浮生若梦——Galois21

问题：每次对车内应该带什么、车内物品放置是否合理这些问题困扰，结合自己的车内物品，向 AI 请教车内物品的经验，逐步固化成出行习惯。
prompt：关于以下这些车内必配用品，哪些多余？需要增加哪些？放置合理吗？有什么建议？

1. 前挡台面

适合存放轻便且经常需要使用的物品：

• 手机支架：用于导航和手机固定。
• 太阳眼镜：随手可取，避免阳光刺眼。

继续阅读 →

【注意】：本文通过 dify 工作流（“SEO 博客生成工作流”）一键生成，工作原理类秘塔搜索，通过 GPT 生成文章大纲，通过爬虫搜索素材，GPT 重新整合润色，完全开源。

继续阅读 →

以下以 mac 环境安装举例（MacBookairM1-8G）

安装ollama

1. 下载安装
   点击去下载 ollama
   (如果在 docker 中安装 ollama，则为docker pull ollama/ollama，参见 docker 库)

2. 检测是否安装成功：“终端” app 中执行如下命令

   ollama -v

   显示ollama版本即为安装成功

3. 下面命令会默认下载llama3.1 7B 版本模型并运行，其他大模型也是类似

   ollama run llama3.1

   (如果在 docker 中安装 ollama，则为docker exec -it ollama ollama1 run lama3.1，这里ollama1是容器名，以具体容器命名为准)

更多指令参考github 地址：https://github.com/ollama/ollama?tab=readme-ov-file

已经可以体验本地各个开源大模型了

继续阅读 →

1. Qwen-Agent：通义千问模型的智能代理框架

项目内容：Qwen-Agent 是基于通义千问模型（Qwen）的智能代理框架，旨在开发和运行 AI Agent 应用。该框架具有指令遵循、工具使用、规划与记忆等能力。项目提供了多个示例应用，如浏览器助手、代码解释器和自定义助手。BrowserQwen 可以与用户讨论网页或 PDF 内容，并能自动记录浏览的资料，帮助总结和自动化处理任务。
适合场景：适合需要构建智能助手、浏览器辅助工具和代码分析助手的开发者。
项目地址：Qwen-Agent

继续阅读 →

LLM

它叫做“大语言模型”，可以把它想象成一个超级聪明的大脑。
就像我们学习语文、数学一样，LLM也通过大量的文本数据进行了训练，所以它知道很多很多的知识。当我们向它提出问题时，它会用学到的知识来回答我们。

比如，我们可以问 LLM：“天空为什么是蓝色的？”它会根据自己的知识和算法，给出一个答案。而且，LLM 还可以生成文本，比如写故事、写作文等等。

LLM 的应用非常广泛，它可以帮助我们更好地理解和处理语言，也可以用于自然语言处理、机器翻译、智能客服等领域。未来，随着技术的不断发展，LLM还会有更多的应用和发展前景！

继续阅读 →

1. 整体架构:

   Transformer 由编码器和解码器组成，两者都包含多个相同的层堆叠而成。编码器将输入序列转换为连续表示，解码器则根据这个表示生成输出序列。

   继续阅读 →

LMSYS

加州大学伯克利分校主导的排行榜，众筹题目，英文大模型的权威
https://arena.lmsys.org

AlpacaEval Leaderboard

斯坦福大学研发的大语言模型评测
https://tatsu-lab.github.io/alpaca_eval

SuperCLUE

由北京大学人工智能研究院发布，专注于中文大模型评测，提供基准数据集、评测任务和评测结果等。
https://www.superclueai.com

司南OpenCompass

上海人工智能实验室，国内领先的大模型能力评测体系。
https://opencompass.org.cn/home

FlagEval（天秤）

北京智源研究院将联合多个高校团队打造
https://flageval.baai.ac.cn/#/leaderboard

其他

以下为V2ray 的名单，可直接复制到 pac设置 中

继续阅读 →