1 项目地址 https://github.com/Psycoy/EasyLiterature 2 命令行 2.1 写描述 x.md 形如： 1- {{BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding.}} 注意一层大括号是只提取信息不下载，两层大括号是提取信息并下载。 括号里的可以设置：article title, published articles' doi, and pre-published articles' arvix_id, biorvix_id, and medrvix_id，这样就很好用。 2.2 运行 注意先设代理再运行： 12pip install easylitereasyliter -i b.md -o /tmp/pdf -p 192.168.10.106:12346 -gp single 下载后，md 文件的内容被填充了。 3 程序 如果不想调用命令行，也可以在程序中调用： (确实能用，也确实挺慢的) 12 ...

1 引言 Docker Compose 是一个简化 Docker 应用程序管理的工具，通过一个名为 docker-compose.yml 的文件定义相关服务、网络和卷。使用 Docker Compose，你能方便地配置、启动和管理多个 Docker 容器，构建完整的应用堆栈。 2 使用方法 在项目的根目录下创建一个 docker-compose.yml 文件，定义你的服务、网络和卷。下面是一个简单的例子： 2.1 配置 yml 文件 123456789101112131415161718192021222324252627version: '3'services: db: image: postgres:14 container_name: postgres14 ports: - "5433:5432" environment: POSTGRES_PASSWORD: 123456 volumes: - /exports/project/knowjourney:/var/lib/post ...

1 引言 在 OPENAI 发布 ChatGPT 后的一年里，整个人工智能领域经历了迅猛的演变，对写作、编程等多个领域的工作方式产生了深刻的影响。2023 年整个行业都将聚焦于自然语言处理大模型，进行了大量实验和尝试，积累了宝贵的经验，或许明年将是人工智能应用大规模落地，真正产生价值的时刻。 开源项目可以被视为一个广阔的实验场，实验展示了许多可能性和成果，以及关注的热点。虽然并非全部应用场景，但从中我们可以窥见一二。 本文以 GitHub 上的开源项目为切入点，来看看大模型相关的高评分开源工具。旨在了解社区最关注的项目，这些工具实现了哪些功能，采用了什么样的技术，可能的盈利模式，以及它们当前仍然面临的挑战。 2 高星和热榜 梳理热门榜单和热门关键字搜索中的 topN 开源项目，深入了解社区对各个领域的关注、不同思路的探索，以及实现方法的多样性。 2.1 Python 中文新秀榜 GitHub-Chinese-Top-Charts（231204）中文新秀榜 ->软件类 ->Python 榜 地址 binary-husky/gpt_academic 48.3k Star 学术 ...

优秀的绵羊|300 1 简介 1.1 书籍简介 2008 年，在常春藤盟校待了 24 年之后，耶鲁大学教授威廉·德雷谢维奇决定辞去自己的终身教职，离开这所常春藤名校。之所以这么做，是因为他感觉当前的美国精英教育已经陷入了误区，这套系统下培养出来的学生大都聪明，有天分，斗志昂扬，但同时又充满焦虑、胆小怕事，对未来一片茫然，极度缺乏目标感：他们被包裹在一个巨大的特权泡泡里，所有人都在老实巴交地向着同一个方向前进。他们非常擅于解决手头的问题，却不知道为什么要解决这些问题。 在即将辞去耶鲁教职之际，他发表了一篇文章《精英教育的劣势》来讨论这些问题。让他万万没想到的是，几周之内，它的阅读量就超过了 10 万次（后来的累计阅读量超过了 100 万次）。很明显，这篇文章触动了很多人的神经。 从那之后，他开始应邀到美国各地的大学发表演讲，跟学生们交流，回答他们的问题，也向他们请教了许多问题，并倾听和了解了他们的答案。这本书就是他对这段经历的思考和总结。 在本书当中，作者德雷谢维奇历数哈佛、耶鲁、普林斯顿等常春藤学校学生的“数宗罪”：过于自信却输不起；朋友圈同质化，固步自封；思维僵硬，与社会脱节， ...

项目地址：https://github.com/imartinez/privateGPT 1 功能 1.1 整体功能，想解决什么问题 搭建完整的 RAG 系统，与 FastGPT 相比，界面比较简单。但是底层支持比较丰富，可用于知识库的完全本地部署，包含大模型和向量库。适用于保密级别比较高，或者完全不想使用收费模型和服务的情况。 1.2 当前解决了什么问题，哪些问题解决不了 PrivateGPT 提供了整体转换、入库、存储、匹配、合成答案，图形界面的解决方案，并提供图形界面用于检索操作。 RAG 所面对的问题，比如不够准确，多文档组合生成答案这些问题，需要进一步细化工具，似乎不能通过架构来解决。另外，由于多数本地部署的模型效果与 ChatGPT 差距比较大，这里只是看到了本地部署的架构和实现的可能性，部署后用户是否能接受其效果，还待验证。 1.3 提供哪些功能点，其中哪些是刚需 核心功能是通过简单的操作，实现对本地文件的检索和问答，功能相对单一。 1.4 用户使用难度，操作逻辑是否过于复杂 整体工具链使用了 poetry 构建，安装相对方便。但由于包含了深度学习库，肯定比一般项目复杂 ...

https://github.com/PlexPt/awesome-chatgpt-prompts-zh 1 功能 整体功能，想解决什么问题 ChatGPT 中文调教指南：提供一些常用的使用场景及对应的 Prompt 提示 当前解决了什么问题，哪些问题解决不了 针对想解决实际问题，但不知道如何描述，以及不知道 AIGC 可以解决什么问题的用户，进行很好的使用引导。 项目主要提供数据，无代码；程序员可以参考其中的一些提示，普通用户无法直接拿来使用。 提供哪些功能点，其中哪些是刚需 提供丰富的场景与提示的对应关系 用户使用难度，操作逻辑是否过于复杂 作者团队除了提供该应用的网页版，他还提供了 Windows, Mac, Linux, Android，小程序入口。可通过试用和购买其附费服务使用。 2 技术栈 技术栈是什么 这里没有什么代码，主要是场景及相关的提示的数据 现有底层工具消化了哪些常用功能 源自项目：https://github.com/f/awesome-chatgpt-prompts (95.1K star)，可以看作是这个项目的中文版本，但比英 ...

https://github.com/GaiZhenbiao/ChuanhuChatGPT 1 功能 1.1 整体功能，想解决什么问题 官网说明：为 ChatGPT 等多种 LLM 提供了一个轻快好用的 Web 图形界面和众多附加功能 1.2 当前解决了什么问题，哪些问题解决不了 支持多种大模型（也可接入本地模型），简单的本地文档提问，可以连网查询实时数据，提供常用提示词，支持多个对话，小而美的界面。 个人感觉：通用的功能都有，精细度一般。 1.3 提供哪些功能点，其中哪些是刚需 一般人可能主要使用 OPENAI 聊天为主，附加的实时搜索和与文件对话可能偶尔使用。 1.4 用户使用难度，操作逻辑是否过于复杂 基本属于简单配置一下，开箱即用，整体 Docker 也比较轻量，容易部署。配置时有一些细节，还需要注意。 2 技术栈 2.1 技术栈是什么： 代码主要由 Python 编写，前端由 Gradio 实现，中间层使用 Langchain，词向量使用 faiss 2.2 现有底层工具消化了哪些常用功能 使用 langchain 加强了对大模型的调用 使用 grad ...

1 介绍 MongoDB 是一种 NoSQL 数据库，它将每个数据存储为一个文档，这里的文档类似于 JSON/BSON 对象，具体数据结构由键值（key/value）对组成。字段值可以包含其他文档，数组及文档数组。其数据结构非常松散，常用于存储比较复杂灵活的数据结构。 MongoDB 基于分布式文件存储，介于关系数据库和非关系数据库之间；是非关系数据库当中功能最丰富，最像关系数据库的。 2 基本概念 数据库：数据库用于保存一组相关数据，由集合组成；相当于关系数据库中的库。 集合：集合用来表示一个实体，如学生集合；集合由文档组成，相当于关系数据库中的表。 文档：文档表示一条记录，比如一位同学可以是一个文档，相当于关系数据库中的记录。 3 用法 123456$ docker pull mongo:5.0.18$ docker run --rm -d -p 27017:27017 -v /宿主机目录:/data/db \ -e MONGO_INITDB_ROOT_USERNAME=adminUser \ -e MONGO_INITDB_ROOT_PASSWORD=adminPassw ...

1 功能 1.1 整体功能，想解决什么问题 官方说明：FastGPT 是一个基于 LLM 大语言模型的知识库问答系统，提供开箱即用的数据处理、模型调用等能力。同时可以通过 Flow 可视化进行工作流编排，从而实现复杂的问答场景！ 个人体会：在不用编程的情况下，快速建立简单的本地知识库。 1.2 当前解决了什么问题，哪些问题解决不了 作者团队可能是觉得大模型本身太单薄了，希望通过结合其它工具，做一个中间层的方案，用大模型解决更多问题。 向下接入了多个大模型：GPT、Claude、Spark、ChatGLM 等；向上除了提供 很好用的 Web 工具，还提供了类似 OpenAI 的 API 供其它程序接入其功能，如：微信，飞书……；针对本地知识库，实现了数据的解析，存储，问答功能，并做了一些优化（评价本地知识库效果是一个非常复杂的问题，不在此讨论）。 提供了工作流 Flow，个人感觉对于想开箱即用的人来说有些复杂；对于深度使用者略显单薄。 计算 Embedding 以及答案的合成都需要连网使用。 1.3 提供哪些功能点，其中哪些是刚需 基本的与大模型聊天问答功能 本地知识库支持， ...

1 介绍 Poetry 是一个用于 Python 项目的包管理工具，它相对于传统的 pip 和 requirements.txt 的优势在于：使得项目依赖管理更加方便，且结合了更多新工具，还提供命令行进一步配置。 当在同一系统或在同一个 docker 中，使用多个 Python 程序时，可能由于工具链冲突无法同时安装，poetry 将每个项目所需要的资源都安装在它自己的虚拟环境中，很好地解决了冲突问题。 使用此方法，可以把库挂在系统之外，也不需要总是重打 docker image 了。 2 用法 2.1 配置文件 设置文件是：pyproject.toml，其中包含包及对应版本，可配置选项等等。 2.2 安装 python 包 Poetry 默认会将 Python 包安装在项目的虚拟环境中，而虚拟环境通常会创建在项目根目录的.venv 文件夹内。 查看安装信息： 1$ poetry env info 安装包 1$ peotry install