最新

嗨，HN， 去年，我写了一篇关于如何设置支持 TypeScript 的 Node.js 后端项目的博客文章。当时这对我来说是一个很好的参考，也希望能与其他可能觉得有帮助的人分享。你可以在这里阅读最初的文章： [https://cahenkorah.vercel.app/posts/automating-my-nodejs-setup-with-notsc](https://cahenkorah.vercel.app/posts/automating-my-nodejs-setup-with-notsc) 我在周末构建了一个 CLI 工具 - Notsc ([https://www.npmjs.com/package/notsc](https://www.npmjs.com/package/notsc))，旨在自动化整个过程并简化它。它可以快速搭建一个准备就绪的 Node.js + TypeScript API 项目，并可选支持：数据库设置、Swagger/OpenAPI 文档、Redis、Jest 测试、Docker 等。目前在 NPM 上已有 197 次以上的下载。 你可以通过以下命令全局安装它： ``` npm install -g notsc ``` 然后运行它并按照后续提示操作： ``` notsc ``` 它是开源的，我欢迎反馈、想法和贡献。我还写了一篇简短的博客文章，讲述我为什么要构建这个工具以及它的用途，你也可以在这里阅读：[https://cahenkorah.vercel.app/posts/automating-my-nodejs-setup-with-notsc](https://cahenkorah.vercel.app/posts/automating-my-nodejs-setup-with-notsc) NPM: [https://www.npmjs.com/package/notsc](https://www.npmjs.com/package/notsc) GITHUB: [https://github.com/cedricahenkorah/notsc](https://github.com/cedricahenkorah/notsc) BLOG: [https://cahenkorah.vercel.app/](https://cahenkorah.vercel.app/)

为了创建一个不仅仅是单人游戏的扫雷游戏，我想到了以下几点：<p>• 实时游戏，允许多人同时进行游戏<p>• 评分系统，奖励正确的操作<p>• 根据技能水平提供不同的棋盘选项

— 作者：Raj Guru Yadav 像许多开发者一样，我对大型语言模型（LLMs）充满了好奇。但当我问到：“我能在离线状态下快速运行一个类似ChatGPT的助手，而不需要16GB以上的内存吗？”这个挑战让我无法抗拒。 <p>目标 构建一个完全离线、轻量级的AI助手，具备以下特点： <p>下载大小小于50MB <p>无需互联网 <p>快速响应（在1秒以内） <p>零遥测 <p>完全本地的嵌入和推理 <p>结果：一个40MB的离线ChatGPT克隆，可以在浏览器中或USB闪存驱动器上运行。 <p>40MB内部包含什么？ 这是我如何将智能对话压缩到如此小的包裹中的： <p>模型：通过llama.cpp量化的Mistral 7B Q4_K_M <p>推理引擎：llama.cpp（编译为WebAssembly或本地C++） <p>用户界面：轻量级的React/Tailwind界面 <p>存储：用于本地聊天历史的IndexedDB <p>嵌入：本地MiniLM用于智能PDF或笔记搜索 <p>附加功能：Whisper.cpp用于本地语音输入；Coqui TTS用于语音输出 <p>我为什么要构建它 我（Raj Guru Yadav），一名16岁的开发者和学生，想要： <p>深入了解大型语言模型的实际工作原理 <p>构建一个尊重隐私且本地化的工具 <p>证明AI不需要云端也能强大 <p>为离线用户（如许多印度学生）提供真正的AI支持 <p>挑战 在低内存设备上的内存瓶颈 <p>对小型模型进行提示调优以获得更智能的回复 <p>WebAssembly优化以提高浏览器性能 <p>与小型TTS/ASR模型的离线语音和文本集成 <p>性能（在4GB的笔记本电脑上） 能够合理回答事实、编码和数学问题 <p>离线读取和总结PDF文件 <p>本地记忆对话内容 <p>（可选）大声朗读答案 <p>最后的想法 AI不应该被锁在付费墙或云端后面。 我的目标是将智能助手带到每个人的手中—— 完全离线，完全免费，完全属于你。 <p>由 Raj Guru Yadav 制作 <p>开发者 | 700多个项目的构建者 | 热衷于开放AI为所有人服务