fwq

上周，我分享了如何构建将文档转换为幻灯片的工具。今天，我将深入研究我在 AI 的帮助下构建的另一个工具——SEO 描述工具。我将带你到幕后，分享从开发过程中获得的关键经验教训和见解。 1、演示 步骤 1：将新闻通讯草稿粘贴到工具中 → 提供关键字 → 生成 步骤 2：生成三个选项 → 选择一个 → 复制并粘贴到设置中 生成三个选项并使用一个 完成。就这么简单。 2、问题 为什么要构建 SEO 描述工具？ 对于旨在提高文章自然覆盖率的博主来说，这是一项繁琐但有用的任务。 SEO 描述，也称为元描述，是 Google 搜索结果页面上文章的简要摘要。…

如果你正在寻找最佳的 Chrome 扩展程序来提高开发人员的工作效率，那么您来对地方了。 Chrome 扩展程序对 Web 开发人员很有帮助。它们使你的工作更轻松、更快捷、更愉快。你可以把它们看作是可以修复代码、检查网站速度或发现设计错误的小帮手。 这些扩展程序可以节省你的时间，让你专注于创建出色的网站。无论你是初学者还是专家，它们都可以提高你的工作效率并减轻压力。 有了合适的扩展程序，你就可以感觉自己像专业的 Web 开发人员。 让我们来看看一些值得尝试的最佳扩展程序： 1、Wappalyzer 你遇到过这种情况吗？你访问了一个看起来很酷的网站，想知道创建它使用了什么技术栈和工具。 是一款完美的 Chrome 扩展程序，可以为 Web 开发人员和营销人员解决此问题。它可以帮助你查看网站的工具和技术，例如其 CMS、电子商务平台或支付系统。 它甚至可以让你监控网站技术栈的变化并验证电子邮件地址。使用 Wappalyzer，您可以在构建网站的同时更快地工作。 2、Side Space 作为开发人员，我们经常在搜索文档和资源时同时处理多个选项卡，导致浏览器混乱且难以管理。 通过在侧面板中垂直组织选项卡来简化此过程，从而可以轻松地对它们进行分组和切换。 AI 支持的选项卡分组会自动按域或自定义标准对选项卡进行分类，帮助你保持专注。…

你知道，成为 UI/UX 设计师就像在用每个项目讲述一个故事。 这不仅仅是设计一些花哨或好看的东西，而是创造人们可以感受、记住和联系的体验。 我们不只是在构建网站或应用程序，我们还在创造一些触动人们生活、满足他们需求并为他们提供愉快无缝体验的东西。 但说实话，有时即使是我们中最好的人也需要一点额外的帮助。 无论我们多么努力，有时我们都需要合适的工具来确保我们的故事完美地进行。 而这正是 AI 工具发挥作用的地方，它让我们的生活变得更轻松。 AI 工具就像设计师的创意伴侣。它们在幕后默默地处理繁重、耗时的任务，让我们专注于真正需要创造力和人性化的部分。 在本文中，我将讨论对我的工作流程至关重要的 10 大 AI 工具。 每个工具都有独特的用途。我在工作中遇到新挑战时发现了这些，我将分享我如何在不同的客户项目中使用它们。 每个客户都有独特的要求，每个项目都有自己的挑战。 每次挑战，我都学到了新的东西。 例如，客户需要在短短几天内建立并运行一个网站，而 AI 工具帮助我在创纪录的时间内建立了一个专业的网站。 然后，另一个客户需要为他们的金融科技应用设计一个现代而有凝聚力的调色板，而一个人工智能工具引导我找到了与他们的品牌形象完美契合的颜色组合。 这些经历让我明白，设计不仅仅是创造力！它还涉及知道何时以及如何使用正确的工具来获得最佳结果。 人工智能工具不仅能让我们的工作更快，还能让我们变得更好。 它们节省了我们的时间，提高了我们的效率，让我们专注于重要的事情，创造出有意义的、以用户为中心的设计。 每种工具都为我们提供了所需的支持，让我们能够更深入、更有影响力地讲述我们的设计故事。…

这篇文章将首先介绍如何使用 DSPy 从头开始​​创建代理。 本文的目的是教育，不要将其用于生产。这是对如何处理它的探索。 我所说的代理是什么意思？行业中有很多不同的定义，我使用… 可以做事的独立（相对）代理 他们可以使用工具。 他们可以计划和执行任务。 在这篇博文中，我将尝试在 DSPy 中构建代理。这实际上更像是一个代理“框架”，但你明白我的意思。 本教程的目标是指导你完成使用 DSPy 构建简单代理应用程序的过程。由于 DSPy 不是代理框架，因此这实际上更像是一篇“DSPy 为你提供什么和不为你提供什么”类型的帖子。 在本篇文章结束时，你将了解计划、工作者和工具等关键概念，以及它们如何协同工作以创建功能性代理系统。 注意：这与 reAct 之类的东西完全不同。这是我们在较低级别从头开始定义代理。 1、设置环境 我们将首先为我们的 DSPy 代理应用程序设置必要的环境。首先，我们将加载自动重新加载扩展以确保我们的代码更改会自动重新加载。 我们将加载环境变量，定义我们的模型。 from dotenv…

“如果你想知道未来在哪里创造，那就去寻找语言被发明和律师聚集的地方。”——斯图尔特·布兰德 这对于人工智能来说当然是正确的。让我们把[律师]放在一边，专注于文字。（虽然法律和文字通常无法分开！） 任何为广大读者撰写有关AI的文章的人都会发现自己一遍又一遍地解释相同的术语。你无法知道读者会把什么带到一篇文章中，而该领域的发展速度让专家们感到困惑，他们对常用术语的含义争论不休。 这种定义的重复启发了为我的网站创建AI词汇表。这是一项正在进行的工作，有大量积压工作，但今天我想分享它是如何开始的，使用DSPy、Claude 3.5 Haiku 和一些 Jekyll 功能。 我的网站是一个 Jekyll 网站。Jekyll 是一个用 Ruby 编写的静态博客引擎。所谓“静态”，是指没有服务器，只有文件。这些文件是使用 Jekyll 软件生成和组装的，解析我所有的 markdown 文件和 HTML 模板以构建完整的站点。 我们将创建一个小型 Python 脚本，该脚本将准备并将所有这些 markdown 帖子通过 LLM 传输，以便识别潜在的词汇表术语和定义。…

你是否一直想利用 Cursor AI 的强大功能而又不必花费太多？你来对地方了！本指南将引导你通过使用开源大型语言模型 (LLM) 在本地设置 Cursor AI。让我们开始吧！ 1、安装Cursor AI 访问 并按照安装说明进行操作。安装完成后，登录到你的帐户。 2、设置LLM Studio 从 下载并安装LLM Studio。使用图形界面下载最适合你计算机配置的模型。在这个指南中，我们将使用 Qwen2.5 7B Instruct 1M。你也可以使用以下命令通过Ollama： ollama run qwen2.5-coder 查看模型详情。 3、加载模型 一旦模型下载完成，将其加载到LLM Studio中。现在你可以开始使用了！…

无论你对DeepSeek有何看法，它现在已经在游戏中了，并且是一个值得评估的实用选项！为了做出明智的决策，在特定需求背景下评估DeepSeek与其他LLM。 在这篇文章（以及相应的）中，我将引导你如何在Vertex AI端点上部署DeepSeek模型并使用Langchain构建ReAct Agent，以便你可以评估其性能。 构建自定义LLM包装器 为了连接Vertex AI上的DeepSeek和LangChain框架，我们首先创建一个自定义LLM包装器： class CustomLLM(LLM): model_name: str = Field(default="vertex-ai") generation_config: Dict[str, Any] = Field(default_factory=dict) @property def _llm_type(self) -> str: return "custom-vertex-ai" def _call(self, prompt:…

自 DeepSeek R1 发布以来，我一直在复现它，以下是我获得的早期见解。 我主要关注信息提取，特别是零样本文本到图形提取。这是一项任务，当给出实体和关系类型列表时，我们会从目标文本中提取实体列表及其之间的关系。 文本到图输出的示例 { "entities": [ { "id": 0, "text": "Microsoft", "type": "company" }, { "id": 1, "text": "Satya Nadella", "type": "person" }, { "id":…

大家正在谈论大型语言模型（LLMs）和AI代理。在金融领域，这些不仅仅是流行语——它们是能够提供更深入市场洞察的工具。当我们构建QuantJourney时——这是为零售投资者和量化分析师提供的最全面框架时，我们相信投资者需要上下文感知的基于GPT的可适应系统，而不仅仅是提供原始数据。 1、我们为什么要建立这个 想象一下专业投资团队的工作方式。你有专注于不同领域的分析师——一些专注于技术分析，另一些专注于基本面，还有一些关注市场情绪。每个人都带来自己的专业知识，但真正的价值在于他们如何合作，共享见解并形成完整的图景。 这正是我们多智能体系统背后的概念。与其使用一个通用的人工智能来完成所有任务，我们使用专门的智能体（就像真实投资团队中的专家）进行协作、共享上下文并提供更细致的分析。 2、它是如何工作的 让我们通过一个真实的例子来分解它。假设你想分析苹果公司（AAPL）。在传统系统中，你可能需要： 查看当前股票价格 拉取财务报表 检查技术指标 阅读最近新闻 查看机构持股情况 在我们的系统中，当你询问关于AAPL时，经理智能体（“团队领导”）会协调预建的专门智能体——同时确保所有其他智能体保持共享的上下文并且输出连贯： 股价智能体（从FMP获取实时数据） 财务报表智能体（检查基本面） 收入报表智能体 资产负债表智能体 现金流量报表智能体 技术分析智能体（识别模式和技术信号） 估值智能体（关于行业、估值等） 市场分析师智能体（检查分析师推荐等） 新闻智能体（扫描最新发展和情绪） 但它们不是孤立工作的。例如，如果技术分析智能体发现异常的价格变动，它可能会通知新闻智能体寻找解释。如果利润率下降，行业分析智能体会检查这是否是一个全行业的问题还是特定于公司的。 例如：“当技术分析智能体识别到高波动性时，它会标记市场分析师智能体，后者评估近期宏观经济新闻是否可能是原因。这种互动确保了洞察力是全面且可操作的。” 看看它是如何在管道中组织的： 3、实际应用 你得到的是上下文洞察力，而不是零散的信息。对于一只股票，我们的系统将考虑： 当前市场表现的背景 基本面对比同行…

这是关于多模态 AI 的大型系列文章中的第 4 篇。在上一篇文章中，我们讨论了多模态 RAG 系统，它可以从不同的数据模态（例如文本、图像、音频）中检索和合成信息。在那里，我们看到了如何使用 CLIP 实现这样的系统。然而，这种方法的一个问题是，通用嵌入模型（如 CLIP）的向量搜索结果在特定领域的用例中可能表现不佳。 在本文中，我将讨论如何通过微调多模态嵌入模型来缓解这些问题。 多模态嵌入表示同一向量空间中的多种数据模态，因此相似的概念位于同一位置。下面显示了一个直观的示例，其中语义相似的项目（例如狗的图片及其对应的标题）很接近，而不相似的项目（例如猫的图片和描述狗的标题）相距很远。 CLIP 是一种流行的多模态嵌入模型，它使用对比学习在大量图像-标题对语料库上进行训练。 CLIP 的关键见解是，这种模型可以解锁零样本能力，例如图像分类、搜索和字幕 [1]。 这里的其中一个限制是 CLIP 的零样本能力可能无法很好地转移到涉及专业信息的领域，例如建筑图纸、医学成像和技术术语。在这种情况下，我们可以通过微调来提高 CLIP 的性能。 1、CLIP微调概述 微调涉及通过额外的训练将模型调整到特定用例。这很强大，因为它使我们能够在现有的最先进模型的基础上构建功能强大的专用模型，并且数据量相对较小。 我们可以通过以下关键步骤使用 CLIP 实现此目的。 收集文本-图像训练对…