1 分•作者: T-A•7 个月前
返回首页
最新
1 分•作者: gslin•7 个月前
1 分•作者: Pankaj4152•7 个月前
我构建了一个小型离线照片搜索工具，它使用本地视觉-语言模型（NexaAI Qwen3-VL-4B）来描述图像，并使用sentence-transformers生成嵌入向量以进行语义搜索。<p>所有操作都在设备端100%运行（无云端，无需API密钥）。<p>GitHub 仓库：<a href="https://github.com/pankaj4152/smart-photo-finder" rel="nofollow">https://github.com/pankaj4152/smart-photo-finder</a><p>你可以这样试用：
1. python app.py
2. 选择“处理图像”
3. 选择“搜索图像”<p>欢迎大家对架构、性能和改进提出反馈意见。
85 分•作者: bariumbitmap•7 个月前
23 分•作者: SchwKatze•7 个月前
1 分•作者: kanodiaayush•7 个月前
大型语言模型让我们感觉无所不能，但聊天只是一种原始形式。我正尝试构建一些界面，让我们能够借助人工智能深入探讨某个主题。
这些界面可以让我们一目了然地巩固理解，避免在冗长的聊天记录中迷失方向，快速缩放信息，并最大限度地减少诸如上下文工程之类的繁琐工作。
好奇您是否觉得这有意思，欢迎提出反馈！请试用（免费）。
1 分•作者: dmacvicar•7 个月前
1 分•作者: donutloop•7 个月前
1 分•作者: levigrace•7 个月前
1 分•作者: tarocha1019•7 个月前
单次生成架构：通过单次 API 调用完成整个生成-审查-修复流程，从而实现速度和成本效益的优化。
1 分•作者: gslin•7 个月前
1 分•作者: devalexwells•7 个月前
1 分•作者: bilsbie•7 个月前
7 分•作者: mseri•7 个月前
4 分•作者: quapster•7 个月前
55 分•作者: cyclecount•7 个月前
22 分•作者: joejohnson•7 个月前
3 分•作者: NyuB•7 个月前
虽然功能有限，但也能完成任务。我邀请任何不了解“cram tests”是什么的人都来试一试，无论你是在 Unix 系统上使用最初的 cram，还是在 Windows 系统上使用这个版本 ;)
1 分•作者: carabiner•7 个月前
2 分•作者: johnshades•7 个月前