最新

我希望能够下载浏览器为网页加载的全部内容（即所有 JS、CSS、图片、字体等），并保留原始的目录结构（就像你在开发者工具 → 网络/源代码中看到的那样）。这主要用于提供上下文/提示给大语言模型，以便它们创建设计相似的网站。 找不到现成的工具，所以就有了这个:)

FFmpeg 是一个很棒的工具，但我总是反复 Google 同样的命令，然后复制粘贴那些我不想再记住的东西。 我构建了一个小巧、有主见的 Rust 命令行工具，它让我能够表达我想做什么，而不是告诉 FFmpeg 怎么做。 这个工具对我来说很有效。它可能对每个人都有效，也可能无效，这都没关系。 Repo: https://github.com/alpbak/ffhuman

目前，关于生成式人工智能（GenAI）的讨论主要集中在如何让模型变得更强大——更具创造力、更通用、更“智能”。 但我们在企业自动化方面的工作得出了一个不同的结论： 企业采用似乎源于约束，而非智能。 实际上，超过80%的企业数据是非结构化的：电子邮件、文档、消息、转录、语音转文本。当LLM（大型语言模型）被自由地应用于这些数据时，结果难以信任或自动化。 我们更成功地应用了强约束和我们称之为弱语义基础的方法：使用LLM来检测预定义的业务信号，并将它们映射到固定的、可验证的输出。 日期。 事件。 实体。 状态变化。 在这些条件下，LLM开始表现得更像语义基础设施，而不是推理引擎——可预测、可测试，并且可用于实际工作流程。 这一见解也改变了我们对工具的看法。在Genum AI，我们一直将提示视为代码：像软件一样进行版本控制、测试、回归检查和部署。这种严谨性使得受约束的方法在实践中可行。 我们并不是说这取代了创造性或开放式的GenAI——它感觉是互补的。但对于自动化程度高的环境，这似乎是真正能够扩展的地方。 很想听听其他人的看法： - 你们是否看到受约束的LLM设置在生产中优于开放式设置？ - 这仅仅是经典NLP的现代演绎，还是由LLM实现的新类别？ - 你们认为这种方法在哪里会失败？ 期待诚实的反馈和反驳。