APPLICATION
Imagen 3虚拟试穿实现
在这篇博客中，我将向你展示一个有趣的用例，说明如何使用 Imagen 3 查看一套衣服穿在你身上的效果——这是我经常遇到的一个实际问题。
GEMINI
APPLICATION
基于多模态LLM的PDF处理管道
我们的管道是一个两步过程。首先将每个页面分割成重要的块并总结每个块。其次对块进行一次索引，然后在每次收到请求时搜索这些块，并在 LLM 上下文中包含每个检索到的块的完整上下文。
APPLICATION
用Gemini自动提取PDF数据
在此博客中，我们将使用 Gemini 1.5 Flash 模型和 Google Apps Script 自动执行从 PDF 中提取详细信息并填充 Google Sheet 的过程。
TOOL
ComfyUI AnyNode
ComfyUI的AnyNode可以利用LLM大模型，实时为任何类型的计算或基于功能的任务创建自定义节点。
LIBRARY
PydanticAI支持验证的代理框架
PydanticAI是Pydantic作者推出的多代理开发框架，它利用Pydantic 验证静态和流式响应，确保可靠的数据处理，与 OpenAI、Gemini 和 Groq 模型兼容。
APPLICATION
用Agent Builder构建地图搜索
我们将使用 Agent Builder 为理发店构建一个搜索系统。可以将其视为创建一个专用的搜索微服务，可通过 REST API 访问，并可与你的应用集成。
LIBRARY
Apryse文档提取JS开发包
Apryse 是一款用于文档管理的一体化原生工具包，它提供了用于 Web、移动、客户端和服务器使用的库，涵盖 PDF 查看、注释、编辑、创建、生成，以及与我的需求最相关的：通过其服务器 SDK 提取数据，以 JSON、XML 甚至 XLSX 格式提供数据。
APPLICATION
DuckDB VSS实现电影推荐
在本指南中，我们将使用DuckDB VSS扩展和Gemini构建一个可以解决 Netflix 早期挑战的电影推荐引擎。
APPLICATION
RAG管道PDF图文处理
本文提出了一种利用 Gemini 1.5 Flash 的方法，通过标记包含非文本元素的页面、嵌入文本和图像，并将整个 PDF 页面存储在矢量数据库中，可以为文档摘要、问答和数据提取等任务提供更准确的响应。
LIBRARY
ComfyUI图像字幕节点开发教程
在这篇博文中，我们将介绍使用 ComfyUI 创建用于图像字幕的自定义节点的过程。此节点将以图像作为输入，并使用外部 API 返回生成的字幕。
APPLICATION
用代理和工具构建个人助理
使用代理和工具，我们可以在聊天界面 从自己的文档中检索数据、阅读/发送电子邮件、与内部数据库交互等。
TOOL
10个最佳报告生成AI工具
AI 报告生成器是使用AI自动执行从数据创建报告过程的软件工具。这些工具可以分析大量数据、识别趋势并总结发现，无需人工干预