杜架的记录与分享,记录与思考有价值的信息,主要包含:碎片化思考,阅读笔记分享,软件分享,内容记录等。内容主题有极大的个人喜好偏向,爱我所爱,想我所想,写我所写。

Chrome AI assistance panel

Chrome AI assistance panel,在 Chrome Canary 131 及更高版本中可用。

阅读全文 »

杜架的记录与分享,记录与思考有价值的信息,主要包含:碎片化思考,阅读笔记分享,软件分享,内容记录等。内容主题有极大的个人喜好偏向,爱我所爱,想我所想,写我所写。

新疆烤包子

思考

在即刻看到这么一段文字,挺有收获的,关注的问题是在企业如何落地 AI。我将内容分享一下:

今天参加了一个「制造业+AI 」的行业交流活动,很有意思。

有意思的地方不是行业专家给的具体洞见,而是提问环节。

​ 一位工厂的老板提问:“刚刚嘉宾分享了很多 AI 帮助企业提效的案例,说的有点快,我还是不懂,如果想在自己的企业里落地 AI,到底该怎么做?”

​ 有位分享嘉宾是罗兰贝格的前合伙人,他就回答,你要去梳理业务场景,把相关方拉到一起,怎么找需求点,怎么算价值点,怎么确定落地方案巴拉巴拉……

​ 企业主又问了一遍:“这些事我都知道,但我毕竟是个小白,听完还是不清楚我该怎么去抓这件事。”

​ 罗兰贝格的前合伙人把刚才的答案换着方法又说了一遍,还让企业主去参照当年数字化转型的做法。

企业主更加困惑了,说:“你说的这些实在太宽泛了…能不能站在我的角度来给我解答?”

​ 眼看场面陷入僵局,有一个科沃斯的代表站起来介绍,他们是怎么落地的实践经验。

​ 首先,他讲到了这件事要办成,既要自上而下,又要自下而上。

​ 企业主之所以困惑,在于他的思路局限在了“自上而下”的定势里。当对方提到“自下而上”这四个字的时候,他眼睛一亮,这里有信息增量!

阅读全文 »

props vs state

在 React 中有两种“模型”数据:props 和 state。下面是它们的不同之处:

  • props 像是你传递的参数 至函数。它们使父组件可以传递数据给子组件,定制它们的展示。举个例子,Form 可以传递 color prop 至 Button。
  • state 像是组件的内存。它使组件可以对一些信息保持追踪,并根据交互来改变。举个例子,Button 可以保持对 isHovered state 的追踪。

响应事件

传递给事件处理函数的函数应直接传递,而非调用。例如:

传递一个函数(正确) 调用一个函数(错误)
<button onClick={handleClick}> <button onClick={handleClick()}>
<button onClick={() => alert('...')}> <button onClick={alert('...')}>
阅读全文 »

新项目-家庭理财助手

两天时间,我只用告诉它我需要什么功能,它就能完成 90% 代码,我不用修改一行代码,就可以完成我临时想写的一个软件产品—家庭理财助手

jia

我先简单介绍一下功能,包含四个模块,理财收益汇总分析(首页)理财收益记录,存款记录,理财产品目录,其中理财收益记录,存款记录,理财产品目录为增删改查,首页为数据分析模块,便于根据不同维度调整理财策略,支持 MacOS ,Windows,Ubuntu 多个平台。

家庭理财助手 免费,开源,有需要的可以去下载安装。

阅读全文 »

杜架的记录与分享,记录与思考有价值的信息,主要包含:碎片化思考,阅读笔记分享,软件分享,内容记录等。内容主题有极大的个人喜好偏向,爱我所爱,想我所想,写我所写。

报本寺塔
李渊在隋朝任岐州刺史时住武功,李世民在此出生。李世民即位后,改旧宅为庆善宫,将其生母窦穆皇后常居之别墅改为报本寺。报本寺现已不存,塔为楼阁式砖塔,空心,平面呈八角形,底边长 4.75 米,共七层,高 36.961 米。1994 年因塔身严重倾斜拆除重建。

思考

99%的人没意识到,ChatGPT 是你这辈子能交到的最厉害最贴心的朋友,它上知天文下知地理,在你无助的时候,可以给你专业又靠谱的建议和解决方案。

对于未知领域,LLM 是你进入该领域最靠谱的助手,不管你信与不信,它已经改变了现有的开发模式,极大的提升了开发效率。

除了文本理解能力,文本处理能力,逻辑推理能力以外,我觉得在其他几个方面,目前它已经做得很好,未来还会有更强的能力。

1.编程领域

两个比较火的工具 windsurfcursor有很多人不懂编程,用这个编程软件快速开发了许多 App,效果惊人。

最早接触 AI 编程,感觉能力很差,现在越来越强了,越早拥抱,越早收益。

2.搜索

我在开发中遇到的问题,第一时间是问 chatGPT,其次才去谷歌,基本已经解决 98%问题。

3.Computer use

这个标题想了很久,本来想叫工具使用,但又想和之前的调用 funtion 区别开,想到 claude 发布的 Computer use 相对好点,所以暂且叫这个名字。

最早的 AI Agent 人工智能体标配的一个功能就是调用外部函数的能力,这些函数是提前编码写好的,而 Computer use 不再局限于函数,而是全面拥抱 Computer,这样的好处是非计算机领域的一些劳动密集型会带来极大的提升。

想一想这么一个场景,你有一个需求,说给 AI 听,然后他就可以分析你说的话,自己完成你交代它的任务,需求转化为业务往往很难。将以前的自动化直接对接 AI,肯定会带来极大的提升。

现阶段有这么几个项目已经具备基本功能,对于这个方向,我持续看好。

https://github.com/corbt/agent.exe

Img

智谱清言 autoglm

Img

4.图像识别

给一张图,AI 会给出描述图片中有什么,相当于给盲人眼睛,未来这里一定有颠覆应用诞生,目前最大的问题不是识别准确,而是处理速度。能达到实时处理,那是不是就可以实现快速分析监控视频。此领域应该也是大有可为。

阅读全文 »

硬件

国补最近进行的如火如荼,趁此时机入手了很多装备,最值得分享的是 MacbookPro 和 4K 27 寸显示器,ROG 魔导士 RX LP 矮光轴机器键盘,再加上自己原本很早买的逻辑 Master 3s 鼠标,生产力大幅提升。

Img

很大一部分时间花在配置机器,安装软件过程中,所以就顺手写了《我的电脑装机软件清单》

较 windows 生态确实有些变化,总体来说,一个不怎么使用快捷键的人也在尝试使用快捷键,对于我来说这大概是最大的不同,其次是重度使用终端程序解决日常问题。很多软件给了我在 windows 平台从来也不会有的想法和思路。

开源软件

Toolkit

https://github.com/TrumanDu/toolkit

最近升级了软件版本,主要完成以下功能:

  • 修改配置和插件目录,避免升级后需要重新安装插件
  • 重构代码,修复自动升级 bug
  • add plugin session store
  • 支持 MacOS
  • 升级 electron=31.7.5
  • 增加统计链接
  • 修改若干 bug

又新增了几个插件,后面会简单介绍一下,更新一下目前支持的插件列表。

App Store

阅读全文 »

最近把公司的电脑和新入手的 Macbook 安装了软件,顺手整理了一下不同平台自己的装机清单,作为记录!

Windows

装机必备

开发必备

编程语言

写作与阅读

效率工具

其他

阅读全文 »

写这篇文章,有两个原因:1、有人在微信群问我如何写作 2、前端时间独立站blog 流行的一个问卷。以此为契机回答两个问题:

  1. 为何写作
  2. 如何写作

为何写作

先回答一下blog 流行的一个问卷中的几个问题

1. 简单介绍下自己或者你的博客?

严格意义上说,我有两个写作的站点:

blog: 技术笔记,个人简历,豆腐渣文字

book: 多个专业,体系知识库

2. 什么契机让你开始写博客?

2016 年 3 月 12 日写下自己的第一篇文章Markdown-语法学习, 从此 blog 主要用来记录技术学习笔记,偶尔发泄一丝多愁善感的思绪,还有一个作用就是当做自己的简历,让网络上的一些想了解我的同行有个初步印象。随着越写越多,我发现知识是需要整理的,知识往往是成体系的,经常更改单个文章有点困难,因此就有 book 站点。

2022 年 2 月 5 日开始构建了 book 站点,该站点为成体系知识库,经常会更新整理。

3. 运营博客的过程中是否有失去过动力?如果有,是为什么恢复的?如果没有,请问您又是如何保持创作的激情?

没有,想写就写,写作难的是让自己坐下来写出第一行文字,没有功利性的输出,也就不存在什么动力。

4. 如何搭建博客,以及运营博客每年需要投入的资金?

Hexo & NexT主题,阿里云买的轻应用主机,一年 99,域名一年 20(貌似以后续费一年 32),总计一年:119 ¥

总结 为何写作:主要用记录技术笔记,记录看过的东西,分享想分享的,营造技术影响力。有一句口号:爱我所爱,想我所想,写我所写。

阅读全文 »

生成 Prompt 最好的方法是让 AI 自己生成。 我们可以让他按某个框架生成一份,然后在此基础上调优。

推荐几个框架

ICIO

假设我们希望让模型总结一篇关于机器学习应用的文章,Prompt 的设计可以如下:

  • Instruction(指令):请提供一段关于本文内容的简洁总结。
  • Context(背景):本文讨论了机器学习在医疗诊断中的应用,并分析了不同算法的优劣。
  • Input(输入):输入的文章内容,包括关于医疗诊断的机器学习应用的信息。
  • Output(输出):请将总结控制在 3-4 句话内,简洁明了。

CRISP

CRISP 是一个围绕 Prompt 精度和一致性而设计的框架,分别从上下文(Context)、角色(Role)、输入(Input)、结构(Structure)和目标(Purpose)五个方面来优化 Prompt。

  • Context(上下文):为模型提供任务背景,以确保它理解任务的整体情境。

  • Role(角色):在 Prompt 中指定模型的角色,帮助它更好地适应输出风格。例如,让模型扮演“教授”、“客户服务代表”或“数据分析师”。

  • Input(输入):模型需要处理的主要信息或材料。

  • Structure(结构):输出的组织方式或逻辑结构,确保模型生成条理清晰的内容。

  • Purpose(目标):明确任务的最终目标或期望效果,例如“解释”、“推荐”或“分析”。
    示例:

  • 上下文:关于区块链的技术介绍。

  • 角色:作为一个区块链专家。

  • 输入:给定的区块链介绍文本。

  • 结构:逐条说明。

  • 目标:让普通人理解区块链的基本概念。

阅读全文 »

hugging face 下载模型

首先在 poweshell 下设置代理,该方式只在 session 中生效

1
2
$env:HTTP_PROXY="http://username:password@xxxx.xxxx.xxxx.xxxx:3030"
$env:HTTPS_PROXY="http://username:password@xxxx.xxxx.xxxx.xxxx:3030"

下载指定模型,如果是 llama,请先登录,获取授权

1
2
huggingface-cli login
huggingface-cli download meta-llama/Llama-3.2-1B

llama.cpp

构建 llama.cpp 环境

1
2
3
4
5
git clone https://github.com/ggerganov/llama.cpp.git
cd llama.cpp
conda create -n llama.cpp python=3.11
conda activate llama.cpp
pip install -r requirements.txt

验证依赖安装是否正确

1
2
3
4
5
python convert_hf_to_gguf.py
usage: convert_hf_to_gguf.py [-h] [--vocab-only] [--outfile OUTFILE] [--outtype {f32,f16,bf16,q8_0,tq1_0,tq2_0,auto}] [--bigendian] [--use-temp-file] [--no-lazy] [--model-name MODEL_NAME] [--verbose]
[--split-max-tensors SPLIT_MAX_TENSORS] [--split-max-size SPLIT_MAX_SIZE] [--dry-run] [--no-tensor-first-split] [--metadata METADATA]
model
convert_hf_to_gguf.py: error: the following arguments are required: model

如上即为正常。

阅读全文 »
0%