Software 2.0

LLM微调综合指南

训练和微调模型是一项昂贵的苦差事，如果可以的话，你真的应该避免它，把省下的钱花在去阿鲁巴岛或任何你喜欢的度假胜地的旅行上。

本地AI驱动的图片标记工具

在本文中，我将介绍如何构建 AI 图像标记器/管理器，包括设置和运行本地视觉语言模型和用于语义搜索的矢量数据库。

HF Code Agent实践

HF Code Agent实践

本文，介绍如何使用 HF的Code Agent和Qwen2.5–7B-Instruct 创建多代理 RAG 系统

5个文本/表格提取Python包

5个文本/表格提取Python包

从非结构化数据中提取有意义的信息对于各种应用至关重要。从 PDF 等文档中提取文本和表格在数据分析、信息检索和自动化任务中发挥着重要作用。

4个OCR库的对比工具

我偶然发现了一个huggingface 空间，它允许你比较四种 OCR开发库之间的文本识别结果。

NuExtract简明教程

NuExtract 是专为结构化提取任务而设计的专用 LLM，本文介绍如何使用NuExtract提取文本中的结构化数据。

2025年关于AI的9个预测

随着我们迈向 2025 年，我们预计 AI 将迎来更加激动人心的篇章，这得益于去年创新的持续加速。

大模型训练/微调硬件指南

在本综合指南中，我们深入研究了训练和微调 LLM 所需的基本硬件设置，从普通的 7B/8B 模型到尖端的 70B 模型，以帮助你实现 AI 抱负。

图像数据异常值检测

在这篇文章中，我将研究为什么基于深度学习的方法在某些模态的异常值检测中效果很好。

ComfyUI-AppGen应用生成包

ComfyUI-AppGen应用生成包

ComfyUI-AppGen 是一个 ComfyUI 节点包，旨在使用自然语言生成和编辑单页应用程序 (SPA)。

18个软件测试必备AI工具

在本深入指南中，我们将探索 2024 年排名前 18 位的 AI 测试工具，这些工具有可能将你的测试流程提升到一个新的水平。

机器学习驱动的Web测试自动化

机器学习驱动的Web测试自动化

我的挑战；如何登录到任何地方的任何网站，而无需使用底层 HTML 与对象交互。

OpenAPI - AI代理的工具接口

OpenAPI - AI代理的工具接口

OpenAPI 规范是一个标准化的、与语言无关的框架，用于定义 HTTP API。它使人类和机器都能发现和理解服务的功能，而无需访问其源代码、详细文档或网络流量检查。

流程自动化：AI代理 vs. RPA

流程自动化：AI代理 vs. RPA

本文探讨了从传统的机器人流程自动化 (RPA) 到自主代理的突破性能力在塑造自动化未来方面的范式转变。

实时语音助手DIY

借助现代库和 API，创建响应式实时 AI 语音助手变得越来越容易。

2025年AI十大趋势

本文是领先的未来学家和投资者 Tomasz Tunguz 对 2024 年底数据和人工智能的看法—以及我自己的一些预测。

Llama Guard保障LLM对话安全

Llama Guard保障LLM对话安全

LLM对话安全在这里指的是保护整个客户体验—不允许他们查看个人信息，防范有毒内容、有害内容，以及基本上任何他们不应该看到但不会影响他们整体体验的内容。

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。

OmniParser提取小红书数据

OmniParser提取小红书数据

通过将 Omniparse 基于视觉的理解与语言模型 (LLM) 相结合，它可以成为 RPA 的可行替代方案，用于复杂的 Web 抓取，类似于 AgentQL 的功能。

财务文档的AI处理管线

我开发了一个集成 Phidata、n8n 和 Qdrant 的简化解决方案，以自动执行财务文件分析。

Phidata代理开发简明教程

Phidata代理开发简明教程

今天，我们将查看一个简单但功能强大的框架 Phidata，看看它如何让使用 LLM 代理变得轻而易举！

用本地TTS制作有声读物

在本指南中，我将带你了解使用 Nvidia 的 FastPitch 创建个性化有声读物解决方案的过程，从了解 TTS 基础知识到集成高级模型。

用DSPy提取网站词汇表

本文介绍如何实用DSPy为自己的网站生成术语词汇表，这大大提高了工作效率。

DSPy.Image：视觉模型支持

DSPy.Image：视觉模型支持

DSPy 最近在测试版中增加了对 VLM 的支持。本文介绍使用 DSPy 从图像中提取属性。

AI开发必备的3个DSPy技巧

AI开发必备的3个DSPy技巧

虽然 DSPy 和 AI 编程仍在不断发展，但找到清晰、可用于生产的指导可能很困难。