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
快来感受一下，大早上震撼到我了，这也太真实了。
这个视频里的声音是推上一个人用开源 TTS https://github.com/2noise/ChatTTS 生成的。
B站这里还有个作者演示的更强大版本 https://b23.tv/ClQqNxS ，不过作者说不会开源这个版本，其实就是大家可以去跟他合作的意思。
这个视频里的声音是推上一个人用开源 TTS https://github.com/2noise/ChatTTS 生成的。
B站这里还有个作者演示的更强大版本 https://b23.tv/ClQqNxS ，不过作者说不会开源这个版本，其实就是大家可以去跟他合作的意思。
自己撸了一套完全离线的RAG。
技术栈：
- llama3替代OpenAI
- nextjs做UI和api
- postgresql pgvector 做存储
中间碰到一些坑，第一个国内开发就是网络的坑，大部分框架默认自带就是OpenAI的服务，但是被墙，有的框架写的太死，都不好配置代理...
第二个坑，OpenAI默认向量纬度是1536，但是llama3是4096，得手动搞一下数据库，它默认创建的时候是1536。
还有很多配置因为ts llamaindex可能太小众了，配置啥都没有，我得去读一下源码...
学习和参考了 @艾逗笔 的两个项目，感谢！
https://github.com/all-in-aigc/gpts-works
https://github.com/thinkany-ai/rag-search
https://github.com/langchain-ai/langchain-nextjs-template 这个项目是用langchain来写的，不过可以学习一下他的输出prompt，以及RAG的写法。
总的来说要自己搞一下，该踩的坑还得得躺。
技术栈：
- llama3替代OpenAI
- nextjs做UI和api
- postgresql pgvector 做存储
中间碰到一些坑，第一个国内开发就是网络的坑，大部分框架默认自带就是OpenAI的服务，但是被墙，有的框架写的太死，都不好配置代理...
第二个坑，OpenAI默认向量纬度是1536，但是llama3是4096，得手动搞一下数据库，它默认创建的时候是1536。
还有很多配置因为ts llamaindex可能太小众了，配置啥都没有，我得去读一下源码...
学习和参考了 @艾逗笔 的两个项目，感谢！
https://github.com/all-in-aigc/gpts-works
https://github.com/thinkany-ai/rag-search
https://github.com/langchain-ai/langchain-nextjs-template 这个项目是用langchain来写的，不过可以学习一下他的输出prompt，以及RAG的写法。
总的来说要自己搞一下，该踩的坑还得得躺。
各家都在做 AI 搜索
AI 搜索的痛点就是数据源不够好
这个叫Tako的服务，给 AI 搜索产品提供基于真实知识的互动图表。
比如对比 Netflix 和 Nvidia 的净利润曲线
这可比总结几个网页高级多了。。。
特别适合写研究报告，这种很难找的信息，用户付费意愿也很强
第一个合作伙伴会是 Perplexity，拭目以待！
如果之后大的搞成了，或者搞挂了，再去把这些小东西挨个搞出来，也能聊以自慰，玩很久了
包括提示词的书写格式以及涉及到各个职能的常用提示词和拆解。
我把整个 PDF 用 GPT-4o 翻译了，后面有下载地址。
在撰写有效提示时，有四个主要方面需要考虑。不需要全部使用。
Persona 角色、Task 任务、Context 上下文、Format 格式
以下是快速入门 Gemini 的一些提示：
使用自然语言。写作时就像在与另一个人交谈。用完整的句子表达完整的想法。
具体并反复迭代。告诉 Workspace 的 Gemini 你需要它做什么（总结、写作、改变语气、创建）。提供尽可能多的上下文。
简明扼要，避免复杂。用简短但具体的语言陈述你的请求。避免使用行话。
让它成为一次对话。如果结果不符合您的期望或您认为有改进的空间，请微调您的提示。使用后续提示和迭代的审查和改进过程，以获得更好的结果。
剩下的提示词案例和 PDF 下载在这里：https://mp.weixin.qq.com/s/lIMh_5jLlLWq5hptBv6tRw
被kimichat背刺了，我想从一份英文PDF提取我想要的信息，然后我就直接给kimichat发过去
最后它也帮我总结了，但是数据都错了 完全对不上。客户跟我说才知道
AI道路任重而道远，如果不能完全信任，那么它的价值到底在何处呢？
最后它也帮我总结了，但是数据都错了 完全对不上。客户跟我说才知道
AI道路任重而道远，如果不能完全信任，那么它的价值到底在何处呢？
你可以输入提示词让 LLM 帮你编写任何功能的节点。
AnyNode 会根据你的要求编写一个 Python 函数，然后把这个节点链接到你要求的输出格式节点就行。
比如作者案例里面就通过提示词实现了文本总结节点、颜色通道调整节点，Ins 滤镜节点，甚至一个边缘检测器。
插件地址：https://github.com/lks-ai/anynode
