Software 2.0

用ChatGPT打磨文章

最近，在写完上一篇文章后，我有了一个新的编辑想法。我决定将写好的文章复制粘贴到ChatGPT中，使用一个非常有效的提示词，然后让它编辑我的文章。

扫描PDF的文本提取方法

本文探讨了两种强大的方法来解决这一问题，特别是在处理复杂布局和表格时：利用视觉语言模型（VLMs）以及结合文档分割和OCR进行准确的文本提取。

8个Web开发必备Chrome扩展

8个Web开发必备Chrome扩展

如果你正在寻找最佳的 Chrome 扩展程序来提高开发人员的工作效率，那么您来对地方了。

对2025年的14个预测

预测是一件可怕的事情。如果你预测正确，预测前发生的事件会使预测变得不那么大胆。如果你预测错误，你每天会被提醒 10,000 次。

基于LLM的IoT项目实践

几年前，我曾想过，“我可以使用 Alexa 来管理物理设备吗？”我创建了一个简单的演示项目，向我的业余无线电朋友展示。

开源的力量

开源是一种超能力；使用它并回馈社区，你会看到你的产品蓬勃发展！

AI代理的3个提示技巧

有效的提示工程技术已被证明在帮助大型语言模型（LLMs）生成更可靠、结构化和合理推理的响应方面至关重要。

7种工作流自动化AI代理

人工智能代理是自主程序，可以观察环境、做出决策并采取行动以实现特定目标。它们可以监控数据流、自动化复杂的工作流程并在没有持续人工监督的情况下执行任务。

10个职场必备AI头像生成器

一张漂亮的头像会对一个人的职业发展产生巨大影响。以下是对10个最佳人工智能头像生成器的评论。

9个AI开发必备JS开源库

有了可靠的 JavaScript/TypeScript 支持，将 AI 集成到 Web 应用程序中变得毫不费力，从而改善了前端和后端的开发体验。

9个最受欢迎的3D生成AI工具

9个最受欢迎的3D生成AI工具

AI驱动的 3D 对象生成器彻底改变了我们创建和可视化 3D 模型的方式，使该过程更加高效、准确且人人都能使用。

打造智能家居的AI代理

近十年来，我一直在研究智能家居 API。我购买了许多系统，构建了多个版本的集成 API、移动应用程序和聊天机器人，但它们从未完全实现真正的目标——像钢铁侠系列中的 JARVIS 一样的真正的AI驱动的家。

AI代理：规划与执行

AI 代理，也称为自主代理或智能代理，是一种能够与其环境交互并自主完成预定任务的生成式 AI 程序。

Qwen2-Audio微调探索音乐转录

Qwen2-Audio微调探索音乐转录

自动音乐转录是将 MP3 和 WAV 等音频文件转换为乐谱、吉他指法谱以及音乐家可能想要用乐器学习歌曲的任何格式的过程。

SPAR3D快速指南

SPAR3D 是一种最先进的开源模型，用于通过点云调节从单个图像快速前馈 3D 网格重建，以提高重建质量。

WhisperFlow实时音频转录库

WhisperFlow实时音频转录库

WhisperFlow是由 OpenAI 的 Whisper 模型提供支持的解决方案，旨在将传统的批处理转变为实时音频转录，确保现代应用程序的性能和准确性。

ModernBERT微调实现文本分类

ModernBERT微调实现文本分类

ModernBERT 是最近发布的传统 BERT 模型的改进版本，本文将深入研究针对文本分类任务对 ModernBERT 进行微调。

DSPy Agent开发简明教程

DSPy Agent开发简明教程

本教程的目标是指导你完成使用 DSPy 构建简单代理应用程序的过程。由于 DSPy 不是代理框架，因此这实际上更像是一篇“DSPy 为你提供什么和不为你提供什么”类型的帖子。

Qwen-2 VL微调数据集制作指南

Qwen-2 VL微调数据集制作指南

在本文中，我将引导你完成使用 LLaMA-Factory 创建用于微调 Qwen-2-VL 的视觉语言数据集的整个过程。

用YOLO分析文档布局

分析文档布局至关重要，因为它有助于正确解释和理解文档内容。随着 RAG 的兴起，它变得更加重要，因为它严重依赖于准确解析文档的能力。

多模态文档图像数据增强

本文介绍介绍如何使用与 Albumentations AI 合作开发的一种TextImage Augmentation实现文档图像数据增强。

Donut模型微调实用指南

在本指南中，我将向你介绍我用来微调 Donut 模型的确切步骤，以便你可以根据特定领域的需求对其进行调整。

DONUT：无需OCR的文档理解

DONUT：无需OCR的文档理解

从非结构化文档中提取数据始终是一项挑战。以前，我们曾经使用基于规则的方法来解决此类问题，现在DONUT是最先进的解决方案之一。

LayoutLM文档提取指南

LayoutLM 是一种革命性的模型，结合了文本识别和布局理解的强大功能，可以准确地从结构化文档中提取实体。

EasyOCR微调简明教程

你使用的 OCR 可能无法满足你的特定需求。在这种情况下，微调 OCR 引擎是可行的方法。在本教程中，我将向你展示如何微调 EasyOCR。