从输出中删除所有表情符号CLIPBOARD_NOEMOJI
添加--no-confirmation标志以禁用确认消息
通过管道显示所有复制文件的原始文件路径cb show
使用信息查看剪贴板的最后更改日期（目前不适用于 Windows）
如果 CB 在自身的管道中，则添加文件锁定异常
适用于更多可用的 GUI MIME 类型
大量新的 GitHub Actions 以更彻底地测试 CB
使用交换操作交换剪贴板内容
使用导出操作导出剪贴板（目前处于 Beta 状态）
仅在 X11 失败时使用 Wayland
通过添加指定自定义 MIME 类型以从 GUI 请求--mime (mime)
在信息中查看可用的 MIME 类型
信息现在有一个漂亮的边框
将许多地方不受支持的 Unicode 方框绘图字符替换为到处都受支持的类似字符
通过管道输出以 JSON 格式从 Info 中获取信息
Clipboard | #工具
如何构建 Supabase 的 OpenAI 文档搜索（嵌入）
ClippyGPT是Supabase下一代文档搜索工具，你可以向Clippy询问任何有关Supabase的问题，它将使用自然语言进行回答。这一切都得益于OpenAI和提示工程。
视频覆盖以下内容：
- Prompt工程和最佳实践
- 通过上下文注入 + OpenAI嵌入来处理自定义知识库
- 如何使用pgvector在Postgres中存储嵌入
Supabase博客 | YouTube | #工具
ClippyGPT是Supabase下一代文档搜索工具，你可以向Clippy询问任何有关Supabase的问题，它将使用自然语言进行回答。这一切都得益于OpenAI和提示工程。
视频覆盖以下内容：
- Prompt工程和最佳实践
- 通过上下文注入 + OpenAI嵌入来处理自定义知识库
- 如何使用pgvector在Postgres中存储嵌入
Supabase博客 | YouTube | #工具
Bard-API：通过逆向Google Bard封装的非官方API，通过API返回Google Bard的响应
Google的教学视频《Introduction to Large Language Models | 大语言模型介绍》，介绍了大型语言模型（Large Language Models，LLMs）的概念、使用场景、提示调整以及Google的Gen AI开发工具。
大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。
大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。
使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。
此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。
在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。
大型语言模型是深度学习的一个子集，可以预训练并进行特定目的的微调。这些模型经过训练，可以解决诸如文本分类、问题回答、文档摘要、跨行业的文本生成等常见语言问题。然后，可以利用相对较小的领域数据集对这些模型进行定制，以解决零售、金融、娱乐等不同领域的特定问题。
大型语言模型的三个主要特征是：大型、通用性和预训练微调。"大型"既指训练数据集的巨大规模，也指参数的数量。"通用性"意味着这些模型足够解决常见问题。"预训练和微调"是指用大型数据集对大型语言模型进行一般性的预训练，然后用较小的数据集对其进行特定目的的微调。
使用大型语言模型的好处包括：一种模型可用于不同的任务；微调大型语言模型需要的领域训练数据较少；随着数据和参数的增加，大型语言模型的性能也在持续增长。
此外，视频还解释了传统编程、神经网络和生成模型的不同，以及预训练模型的LLM开发与传统的ML开发的区别。
在自然语言处理中，提示设计和提示工程是两个密切相关的概念，这两者都涉及创建清晰、简洁、富有信息的提示。视频中还提到了三种类型的大型语言模型：通用语言模型、指令调整模型和对话调整模型。每种模型都需要以不同的方式进行提示。
