关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件
AIGC 领域的最新工具、开源项目以及行业大事件
Zettelkasten (卡片笔记法) 中提倡在记录笔记时，尽可能地创造更多笔记之间的双向连接，将知识点链接起来，并引发思考。这个过程很类似于大脑的思考过程，在知识之间创造起关联，可以帮助我们更好地记录笔记。
在没有 AI 之前，这些联系只能依靠人脑的记忆和思考。
但在有了 AI 以后，AI 更擅长帮助去寻找这样的链接。（基于语义的向量库搜索，是这一过程的最佳解决技术支撑）
我的笔记都记录在 Notion 中，所以我使用 Notion AI 来帮助我寻找更多地关联。
就像图片里这样，当我在记录有关“排序算法”的笔记时，点开右下角的 AI 按钮，prompt 输入：
```
观点：{{观点内容}}
找到说明了类似或相反的观点的 page
```
Notion AI 就会使用向量化搜索，自动匹配关联的页面，并将其总结发给我。
依据 Notion AI 提供的页面链接和总结，我就可以在笔记之间创造出更多的关联。
同时，这个记录笔记的过程，也是将新的笔记和旧的笔记联系在一起，加深了记忆，也加深了理解。
1. 机器人Ameca具备视觉能力。
2. 能够描述房间的整体情况和具体物体。
3. 能够模仿说话的风格、音色和语气语调。
4. 能以特定性格进行对话，并展示微表情。
Invalid media: video
2. 能够描述房间的整体情况和具体物体。
3. 能够模仿说话的风格、音色和语气语调。
4. 能以特定性格进行对话，并展示微表情。
Invalid media: video
插件下载：网页链接
发现现在上下文长度长了以后，写这种小项目的门槛更低了。总共用了不超过 4 个小时就搞完了。
👇下面有用 GPT-4 写这个项目的提示技巧、插件使用方法以及插件下载：
## 总结的一些技巧：
补充开发文档：
告诉 GPT 谷歌已经讲浏览器扩展的Manifest V2改为了Manifest V3，并且将对应的更改内容文档上传到 GPT，告诉他根据这个编写代码。
先实现核心能力：
建议刚开始只实现最核心的功能，对于我这个项目来说就是获取推特内容，然后传输到 flomo 。
提供必要信息：
比如 GPT 显然是不知道 Flomo 的 API 格式的，你需要把对应的文档发给他，我都是直接全选文档页面内容，然后保存成 MD 格式。
善用控制台 log 和报错信息：
刚开始如果报错可以复制报错信息让 GPT 分析并改进，如果改了几次没改好，就想办法用 log 获取更多信息，比如我这个核心功能主要有两部分，先是获取信息，然后是传输，我们需要确定是哪一步错了，就可以让他在对应阶段完成的时候在控制台打印输出的 log 信息。
及时上传代码：
发现 GPT-4 输出的代码无法与原有代码对应的时候，应该及时重新上传现在完整的代码，防止他忘的越来越多。
最重要的立刻去做：
其实没有那么难，不要想那么多我不会写提示词也没有开发经验怎么办，GPT 都会告诉你，开始问出第一个问题是最难的一步。
这是这个项目与 GPT 的完整对话记录：网页链接
## 如何使用
点击Github 页面右上角的 Code 按钮选择 Downlaod zip 按钮将插件文件下载到本地。
打开浏览器扩展页面，打开开发者模式，选择加载解压的扩展程序选择解压后的文件夹。
加载之后点开插件图标，点击 Setting 按钮，进入设置页面。
你可以在 Flomo 的扩展中心&API 页面找到你的专属 API，填写到Flomo URL输入框就行。
Content Prefix是你希望同步到 flomo 时内容的标签，主要填写时前面需要加#。
点击Save 之后就可以使用了，支持右键保存到 Flomo 以及点击插件图标内的Send Current Flomo 保存。
自己用可以改代码用户用的话，还是搞好点。GPT-4写的组件样式还行，有模有样地起码一致性可以保证。写个Readme就开源。 歸藏的AI工具箱的微博视频
Invalid media: video
去年，Digit人形机器人已经开始在仓库里搬砖，而不久前波士顿动力的Atlas也终于干点正事，在汽车厂搬运汽车配件。人形机器人在人类的工业车间有一席之地，它们要陆续取代人们烦劳重复的基础工作。现在，刚上市不久的人形机器人厂商优必选科技也将其新一代人形机器人Walker S送人蔚来汽车厂“实习”。
Mistral Large具有新的功能和优势：
它在英语、法语、西班牙语、德语和意大利语方面拥有母语般流利的能力，并对语法和文化背景有细致的理解。
其32K令牌的上下文窗口允许从大型文档中精确地寻找信息。
它精确的指令跟随能够让开发者设计他们的管理政策 - 我们用它来建立 le Chat 的系统级管理。
它本身就能够进行函数调用。这一点，再加上在la Plateforme上实现的受限输出模式，使得应用程序开发和技术栈现代化能够大规模进行。
支持在La Plateforme、Azure和私有部署。
了解更多：网页链接
