#Web#AI 🔮ChatGPT 周易占卜助手 —— 释易 🍃 今天介绍的「释易」是模拟铜钱法，通过六次投掷三枚铜钱得到六爻，构建占卜的卦象，并以南怀瑾先生的占断法解读变爻。 🔮 使用者只需要在输入栏输入问题，即可施测。当然占卜的时候你可能需要遵守占卜原则（有疑则卜，无疑不占/一事一占，勿再复卜/非时非地，不敬不占/心诚则灵，不义不卜）。占卜结果会通过新页面形式把本卦、变爻、变卦、互卦展示出来，并将整体卦象进行解读。 💰 该项目整体呈现清爽简洁，页面使用了「京华老宋体」，搭配黑灰白三色，让整体呈现了非常古朴国韵的感觉。目前正在限时免费使用阶段，项目应该也会有比较快速的迭代。 ⚠️ 请相信科学，及，机算或误，慎思笃行。

#AI#Web 🧠来自斯坦福的 AI 调研神器 —— STORM 💻 这个来自斯坦福的 AI 神器使用起来非常简单，只需访问后键入你想要调研的主题或者关键词，之后尝试写出你调研和写作的目的。它会根据你输入的内容帮你搜罗各种信息，之后形成结构非常漂亮的长篇报告。并且它完全免费对公众开放，是Google Research的有力挑战者。 👍 我个人实测下来，键入「TESLA」并将写作目的输入为「告诉我公司的同事新能源车是未来趋势」（当然需要用英文输入）。短短两三分钟，就可以得到一篇相当全面的分析报告，并且支持保存内容为 PDF，另外你还可以点击「展示头脑风暴讨论」来查看它为你列出的问答，有趣又有用。

#Web#AI 🧠又一款基于 AI 的搜索引擎 —— Note AI 👉 在之前的推送中曾经介绍过一款名为「天工」的搜索引擎，今天介绍一款类似的产品，名字叫「Note AI」。 🔍 它采用了和 Perplexity AI、天工整体一致的设计思路，对于自然语义进行解析并搜索，根据搜索到的来源整理成答案。 🤔️ 相较于天工而言，Note AI 缺少了连续追问的回答模式（据开发者言，原本有这功能，但观察大家使用状况后，目前先拿掉了），但胜在无需登录就可以使用。就我个人而言，还是比较喜欢这种无需登录的使用体验。目前尚未知 Note AI 的后续开发计划，考虑到使用 OPENAI 等 API 的费率问题，何时收费也遥未可知，但整体的搜索速度还是不错的，对移动端也有相应的优化适配。我个人应该会尝试替代天工进行使用（是的，天工目前是我的主力搜索引擎之一）。

#Web#AI 🔍或许可以试上一试的国产 AI 搜索 —— 天工AI 搜索 ☝️ 说到 AI 搜索，可能大家首先会想到的就是 New Bing，其次可能是Perplexity AI。我个人恰巧很喜欢后者，因为 Perplexity AI 能够更好的通过「检索问题 → 给出问题答案的参考来源 → 将这些来源内容汇总成答案 → 继续给出延伸问题」这个大的逻辑链路进行服务，让我能够快速了解到问题答案的同时，可以更加严谨的知道答案的来源和延展。 🤔️ 现在国内也有一家按照类似 Perplexity AI 方式来做 AI 搜索的服务了，它就是天工 AI 搜索。你可以像正常使用一般搜索引擎的方式键入问题，它就能马上搜索并整理成答案，并在顶部列出答案的来源，最后给出一系列和这一主题相关的问题。实际使用下来，效果不错。 ⚠️ 天工 AI 搜索的使用需要使用手机号进行注册，对于介意手机号注册的用户而言，这不是一个好的选择。

#Web#AI 📚用聊天的方式检索 PDF —— ChatPDF 💻 这阵子你一定被 ChatGPT 刷屏了吧？那不如看一个它的衍生服务吧，一个能够检索 PDF 文件内容，并允许你向它提问后进行回答的服务 —— ChatPDF。 📖 它的使用方法真的非常简单，你只需要上传一个 PDF 文件（单文件最大 32MB，不超过 50 页），然后服务会跳转到一个聊天页面，服务会用简短的语句对 PDF 的内容进行概括，之后你只需要像它的名字那样，和它聊天就可以了。 ☝️ ChatPDF 对于从 PDF 文件中快速提取信息非常有用。例如阅读手册、论文、法律合同、书籍和研究论文等文献，这能够让你非常用目的地、快速地从文章中获取精准地信息。 🔍 使用下来发现，它还有一些不足，例如并不能理解文档中的图像，对于像是简历这种多种方式排版的富文本理解起来可能有缺失。检索超过50页的可行性方案也在解决中。 💰 ChatPDF 目前可以免费使用，且无需登录。数据将保存在安全的云存储中，并在 7 天后删除。

Rask AI：一键把视频翻译成60种語言 昨天我朋友给我介绍了 Rask AI，它可以轻松的帮你把你的视频音频本地化，通过你自己的声音。 通过这个工具，初创公司和小团队也可以很轻松的解决宣传视频本地化的问题，从而从世界各地获取客户，而无需付出昂贵的翻译和配音成本。 标签：#网站#AI 链接：https://zh.rask.ai/

#GitHub#AI 🤖通过 SSH 和 AI 聊天 —— SSH AI Chat 💬 SSH AI Chat 是一个允许用户通过 SSH 终端与 AI 聊天的开源项目。 👩‍💻 你只需在终端输入 ssh 你的GitHub用户名@chat.aigc.ing ，即可像远程登录服务器一样，直接与 AI 进行对话。该项目支持如 iTerm2、Ghostty 的终端客户端，Windows 和 Linux 并没有测试过（理论上也支持）。 🧙‍♂️特性 ▶支持多模型：可配置 DeepSeek、Gemini 等多种主流大模型，支持模型切换和链式推理； ▶自部署友好：官方推荐 Docker 部署，支持自定义环境变量、黑白名单、速率限制等，适合个人和团队私有化部署； ▶安全性高：通过 GitHub 账号和 SSH 公钥进行身份验证，保障访问安全； ▶遵循开源协议：采用 AGPL-3.0，代码和文档完全公开，便于二次开发和自定义； ▶技术栈：后端基于 Node.js 和 SSH2，前端用 React 和 Ink，数据存储采用 PostgreSQL 和 Redis。 👩‍💻 你可以在 GitHub 项目主页 获取源码、部署说明和详细文档。项目作者还在 Telegram 频道 提供了最新动态和下载链接，方便用户交流和反馈

#AI#GitHub 📻做你电脑的黑匣子 —— Screenpipe 🤔 最近发现一个叫做 Screenpipe 的项目，很像是在 AI 时代来临前早些年间的那个「Rewind」，不过当年它还没用上 AI 能力，现在想想此时此刻应该也是它发力的最好时机了吧。 😂 说回 Screenpipe，它是由 mediar-ai 团队开发的开源项目，主打「AI 应用商店」理念。它通过 24 小时不间断地本地记录你的桌面屏幕和麦克风内容，将这些数据索引为 API，供 AI 应用调用，实现更智能、更个性化的桌面自动化和助手功能。 💡 用通俗易懂点的话来说，Screenpipe 很像是一个安装在你电脑里的「黑匣子」，它会在后台持续记录你的屏幕内容和麦克风声音（比如你在看什么、打什么字、开了哪些软件、说了什么话），但所有数据都只保存在你自己电脑里，不会上传到云端。等到有需要调取相应时间轴或者时间点相应动作的 App 出现，它会以 API 的形式输出「上下文摘要」或「结构化信息」（并不是记录的原始的隐私信息）。 😊 其实，我感觉这个事情的理念非常不错，但是为时太早。更何况，收集用户隐私这种事情非常敏感，虽然 Screenpipe 团队一而再再二三的所有数据都存储在本地，但是第三方来做这个事情难免会让用户膈应。感觉是 Apple、Microsoft 这种系统厂商级别来做会更天然一点。 🧠 由于数据都留存在本地做分析，所以 Screenpipe 在本地部署了轻量的 LLM，当然也支持自己下载更多大模型，如 Llama、Mistral、Gemma、Whisper 等开源大模型（前提是你的电脑硬件性能足够）。 💻 目前已有少量的 App 接入到了 Screenpipe 的这个 AI 应用商店中，取用它输出的用户结构化的行为数据。这次推荐并不是说让大家都用起来，而是分享一个还不错的趋势方向，相信未来会有更多的类似的中间件服务出现，或许 Apple 也会下场（or 收购其他一家）来做。 🌐 Screenpipe 也将项目开源在 GitHub 上，可以前往项目页面了解更多详情。 ⚠️ 本文更多只是分享理念，笔者感觉用通过本地收集并通过本地大模型分析再接入到下游的 App 使用到用户场景中，这条路还有很长。