MODEL-ZOO
谷歌说，别再要求Gemini思考了
2025年3月25日，谷歌发布了Gemini 2.5思考模型API的文档页面。埋在其中的一段指导悄悄地让两年的主流提示词实践失效了。
GEMINI
APPLICATION
7个AI研究助理的对比分析
我用同一个提示测试了七种AI研究工具：四种通用LLM搜索产品）以及三种学术特定研究工具。
MODEL-ZOO
Gemini结构化输出API实践
最近我了解到Gemini的结构化输出API。与传统的多模态提示响应不同，它可以根据输入模式返回一个JSON负载。
APPLICATION
集成Llama模型与MCP服务器
在这篇博客文章中，我们将学习如何使用任何开源LLM、OpenAI或Google Gemini的MCP服务器。我们将构建一个简单的CLI代理，该代理可以控制和与SQLite数据库交互。
APPLICATION
基于AI 代理的PDF文档总结
本文的目的是使用 AI 代理，以尽可能低的成本总结任何 PDF 文档。
APPLICATION
Gemini驱动的视频分析代理
今天，我想分享一个一直占据我思维的项目：构建一个可以观看视频并与之进行有意义对话的人工智能代理。让我来向你介绍我的思路……
LIBRARY
8个最强大的OCR工具与服务
我探索了各种 OCR 工具和服务，并根据它们的特点（例如价格、准确性和实施工作量）将它们分为三个不同的类别：生成式AI、视觉AI和开源库。
APPLICATION
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。
MODEL-ZOO
9个主流OCR模型的综合评测
在这篇博文中，我们比较了9种不同的 OCR 解决方案，并比较了它们在工业 OCR 应用的10个不同领域的功效。
LIBRARY
ExtractThinker+Gemini 2.0
本文探讨 Google 的 Gemini 2.0 模型如何与 ExtractThinker结合使用，从而增强智能文档处理 (IDP)
APPLICATION
从PDF文章生成幻灯片和演讲视频
和大多数人一样，NotebookLM 及其从一组文档生成播客的能力让我大吃一惊。然后，我开始思考：“他们是如何做到这一点的，我在哪里可以获得这种魔力？”复制起来有多容易？
TOOL
Unstract零代码AI文档处理平台
Unstract是一个功能强大的基于 AI 的平台，可简化文档处理。本文探讨了 AI 文档处理的来龙去脉，以及 Unstract 如何简化你企业的文档处理需求。