最新

我想要一种方法来下载浏览器为网页加载的所有内容（即所有的 JS、CSS、图片、字体等），并保留原始的目录结构（就像在开发者工具的网络/源中看到的那样）。主要是为了提供上下文/提示给大型语言模型，以便创建类似设计的网站。 找不到合适的工具，所以就自己做了这个 :)

FFmpeg 是一个非常棒的工具，但我总是需要反复在网上搜索相同的命令，并复制粘贴那些我不想记住的内容。于是我构建了一个小型的、具有主观性的 Rust 命令行工具，让我可以直接表达我想要做的事情，而不是如何向 FFmpeg 说明。这个工具对我来说很有效，可能对其他人也有效，也可能不适用，这都没关系。<p>仓库链接： https://github.com/alpbak/ffhuman

大多数关于生成性人工智能（GenAI）的讨论仍然集中在提升模型的能力上——更具创造性、更具通用性、更“智能”。<p>但在进行企业自动化的过程中，我们得出了一个不同的结论：<p>企业的采用似乎源于约束，而非智能。<p>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、记录、语音转文本。当大型语言模型（LLMs）在这些数据上自由使用时，结果往往难以信任或自动化。<p>我们在应用强约束和我们所称的弱语义基础方面取得了更多成功：利用LLMs检测预定义的业务信号，并将其映射为固定的、可验证的输出。<p>日期。 事件。 实体。 状态变化。<p>在这些条件下，LLMs的表现开始不再像推理引擎，而更像语义基础设施——可预测、可测试，并且可以在实际工作流程中使用。这个见解也改变了我们对工具的看法。在Genum AI，我们将提示视为代码：版本化、测试、回归检查，并像软件一样部署。这种规范使得约束方法在实践中变得可行。<p>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。但对于重自动化的环境来说，这似乎是实际可扩展的地方。<p>希望听到其他人的看法： - 你是否见过约束型LLM设置在生产中表现优于开放式设置？ - 这只是对经典自然语言处理的现代解读，还是LLMs所推动的新类别？ - 你认为这种方法在哪里会失败？<p>期待诚实的反馈和反驳。