Tagged

LIBRARY

A collection of 219 posts

LIBRARY

10个RAG开发必备PDF解析库

本文介绍用于开发RAG系统所需的解析带有图像、表格和表单的 PDF 文档的10个顶级开发库。

LIBRARY

Ollama-OCR 简明教程

Llama 3.2-Vision 是一个多模态大型语言模型，有 11B 和 90B 两种大小，能够处理文本和图像输入以生成文本输出。该模型在视觉识别、图像推理、图像描述和回答与图像相关的问题方面表现出色，在多个行业基准测试中优于现有的开源和闭源多模态模型。 在本文中，我将介绍如何调用由 Ollama 运行的 Llama 3.2-Vision 11B 建模服务并使用 Ollama-OCR 实现图像文本识别 (OCR) 功能。 Ollama-OCR 的功能： 使用 Llama 3.2-Vision 模型进行高精度文本识别保留原始文本格式和结构支持多种图像格式：JPG、JPEG、PNG可自定义的识别提示和模型Markdown 输出格式选项强大的错误处理1、环境安装在开始使用 Llama 3.2-Vision 之前，需要安装 Ollama，这是一个支持在本地运行多模态模型的平台。按照以下步骤进行安装： 下载 Ollama：访问

LIBRARY

ComfyUI消息机制

本文介绍ComfyUI自定义节点开发需要了解的服务端（Python）和客户端（JavaScript）之间的消息传递。

LIBRARY

AISuite：GenAI平台统一API

aisuite为AI应用开发者提供简单、统一的多个生成式 AI 提供商接口。

LIBRARY

AWS Multi-Agent-Orchestrator

AWS Multi-Agent-Orchestrator 是一个 Python 和 TypeScript 包，旨在创建多 AI 代理生态系统。

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。

LIBRARY

PyTorch vs. TensorFlow

本文将讨论 PyTorch 和 TensorFlow，比较它们的主要功能并解释如何根据你的需求选择合适的框架。

LIBRARY

gptpdf：基于gpt的pdf解析库

gptpdf是一个开源的python库，使用 VLM（如 GPT-4o）将 PDF 解析为 markdown。

LIBRARY

Magnetic-One多代理框架实战

本文介绍作者使用Magentic-One开发一个多代理系统来解决BLE解码问题，包含从文档检索到代码完成的整个过程。

LIBRARY

FireCrawl 网页抓取平台

Firecrawl 是一个以 REST API 形式公开的网络抓取引擎。你可以通过 cURL 从命令行使用它，也可以使用 Python、Node、Go 或 Rust 语言 SDK 之一使用它。

LIBRARY

Instructor-Marvin-Guardrails

本文对比3使用 LLM 进行数据提取的开发库Instructor、Marvin 和 Guardrails的使用方法并通过对比介绍如何选择最适合你的库。

LIBRARY

ExtractThinker 文档智能处理库

ExtractThinker是一个灵活的文档智能库，可帮助你从各种文档中提取和分类结构化数据，就像文档处理工作流的 ORM 一样。

LIBRARY

ComfyUI自定义节点数据类型

本文介绍ComfyUI自定义节点开发最重要的内置数据类型。你也可以定义自己的数据类型。

LIBRARY

ComfyUI自定义节点剖析

本文介绍ComfyUI自定义节点开发中的关键概念和属性。

LIBRARY

ComfyUI自定义节点开发演练

本指南将逐步指导你创建自定义节点的过程，该节点获取一批图像并返回其中一张图像。

LIBRARY

LangChain-Milvus混合向量搜索

在这篇博文中，我们将简要介绍密集嵌入和稀疏嵌入之间的区别，以及如何使用混合搜索来利用这两者。

LIBRARY

Magnetic-One多智能体框架

Magentic-One 是微软研究院开发的一款新型通用多代理系统，旨在处理基于跨不同领域的网络和文件信息的开放式任务。

LIBRARY

基于Chrome内置AI的Web开发

我们继续探索 Chrome 内置 AI，以了解和探索浏览器内置 AI 的不同用例。

LIBRARY

Chrome内置AI调用教程

Chrome团队一直致力于通过内置的 AI API 和模型（包括 Gemini Nano）将 AI API 和模型注入 Chrome 中。

LIBRARY

Vanna：SQL生成专用RAG框架

Vanna 是一个 MIT 许可的开源 Python RAG框架，用于 SQL 生成和相关功能。

LIBRARY

用TextGrad优化LLM提示

TextGrad 是一个 Python 包，它提供了一个简单的接口来实现用于文本优化的 LLM梯度，可以用来优化提示。

LIBRARY

Mesop：AI应用快速开发框架

Mesop是一个Google新发布的基于 Python 的 Web 应用框架，适合用于快速开发包含Web界面的AI应用。

LIBRARY

LlamaParse高级PDF解析器

LlamaParse 是一种支持生成 AI 的文档解析技术，专为包含嵌入对象（如表格和图形）的复杂文档而设计。

LIBRARY

AutoGen多代理AI编程框架

AutoGen 是 Microsoft 的一个开创性项目，它使用户能够根据需要创建任意数量的自主 ChatGPT 类代理。

LIBRARY

10个Unity3D开发必备AI插件

Unity3D作为一款强大的游戏开发引擎，其生态系统内的众多AI插件为开发者带来了丰富的工具支持，本文介绍10个在Unity3D开发中必备的AI插件。