※ 大语言模型(LLM)相关:
- 收录了从 GPT 系列到 Llama、ChatGLM 等主流开源模型
包含模型训练、推理、部署等全流程工具
- 涵盖多语言实现(Python、C++、Rust 等)
- 提示词学习和优化项目
※ 视觉基础模型:
- 收录 SAM(Segment Anything)等视觉大模型
- 包含图像分割、目标检测等视觉任务相关模型
- 多模态模型融合应用
※ 应用开发平台:
- LangChain | LlamaIndex | Dify 等主流开发框架
- 向量数据库解决方案
- 主流 RAG 框架
※ 垂直领域应用:
- 医疗、法律、金融等专业领域的模型
- 学术研究相关工具
- 教育培训资源
如何向 8 岁小学生解释ChatGPT 的运行原理？【3B1B：LLM的本质是单词预测器】 | youtube
LLM的本质是一个复杂的数学函数，它只做一件事：针对给出的任何文本，预测下一个单词。
要构建一个聊天机器人，你需要先给出一些文本，描述用户与假想的AI助手之间互动。用户的输入是这次互动的开始，然后，你让模型反复预测AI助手会“说出”的下一个单词，这就是用户得到的输出结果。
但是，LLM 并非以确定方式预测下一个单词，而是为所有可能的下一个单词分别分配一个概率。这样的话，如果你允许LLM以更随机方式，选择可能性更低的下一个单词，输出结果会看起来更自然。
因此，这意味着，对于一个固定的提示词，LLM 每次给出的答案通常是不同的。
LLM的本质是一个复杂的数学函数，它只做一件事：针对给出的任何文本，预测下一个单词。
要构建一个聊天机器人，你需要先给出一些文本，描述用户与假想的AI助手之间互动。用户的输入是这次互动的开始，然后，你让模型反复预测AI助手会“说出”的下一个单词，这就是用户得到的输出结果。
但是，LLM 并非以确定方式预测下一个单词，而是为所有可能的下一个单词分别分配一个概率。这样的话，如果你允许LLM以更随机方式，选择可能性更低的下一个单词，输出结果会看起来更自然。
因此，这意味着，对于一个固定的提示词，LLM 每次给出的答案通常是不同的。
专访"Prompt之神"李继刚 | 文章
ReadKidz: AI 驱动的一站式儿童多媒体内容创作平台, 让用户能轻松制作图书、视频和歌曲等儿童内容
核心定位
- 一站式儿童多媒体内容创作平台
- 通过 AI 技术简化和加速创作流程
- 面向教育工作者、家长和内容创作者
特色功能
- 表情控制: 创建富有表现力的角色
- 姿势控制: 制作生动的角色动作
- 分镜创建: AI 辅助故事创作
- 提示词修改: 精确控制图像生成
主要功能
- 创作类型: 儿童绘本 | 儿童故事 | 儿童歌曲 | 故事视频 | 睡前故事视频
- 技术特点: 100+ 创作模板 | 60+ 绘画风格 | 10+ 专业配音选项 | AI 辅助故事生成 | AI 辅助插图创作
平台优势
- 一站式解决方案, 无需在多个工具间切换
- 角色和故事的一致性保证
- 支持一键发布到 YouTube、Amazon KDP 和 WhatsApp
- 开放式提示词系统, 支持自由创作
- 内置表情控制和姿势控制功能
核心定位
- 一站式儿童多媒体内容创作平台
- 通过 AI 技术简化和加速创作流程
- 面向教育工作者、家长和内容创作者
特色功能
- 表情控制: 创建富有表现力的角色
- 姿势控制: 制作生动的角色动作
- 分镜创建: AI 辅助故事创作
- 提示词修改: 精确控制图像生成
主要功能
- 创作类型: 儿童绘本 | 儿童故事 | 儿童歌曲 | 故事视频 | 睡前故事视频
- 技术特点: 100+ 创作模板 | 60+ 绘画风格 | 10+ 专业配音选项 | AI 辅助故事生成 | AI 辅助插图创作
平台优势
- 一站式解决方案, 无需在多个工具间切换
- 角色和故事的一致性保证
- 支持一键发布到 YouTube、Amazon KDP 和 WhatsApp
- 开放式提示词系统, 支持自由创作
- 内置表情控制和姿势控制功能
Maxun - Web：数据采集自动化平台 | #爬虫
爬虫 • 无代码 • 智能化 • 全自动化
无代码网络数据提取平台, 用户可以在 2 分钟内训练一个网络爬虫机器人, 无需编程知识就能实现自动化的网页数据抓取, 支持将网站转换为 API 或直接导出到电子表格。
✨主要特性:
- 无代码方式提取数据
- 支持处理分页和滚动
- 可以按特定时间表运行机器人
- 支持网站到 API 的转换
- 支持网站到电子表格的转换
- 允许用户连接外部代理以绕过反爬虫保护
- 即将推出: 自适应网站布局变化、支持需要登录和双因素认证的网站抓取
✨机器人动作类型:
- Capture List: 用于提取结构化数据和批量项目
- Capture Text: 用于提取单个文本内容
- Capture Screenshot: 可获取全页面或可见区域截图
爬虫 • 无代码 • 智能化 • 全自动化
无代码网络数据提取平台, 用户可以在 2 分钟内训练一个网络爬虫机器人, 无需编程知识就能实现自动化的网页数据抓取, 支持将网站转换为 API 或直接导出到电子表格。
✨主要特性:
- 无代码方式提取数据
- 支持处理分页和滚动
- 可以按特定时间表运行机器人
- 支持网站到 API 的转换
- 支持网站到电子表格的转换
- 允许用户连接外部代理以绕过反爬虫保护
- 即将推出: 自适应网站布局变化、支持需要登录和双因素认证的网站抓取
✨机器人动作类型:
- Capture List: 用于提取结构化数据和批量项目
- Capture Text: 用于提取单个文本内容
- Capture Screenshot: 可获取全页面或可见区域截图
- 传统 RAG 只处理文本内容, 而这个系统同时处理文本和图像
- 对 PDF 文档的每一页同时提取文本和图像信息
- 使用 Qdrant 向量数据库存储文本和图像的双重向量表示
技术实现细节:
- 文本处理: 使用文本嵌入模型处理提取的文本
- 图像处理: 使用 CLIP 模型处理页面图像
- 向量存储: Qdrant 支持每个文档存储多个向量
- 视觉分析: 集成了 OpenAI 的视觉语言模型
查询处理流程:
- 接收用户查询
- 使用向量相似度检索最相关的前 3 个结果
- 将查询和检索到的图像传递给视觉语言模型
- 聚合文本检索和视觉分析的结果
- 生成综合的回答
主要优势:
- 可以"理解"文档的视觉布局和格式
- 提供更丰富的上下文信息
- 能够处理图表、图像等非文本内容
- 回答更准确, 并能提供视觉证据支持
