最新

一款由前沿大语言模型（GPT、Claude、Gemini、Grok）编写的 AI 蛇蛇程序相互对战的竞技多人游戏。

AI 驱动的个人财务分析器——100% 本地运行，无需云端，无需登录。 上传 PDF / CSV / Excel 银行或信用卡账单 → AI 提取并分类每笔交易 → 交互式仪表盘、消费洞察、定期付款检测，并与您的数据进行对话。

我希望能够让 LLM “针对 [主题] 创建一个词云” —— LLM 擅长研究，但在排版方面略逊一筹。<p>所以我构建了一个专门的排版引擎。它在浏览器中运行，并且我还使用 @napi-rs/canvas 将其封装在一个小的 Go/Fiber 服务器中，以将其作为 MCP 服务器和 REST API 暴露出来 —— 这样任何 LLM 工具都可以直接调用它。<p>说明请参见 <a href="https:&#x2F;&#x2F;word-cloud.net&#x2F;ai.html" rel="nofollow">https:&#x2F;&#x2F;word-cloud.net&#x2F;ai.html</a><p>欢迎在 <a href="https:&#x2F;&#x2F;github.com&#x2F;pilotso11&#x2F;word-cloud-net&#x2F;" rel="nofollow">https:&#x2F;&#x2F;github.com&#x2F;pilotso11&#x2F;word-cloud-net&#x2F;</a> 提出反馈

我开发了一个基于浏览器的工具，使用视觉-语言模型（VLMs）来检测卫星图像中的物体。您可以在地图上绘制一个多边形，并输入文本提示，例如“游泳池”、“油罐”或“公共汽车”。系统会逐个瓦片扫描所选区域，并将检测结果以 GeoJSON 格式投射回地图上。 流程：选择区域和缩放级别，将区域分割成瓦片，使用提示将每个瓦片输入 VLM，将预测的边界框转换为地理坐标（WGS84），然后在地图上渲染结果。 该工具在零样本设置下对清晰的结构表现良好。被遮挡的物体仍然更适合由 YOLO 模型等专业检测器处理。 有一个公开演示，无需登录。我主要关注以下方面的反馈：检测质量、VLMs 和专业检测器之间的性能权衡，以及潜在的实际应用案例。