wxl01235的博客

原创 还装藏不住的

原创 我的HTTP学习之路：一个开发者的亲身经历

作为一名软件开发者，HTTP协议无疑是我日常工作中最常接触也是最不可或缺的基础之一。然而，回想起最初接触HTTP的经历，那时候的我对它的了解仅限于“它是用来传输数据的”，之后的深入学习却让我对这个协议有了全新的认识和敬意。今天，我想分享一下自己是如何逐步理解和掌握HTTP协议的过程。

原创 Meta AI 发布 Llama 3.2 多模态AI模型 性能与GPT4o-mini 相当 能够在边缘设备上高效运行

Meta AI 发布 Llama 3.2多模态AI模型，旨在提供强大的自然语言处理和图像理解能力。其设计目标是提高AI在边缘计算和移动设备上的性能，Llama 3.2包括适用于边缘和移动设备的小型和中型视觉大语言模型（11B 和 90B）以及轻量文本模型（1B 和 3B）。Llama 3.2 系列中最大的两个模型，11B 和 90B，支持图像推理用例，如文档级理解，包括图表和图形的理解、图像说明以及基于自然语言描述的视觉定位任务。

原创 Prompt 框架思维

该框架主要包括以下五个部分：背景 B (Background)角色 R (Role)目标 O (Objectives)关键结果 K (Key Results)实验改进 E (Evolve)

原创 【Concept Sliders】通过拖到滑块来精确控制特定图像特征

Concept Sliders 是一种用于，允许用户在图像生成过程中对特定概念进行。与依赖提示词生成图像的传统方法不同，Concept Sliders 通过引入可调整的“滑块”，用户可以在保持图像整体结构不变的情况下，调节某些特定属性（如眼睛大小、光照强度、风格等）的强度，从而实现更高精度的图像生成和编辑，而无需反复修改提示词。

原创 Claude新功能函数调用工具 Tool use 允许模型与外部系统进行交互

名称（name）：工具的唯一标识符。描述（description）：详细说明工具的功能、使用场景和行为方式。输入模式（input_schema）：定义工具期望接收的参数，使用JSON Schema格式。

原创 阿里云的Qwen2.5-Coder 和 Qwen2.5-Math专有模型怎么样？

阿里云发布和。新的模型在指令跟随、生成长文本（超过 8K Tokens）、理解结构化数据（如表格）以及生成结构化输出（尤其是 JSON 格式）方面取得了显著进步。Qwen2.5 模型更能适应不同的系统提示，提升了角色扮演和条件设定的能力。与 Qwen2 类似，Qwen2.5 支持Tokens，最大可生成Tokens，且支持种语言，包括中文、英语、法语、西班牙语、葡萄牙语、德语、意大利语、俄语、日语、韩语、越南语、泰语、阿拉伯语等。来自不同基准的指令调优版本的全面结果，评估了模型能力和人类偏好。继。

原创 Anthropic Message Batches API 满足批量处理大量请求

现在开发的系统有大量知识汇总统计、跑批处理需求的同学这个尝试一下，看看能不能解决自己目前的问题~~Anthropic 推出的，专门用于帮助开发者批量处理大量请求。它的主要目的是通过一次性处理大量非实时任务，节省时间和降低成本。简单来说，它适合那些不需要即时响应的任务，特别是需要处理大量数据的场景。

原创 Deepgram AI语音代理API ,支持实时语音对话

Deepgram推出了全新的，这是一个统一的语音对话API，旨在让AI代理能够进行自然的对话。该API依赖于快速的语音识别和语音合成模型，支持实时的语音理解、推理和对话生成。适用于企业和开发人员，能够创建强大的语音代理，特别适用于客户支持、订单处理等场景。

原创 FLUX.1-dev-LoRA：一个混合现实与插画风格模型 可以生成融合了现实与插画元素的图像

FLUX.1-dev-LoRA是一个混合现实与插画风格模型。该模型可以生成融合了现实与插画元素的图像。它基于FLUX.1-dev基础模型进行训练，特别擅长生成前景角色为插画风格，而背景为现实风格的视觉效果。可以通过使用该模型生成图片并发布在社交平台上，如微信朋友圈或小红书，达到不露脸但仍然展示旅行场景的效果。嘿嘿..提示：卡通风格的男人/女人，穿什么衣服，在什么场景，做什么。结局可以补充：艺术风格融合现实与插画元素。增加现实与卡通的区别。如果不是著名景点场景，场景描述可以稍微详细一些。

原创 【AIGC】OpenAI 宣布推出Whisper large-v3-turbo 语音转录模型 速度提高了8倍

OpenAI 宣布推出了一个名为 large-v3-turbo（简称 turbo）的新 Whisper 模型。这是 Whisper large-v3 的优化版本，将解码器层数从大型模型的 32 层减少到与 tiny 模型相同的 4 层。此优化版本的开发受到了 Distil-Whisper 的启发，后者表明使用较小的解码器可以显著提升转录速度，同时对准确性的影响较小。速度比 large-v3 快 8 倍，但质量几乎没有下降！

原创 OpenAI 推出全新 “Canvas” 工具的系统提示词泄露

bio 工具状态：已禁用。不要向它发送任何消息。记忆功能：如果用户明确要求你记住某些事情，请礼貌地引导他们前往设置个性化记忆，以启用记忆功能。

原创 最佳语音识别 Whisper-large-v3-turbo 上线，速度更快（本地安装 ）

Jupyter Notebook 启动后，我们导入所有库，然后获取模型，我们选择 Whisper 大型版本 3 Turbo，然后下载模型并将其放入我们的 CUDA 设备（即 GPU），接着我会初始化这个自动语音识别的管道，提供模型、分词器，并指定我们的 CUDA 设备。新推出的 Whisper Turbo 模型是 OpenAI 开发的，经过约 500 万小时的标记数据训练，具有出色的泛化能力。尽管近年来出现了许多音频和多模态模型，但Whisper 仍是生产级自动语音识别（ASR）的首选。

原创 【AI资讯】AI 学术搜索引擎 Consensus 完成 1150 万美元 A 轮融资 年化收入达150万美元

它不仅能够提供主题级别的见解，还能深入分析单篇论文的内容，所有内容均与真实的研究论文相连。Consensus 是基于 AI 的学术搜索，使研究人员和学术从业者能够更快、更准确地找到相关研究论文。Consensus 使用自定义的语言模型分析整个研究论文库，从每篇论文中提取关键结论，并结合引文数量、研究设计、发表日期等元数据重新排名结果，以确保提供最相关的前20个结果。自2022年冬季上线以来，Consensus的月活跃用户已超过40万，并预计将在2024年实现了600%的增长，年化收入达到150万美元。

原创 【AIGC】Hugging Face 推出一站式搜索开源成果的平台：Paper Central

Hugging Face 推出一个全面、便捷的学术平台：Paper Central ，该平台可以帮助研究人员和开发者快速获取并使用开源资源。它将arXiv、Hugging Face 论文页、模型、数据集、Space、GitHub 和会议论文集等多个来源的开源学术资源整合在了一起。通过将这些来源聚合到一个地方，Paper Central 大大简化了查找研究成果的流程，用户无需逐个访问不同平台。用户可以通过该平台轻松搜索即可获取开源成果，大大简化了查找研究成果的流程，用户无需逐个访问不同平台。

原创 Bolt.new：终极自动化编程工具

WebContainers 是一种运行在浏览器中的全栈 Node.js 环境，使用 WebAssembly 技术，不依赖远程服务器。它允许开发者在浏览器中创建和运行 Node.js 应用，并且能够在毫秒内启动这些环境，还可以通过链接分享应用。bolt․new 可以创建漂亮的、准备投入生产的多页应用，带有后端和数据库（如 Supabase），并且可以一键部署到生产环境。秘密就在于 WebContainers，它是我们的微型操作系统，可以在你的浏览器标签中运行完整的 web 开发环境。

原创 【AIGC】GPT4o mini 比GPT3.5 turbo更强，ChatGPT这次要让它替代GPT3.5？

GPT4o mini相较于GPT3.5 turbo只支持文本输入的基础上，又增加了图片输入，也就意味着使用GPT4o mini可以进行读图了。左面是GPT4o mimi的回答，它的回答居然是正确的，看来官方对最新的模型还是做了一定优化的，至少在推理层面。7月18日，ChatGPT推出了新的模型GPT4o mini，作为GPT3.5 turbo的替代。那这个模型，都升级了哪些内容，和GPT3.5相比有多大提升，和GPT4o相比，又有多大的差距？拿最近很考验大模型智力的问题比大小看下。

原创 AI图像生成模型-Imagen3

lmagen 3是Google推出的AI图像生成模型，可以生成高质量、逼真的图像。lmagen 3是Google最高质量的文本到图像模型，可生成细节丰富、照片级真实的图像。lmagen 3对提示词理解更好，可捕捉更多细节，生成更广泛的视觉风格。社交媒体用户可以利用lmagen 3来生成个性化的图像，用于个人表达或内容分享。广告商可以使用该技术来创建吸引人的广告图像，提高广告的吸引力和效果。用户输入描述性的文本，模型能够理解并转换成相应的图像。支持用户对生成的图像进行局部调整，提高灵活性。

原创 【AIGC】2024年，AI & ChatGPT会影响普通人吗？

衷心希望在2024年，AI能够帮助每一个普通人实现升职加薪，提升生活质量。通过积极学习和应用AI工具，我们可以在这一波技术浪潮中抓住机遇，迎接更加美好的未来。

原创 【AIGC】科普文：什么是Gemini，关于谷歌新的人工智能模型，你应该知道的一切

Gemini是谷歌推出的一款功能强大的新型人工智能模型。作为一个多模态模型，Gemini不仅能够理解和生成文本，还能处理图像、视频和音频内容。这使其在数学、物理等复杂领域的任务执行，以及各种编程语言的高质量代码理解和生成方面具备卓越能力。Gemini的核心特点包括：多模态处理：无缝理解和组合不同类型的信息（文本、代码、音频、图像、视频）。高效协作：由谷歌各团队大规模协作开发，从头构建，确保模型的综合性能。

原创 OpenAI 推出 SearchGPT - 它可以做什么以及如何访问？

OpenAI 推出了，开启了生成式 AI 时代，显著改变了人工智能（AI）市场。如今，OpenAI 再次迈出重要一步，力图撼动搜索引擎领域。

原创 如何使用ChatGPT，提示词篇之【编程代码】

通过以上提示词示例，用户可以更有效地与 ChatGPT 互动，充分发挥其在编程及其他领域的强大功能。根据具体需求调整提示词，有助于得到更精准和有用的回应。无论是学习、工作还是个人项目，善用 ChatGPT 都能极大提升效率和成果。

原创 OpenAI - o1 模型，自带思维链，可以推理和自我反思

在阅读了 OpenAI 的出版物后，我对其本质特点进行了总结，并得出了以下结论：1.复杂问题的推理能力显著提升：OpenAI-o1 在处理复杂问题时表现出色，尤其在逻辑任务方面。2.定期更新和改进：通过不断的训练，模型学会完善自己的思维过程，尝试不同的策略，并识别和纠正自己的错误。3.高水平的学术挑战能力：在物理、化学和生物学等方面，OpenAI-o1 能够应对具有挑战性的基准任务，表现类似于博士生。4.数学和编程能力强：在国际数学奥林匹克（IMO）中取得了83%的成绩，显示出卓越的数学和编码能力。

原创 检索增强生成（RAG）有什么好的优化方案？

RAG（检索增强生成）是一种结合了信息检索和内容生成的技术，常用于提升人工智能回答问题的准确性和相关性。本文将RAG的优化分为两个主要方向进行介绍：基础功能优化和架构优化。

原创 OpenAI o1：使用限额提高，o1 模型解析

OpenAI 的研究显示，增加推理计算资源能够大幅提升模型在各项基准测试中的性能，这表明投入更多计算资源是值得的。此外，o1 在处理超长的推理链时表现出色，能够处理长达 10 万到 20 万个 tokens 的推理过程，这在过去的强化学习应用中是前所未有的。传统语言模型通常采用顺序生成并缓存输出步骤，而 o1 需要在推理过程中进行并行生成和评估，这对基础设施提出了更高要求，这也是导致o1推理成本高的原因之一。o1 的核心在于通过大规模的强化学习进行训练，使模型能够在复杂的推理任务中逐步改进其思维链。

原创 关于软件开发的ChatGPT提示词

为名为 [name] 的 [class/module/component] 生成具有以下功能的样板 [language] 代码：[functionality description]。创建一个 [语言] 函数以使用以下输入对 [数据结构] 执行 [操作]：[输入变量] 和预期输出：[输出描述]。在 [语言] 中，完成以下用 [值] 初始化 [数据结构] 的代码片段：[code snippet]。完成以下遍历 [数据结构] 并执行 [操作] 的 [语言] 循环：[code snippet]。

原创 ChatGPT 高级语音功能（AVM：Advanced Voice Mode）正式上线！

好消息与坏消息同时到来。ChatGPT 终于推出了备受期待的高级语音功能（AVM），但遗憾的是，这次更新未包含之前演示过的视频对话和屏幕共享功能。目前，这项高级语音功能正在逐步推送给 ChatGPT Plus 和 Team 用户，建议相关用户尝试重新登录以确认是否已获得访问权限。

原创 Cursor程序员的屠龙刀

简而言之，Cursor Rules 是为 Cursor AI 编辑器设定的一系列规范，确保它生成的代码更符合你的开发风格和项目需求。类似于团队制定的代码规范，Cursor Rules 允许我们自定义代码的命名规则、注释标准、代码结构等。通过这些规则，AI 编辑器可以更好地理解我们的编码习惯，从而生成质量更高、更加一致的代码。app/layout.jspage.jslib/styles/public/将上述代码保存到。