chatgpt-on-wechat聊天机器人不能用了怎么办
1 chatgpt-on-wechat 无法登录
最近几天,chatgpt-on-wechat
微信聊天使用了(以下简称 COW)。这个项目目前已经获得了 32.5K 的
Star。现在只要用微信登录,扫码后就会出现错误提示:
123Start auto replying.Unexpected sync check result: window.synccheck={retcode:"1102",selector:"0"}LOG OUT!
在 GitHub 的 issue
中发现,昨天(240110)很多人也遇到了同样的问题,一些用户甚至在线等解决方案。
更麻烦的是,扫码的微信号也需要重新登录,并且显示:
该账号违反了《微信个人帐号使用规范》……
需要签署承诺书才能继续使用。这可视为一种警告:你如果继续这样使用,小心微信账号被封。在现在这个坐车、支付都要扫码的世界里,这还真挺可怕的。
2 为什么要整治
这一点其实很容易理解。推销诈骗在引入大型语言模型(LLM)后,如果不考虑开发成本,人工成本至少降低了不止
100 倍。其实 ...
Python 包索引服务_devpi
1 简介
devpi 是一个 Python 包索引服务,可以帮助管理 Python
包的缓存、发布和安装。它可以让开发者在本地构建自己的 Python
包索引,用于组织和分享包。
2 创建镜像
Dockerfile 如下
12345678910111213141516FROM python:3.9-slim# 安装 devpiRUN pip install devpi-server devpi-web devpi-client# 创建数据目录RUN mkdir /data# 设置数据目录为工作目录WORKDIR /data# 暴露 devpi 端口EXPOSE 3141# 启动 devpi-serverCMD ["devpi-server", "--serverdir", "/data", "--host", "0.0.0.0"]
打镜像:
1docker build -t devpi-server .
3 初始化
123$ docker run --rm -it --name de ...
ExmemoTools插件:结合Obsidian与大语言模型的新体验
1 引入
今天和大家分享一个我自己制作的小工具,其中包含我认为非常实用、但在现有工具中找不到的功能。它的核心理念是更好地将自然语言大模型与
Obsidian 结合,同时还能相对节省调用成本。
在 Obsidan
中写文章常常会让大模型帮助修改文字,比如:润色、翻译、改错。
起初,我将需要处理的文本复制粘贴到大模型的聊天界面中,再加上提示词,得到模型的回应后,再将内容粘回到
Obsidian。
大约一年前,我开始使用 Obsidian 的 Text Generator
插件,把常用的提示词写入模板中,在需要的时候选择模板。不过也遇到了一些问题:有些模板需要经常调整,而有些操作并不在现有模板中,也不属于常见问题。每次修改模板非常麻烦,而且模板数量众多,每次定位模板也很容易打断思路。
于是,就想能不能直接输入提示词,并记忆使用过的提示词,并将高频使用和最近使用的提示词排列在最前面。这样一来,无需鼠标操作,只需在键盘上敲击两三个按键,就可以调用大模型了。
进而,想到利用大模型来生成文章的标签和摘要,将文章移动到合适的目录,让大模型帮我们做些事务性工作,也能很好的提升效率,于是把它们整合成一个工 ...
github_copilot升级
1 引言
GitHub Copilot
的新版本发布已经有几个星期了,实际使用后才发现它确实非常出色,极大地提升了效率。
2 旧版的问题
旧版包含的一些常用功能有:聊天、编辑时代码自动生成、选中代码块的编辑和解释。
但有几个使用上的不便之处:
聊天功能位于左侧栏,但通常左侧栏不会设置得很宽,这导致文字多次换行,查看时需要上下滚动,比起网页版的聊天界面要逊色不少。
代码自动生成功能要求在生成函数前必须先写注释,完成后还需自行删除注释,这个过程显得有些繁琐。
当选中代码块并点击右键以解释或编辑时,需要操作多步,修改只针对代码块本身,功能上会受到一些限制。
背后的大模型在功能上不尽如人意,理解力和代码能力稍显不足。
生成和修改代码时无法指定参考哪些文件。
3 新版的优势
新版针对上述问题进行了优化。
3.1 更多大模型可选
新版提供了 gpt-4o、o1 系列模型,以及 claude。
不仅我这样认为,我的朋友和网友也一致发现,Claude
在代码领域表现出色,代码能力非常强,甚至优于多步推理的 o1 系列模型。而
gpt 则在综合能力上更胜一筹,因此在 Copilot
的编辑和聊天功 ...
图形化的Agent工具
1 图形化 Agent 工具
1.1 核心组件
机器人 Bot:一个 AI 应用,或称为 Agent
知识库:上传个人数据,机器人可根据其内容进行回复
工作流:将大问题拆解成多个小问题,通过路径实现,路径上的每个节点完成特定任务
插件:调用外部功能(Tools)
1.2 使用体验
大模型与其他元素结合,实现完整的目标功能。
功能:调用工具、设置工作流和本地数据(知识库)。
工具:有许多现成工具可供使用。
工作流:前后关系非常直观,像搭积木一样。
2 Coze
扣子是一个 AI 应用开发平台,由字节跳动推出。
相对更 toC,无需编程即可实现 agent 的创建和发布,效果有点类似于 AI
界的微信小程序。
区别
海外版
国内版
网址
www.coze.com
www.coze.cn
登陆方式
需要魔法才能使用
无使用的网络限制
可用模型
OpenAI GPT 系列
字节自研模型/国内常用模型
发布平台
Discord、Instagram、Slack
飞书、微信客服、微信公众号&订阅号
3 Dify
支持本地搭建和使用本地模 ...
关于Agent的一些思考_240429
何需足量革,尽覆此大地,片革垫靴底,即同覆大地。 --
寂天《入行论》
最近看了一些 LLM 实测报告,感觉 LLM
的能力很强大,但在当前阶段,仍然只能对单一简单问题进行一次提问(详见:开源项目_大海捞针测试),对于复杂的问题,可以通过将其拆解为多个简单问题,使用
LLM 进行多步问答来解决。因此,引入了
Agent。目前也临着在对话过程中容易偏离主题的问题(详见:论文阅读_多Agent_股票操作示例)。
猜想大模型的尽头并非某个全能的大模型,而是类似于人的存在,可能是面向
Agent 优化的大模型;或者整体系统由多个大模型组成,其中一个充当主控:
这个主控模型并不大,所以反应速度快。
他并不存储所有的知识,但包含:内在信念(详见:论文阅读_语言与决策_通过LENS看人类行为),基本的常识,语言理解能力,基础推理能力,类似于高中生的水平。
他链接到一个外挂记忆系统,该系统存储客观知识和主观总结,以及长短期记忆,支持存储/搜索(详见:文章阅读_Agent记忆机制综述)。
他还包含一个自我进化系统,该系统能记忆、总结,并推动自已更新能力库。
和当前系统很大差别在于它能自主构建自己的 ...
Agent实战_法律行业模型
1 比赛介绍
第三届琶洲算法大赛 -GLM 法律行业大模型挑战赛道
赛题页面:https://tianchi.aliyun.com/competition/entrance/532221/information
解题示例:https://tianchi.aliyun.com/competition/entrance/532221/customize444
说明文档:https://zhipu-ai.feishu.cn/wiki/M6lCwkSEWiBQIKkQLtIcTuV2nqh?spm=a2c22.12281976.0.0.536f7dd2Pg0INK
2 问题概述
在法律服务领域,基于智谱 GLM-4 大模型和相关业务
API,构建一个能回答法律问题的 Agent(问题机器人)。该 Agent
需要在一小时内回答 200 道问题。
这种整体方案可以应用于许多专业领域。我们也可以通过比较优化和未优化的情况下,看看效果如何。(初赛
A 榜的前 100 名得分都在 80-90
分区间内,查看了一些代码后,我觉得稍加改进也能达到 70+)
3 问题类型
简单问题:查单表和几个字段。 ...
Obsidian_上传社区
1 说明
做完 Github Actions -> Release
后,通过以下项目添加到社区插件市场。
2 操作
2.1 fork 项目
https://github.com/obsidianmd/obsidian-releases
2.2 修改
community-plugins.json
2.3 pull request
在 Fork 的项目中提交 Pull Request:
打开 Fork 的项目后,在 Pull Request 选项卡,点击 "Create Pull
Request" 以提交请求。
上传皮肤和插件时,请选择相应的模板并在预览中填写必要的内容 (如:add
description->preview->community plugin,界面切换后再点 Create Pull
Request,模板内容自动出现在 Add a description 的 Write
框中,按实际情况打勾)。
新增插件和更新插件时需使用不同的标题和描述。
错误提示(关注红色反馈):
若提交的格式或编译问题未通过审核,将收到提示信息:“validation
fai ...
生成代理模拟1000个真人
123456789英文名称:Generative Agent Simulations of 1,000 People中文名称:生成代理模拟1000个真人链接: http://arxiv.org/pdf/2411.10109v1代码: https://github.com/joonspk-research/generative_agent作者: Joon Sung Park, Carolyn Q. Zou, Aaron Shaw, Benjamin Mako Hill, Carrie Cai, Meredith Ringel Morris, Robb Willer, Percy Liang, Michael S. Bernstein机构: 斯坦福大学,西北大学,华盛顿大学,Google DeepMind日期:2024-11-15正文:10页,附录资料比较多
1 摘要
目标:探索模拟人类行为的通用计算代理在政策制定和社会科学中的应用潜力。
方法:提出一种新的代理架构,使用大语言模型对 1052
名真实个体的生活访谈进行分析,以模拟他们的态度和行为,并测量这些代理的模拟准确性。
结论:生成 ...
使用大型语言模型预测中文咨询对话中的大五人格特质
12345678英文名称:Predicting the Big Five Personality Traits in Chinese Counselling Dialogues Using Large Language Models中文名称:使用大型语言模型预测中文咨询对话中的大五人格特质链接: http://arxiv.org/pdf/2406.17287v1代码: https://github.com/kuri-leo/BigFive-LLM-Predictor作者: Yang Yan, Lizhi Ma, Anqi Li, Jingsong Ma, Zhenzhong Lan机构: 浙江大学,西湖大学,杭州职业技术学院日期:2024-06-25引用次数:
1 摘要
目标:准确评估人格特征的传统方法耗时且有偏见,探讨大型语言模型能否直接从咨询对话中预测大五人格特征,并提出了一种创新框架来执行该任务。
方法:框架通过角色扮演和问卷提示将大型语言模型应用于咨询会话,模拟客户对大五人格量表的反应。对
853 个真实咨询会话进行了评估,并通过细化优化与监督微调的 Llama3-8B
模 ...