#AI #App #Tools
RIZZ —— 聊天 App 上的王牌助攻
💬 RIZZ 是一款最近在美区 app store 上排行榜较高的 AI app，不过不同于我们看到的聊天软件，你并不是用它的 app 来和虚拟人物聊天，它是一款聊天主攻软件
❤️🔥 整款 app 主要支持你上传你和朋友或是约会对象聊天的截图，在读取截图里面的内容后，它会给到你接话的建议和内容，帮你去「优化」和「提升」整个对话质量
🎓 创立 RIZZ 的是四名大三学生：20 岁的 Charis Zhang 和 Oliver Johansson、19 岁的 Tobias Worledge，他们就读柏克莱加州大学，加上 20 岁的南加大学生 Daniel He
🥺 虽然整款 app 都做的还不错，但是我觉得这时代真不容易啊，以后跟朋友聊天都不知道是不是人家的 AI 小号在我跟讲话了
频道：@NewlearnerChannel | @RollerRolling
RIZZ —— 聊天 App 上的王牌助攻
💬 RIZZ 是一款最近在美区 app store 上排行榜较高的 AI app，不过不同于我们看到的聊天软件，你并不是用它的 app 来和虚拟人物聊天，它是一款聊天主攻软件
❤️🔥 整款 app 主要支持你上传你和朋友或是约会对象聊天的截图，在读取截图里面的内容后，它会给到你接话的建议和内容，帮你去「优化」和「提升」整个对话质量
🎓 创立 RIZZ 的是四名大三学生：20 岁的 Charis Zhang 和 Oliver Johansson、19 岁的 Tobias Worledge，他们就读柏克莱加州大学，加上 20 岁的南加大学生 Daniel He
🥺 虽然整款 app 都做的还不错，但是我觉得这时代真不容易啊，以后跟朋友聊天都不知道是不是人家的 AI 小号在我跟讲话了
频道：@NewlearnerChannel | @RollerRolling
#Web #AI #GitHub情报
📩 接读者来稿，他向我们分享了一款在线 AI 网页项目
🔮 ChatGPT-Midjourney：一键拥有你自己的 ChatGPT + Midjourney 网页服务
🔗：GitHub | Releases
👉 Features：
- 支持 ChatGPT-Next-Web 的所有功能
- 引入 Midjourney 支持，包含 imgine 想象 / upscale 放大 / variation 变幻 / describe 识图 / blend 混图 / 垫图
- 绘图进度百分比、实时图像显示
- 支持 Docker、Vercel 等多种方式部署
💡 ChatGPT-Midjourney 项目的开发基于 ChatGPT-Next-Web，不同的是引入了 Midjourney 支持。当你部署完项目，就可以在自己的网页与 AI 聊天、绘图了
🛠 本项目提供了多种部署方式，支持 Docker、Vercel、Railway 快速部署，也支持手动部署。当然，你需要提前准备好 OpenAI 和 Midjourney 对应的 API
🥳 在 AIGC 项目不断开放自己 API 的当下，很多开源项目应运而生，给我们带来了更丰富、更自定义、更开放的 Web 体验。欢迎大家使用这些项目，也可以分享一下自己在用的同类项目
📘 关联阅读：
1️⃣ 支持 OpenAI ChatGPT API 的优秀软件们
2️⃣ Towards artificial general intelligence：聊聊通用人工智能
频道：@NewlearnerChannel
📩 接读者来稿，他向我们分享了一款在线 AI 网页项目
🔮 ChatGPT-Midjourney：一键拥有你自己的 ChatGPT + Midjourney 网页服务
🔗：GitHub | Releases
👉 Features：
- 支持 ChatGPT-Next-Web 的所有功能
- 引入 Midjourney 支持，包含 imgine 想象 / upscale 放大 / variation 变幻 / describe 识图 / blend 混图 / 垫图
- 绘图进度百分比、实时图像显示
- 支持 Docker、Vercel 等多种方式部署
💡 ChatGPT-Midjourney 项目的开发基于 ChatGPT-Next-Web，不同的是引入了 Midjourney 支持。当你部署完项目，就可以在自己的网页与 AI 聊天、绘图了
🛠 本项目提供了多种部署方式，支持 Docker、Vercel、Railway 快速部署，也支持手动部署。当然，你需要提前准备好 OpenAI 和 Midjourney 对应的 API
🥳 在 AIGC 项目不断开放自己 API 的当下，很多开源项目应运而生，给我们带来了更丰富、更自定义、更开放的 Web 体验。欢迎大家使用这些项目，也可以分享一下自己在用的同类项目
📘 关联阅读：
1️⃣ 支持 OpenAI ChatGPT API 的优秀软件们
2️⃣ Towards artificial general intelligence：聊聊通用人工智能
频道：@NewlearnerChannel
#Web #AI
🔮 基于 Stable Diffusion 的 Art QR 二维码生成项目
近期 AI 生成的艺术二维码非常火爆，今天就和大家一起分享，有哪些项目和方法能够实现这一点
1️⃣ ControlNet for QR Code
🔗：Web
这是 qrbtf 开发者的新作品，通过 ControlNet 模型得到了准确的二维码 + 好看的背景的组合体。其中需要 Stable Diffusion 结合 LoRA 和 ControlNet 一起实现
测试模型训练完毕后，开发者尝试了多种 Checkpoint + LoRA + QR Code ControlNet 的组合，得到了近 10 种风格迥异的艺术二维码设计风格，大家可前往网页自行挑选模型
这篇文章 详细介绍了 Atr QR 的生成过程，大家可以作为参考；你也可以在 这里 看到更多官方的生成效果
2️⃣ QuickQR Art
🔗：Web
作为一个平面二维码生成网站，QuickQR Art 也跟上了潮流，推出了他们的 Art QR 内测。用户在官网生成平面二维码后，需要加入内测 Discord 频道，并对图片进行 AI 二次加工
相比于第一种方法固定的模型和艺术生成风格，在这里你可以大胆尝试不同的「提示词」，得到不同的艺术生成风格
频道：@NewlearnerChannel
🔮 基于 Stable Diffusion 的 Art QR 二维码生成项目
近期 AI 生成的艺术二维码非常火爆，今天就和大家一起分享，有哪些项目和方法能够实现这一点
1️⃣ ControlNet for QR Code
🔗：Web
这是 qrbtf 开发者的新作品，通过 ControlNet 模型得到了准确的二维码 + 好看的背景的组合体。其中需要 Stable Diffusion 结合 LoRA 和 ControlNet 一起实现
测试模型训练完毕后，开发者尝试了多种 Checkpoint + LoRA + QR Code ControlNet 的组合，得到了近 10 种风格迥异的艺术二维码设计风格，大家可前往网页自行挑选模型
这篇文章 详细介绍了 Atr QR 的生成过程，大家可以作为参考；你也可以在 这里 看到更多官方的生成效果
2️⃣ QuickQR Art
🔗：Web
作为一个平面二维码生成网站，QuickQR Art 也跟上了潮流，推出了他们的 Art QR 内测。用户在官网生成平面二维码后，需要加入内测 Discord 频道，并对图片进行 AI 二次加工
相比于第一种方法固定的模型和艺术生成风格，在这里你可以大胆尝试不同的「提示词」，得到不同的艺术生成风格
频道：@NewlearnerChannel
#AI #Blockchain
🤖 un.block.ai for Web3 and Developers #7
竹白 | Substack
🏦 融资
1. AI + Web3 搜索引擎开发团队 Kaito 完成 550 万美元 A 轮融资，估值 8750 万美元
2. Applied Digital 宣布自己签约第二名新客户 Sai Computing，合约最高估值 4.6 亿美元
3. FTX 寻求出售 AI 初创公司 Anthropic 股票
4. Gensyn 完成 4300 万美元 A 轮融资，a16z 领投。Gensyn 专注于让开发者能够以更低成本开发，并在协议上共享和确认 AI 模型
🎁 产品
1. 加密货币钱包 Core 推出 AvaGPT
2. RSS3 宣布推出 OpenAI 官方支持的 ChatGPT 插件
3. Matter Labs 发布「ZK Credo」宣言，包括诸如可靠性和隐私的多项基本原则
4. Bitget 推出马丁格尔 AI 投资策略，推进人工智能与 Web3 生态结合
5. ENS 推出自训练的 NickGPT，用于回答用户问题
6. Quivr: 桌面端程序提供为 LLM 添加知识库
🛬 工具库更新
1. MegaEase Cloud 推出具有性价比的 GPU 服务。官方提供 Stable Diffusion WebUI，ChatGLM 知识库 QA，Deepfake，Pytorch，Tensorflow，模拟任何人的声音，Lit-Parrot 微调大模型等模版。提供 GPU 存储服务
2. EmbedChain：为 LLM 轻松添加知识数据库
3. Cohere OpenSearch：支持近义词搜索的 Similarity Search
Semantic search 是一个比较灵活的概念，可以从最简单的单个关键词匹配到难度较高的内容匹配
根据这个基础定义，Cohere 提供的 Aemantic search model 也分为几个难度，不过整体都基于 Similarity 相似度的匹配结果，将比较模糊的问题转换为数据库内存在的精确问题，并且查询数据库的文档找到答案。这是一个针对模糊性问题很好的设计，但需要依赖强大的语言理解（NLU）模型和庞大的数据库支持。。
这个项目本身代码开源的部分较少，但从 Demo 来看，项目本身大量依赖外部计算库，本身的相似度匹配算法则比较简单易懂。
频道：@unblock256 | @NewlearnerChannel
🤖 un.block.ai for Web3 and Developers #7
竹白 | Substack
🏦 融资
1. AI + Web3 搜索引擎开发团队 Kaito 完成 550 万美元 A 轮融资，估值 8750 万美元
2. Applied Digital 宣布自己签约第二名新客户 Sai Computing，合约最高估值 4.6 亿美元
3. FTX 寻求出售 AI 初创公司 Anthropic 股票
4. Gensyn 完成 4300 万美元 A 轮融资，a16z 领投。Gensyn 专注于让开发者能够以更低成本开发，并在协议上共享和确认 AI 模型
🎁 产品
1. 加密货币钱包 Core 推出 AvaGPT
2. RSS3 宣布推出 OpenAI 官方支持的 ChatGPT 插件
3. Matter Labs 发布「ZK Credo」宣言，包括诸如可靠性和隐私的多项基本原则
4. Bitget 推出马丁格尔 AI 投资策略，推进人工智能与 Web3 生态结合
5. ENS 推出自训练的 NickGPT，用于回答用户问题
6. Quivr: 桌面端程序提供为 LLM 添加知识库
🛬 工具库更新
1. MegaEase Cloud 推出具有性价比的 GPU 服务。官方提供 Stable Diffusion WebUI，ChatGLM 知识库 QA，Deepfake，Pytorch，Tensorflow，模拟任何人的声音，Lit-Parrot 微调大模型等模版。提供 GPU 存储服务
2. EmbedChain：为 LLM 轻松添加知识数据库
3. Cohere OpenSearch：支持近义词搜索的 Similarity Search
Semantic search 是一个比较灵活的概念，可以从最简单的单个关键词匹配到难度较高的内容匹配
根据这个基础定义，Cohere 提供的 Aemantic search model 也分为几个难度，不过整体都基于 Similarity 相似度的匹配结果，将比较模糊的问题转换为数据库内存在的精确问题，并且查询数据库的文档找到答案。这是一个针对模糊性问题很好的设计，但需要依赖强大的语言理解（NLU）模型和庞大的数据库支持。。
这个项目本身代码开源的部分较少，但从 Demo 来看，项目本身大量依赖外部计算库，本身的相似度匹配算法则比较简单易懂。
频道：@unblock256 | @NewlearnerChannel
#AI #GitHub情报 #Web
🔮 Anse：又一个开源 AI WebUI 项目
🔗：GitHub | Web
👉 Features：
- 目前支持 OpenAI、Replicate 平台，未来计划支持更多平台
- 支持多平台插件扩展
- 会话记录保存于本地
- 提供不同的对话模式
- 优化用户界面体验
- 轻松部署，支持多个 PaaS 平台部署
💡 从网页设计、功能性和文档来看，Anse 是一个很用心的项目。和我们之前介绍过其他类似的项目一样，用户需要自备对应 AI 平台的 API
🛠 部署方面，Anse 同样提供了 Vercel、Netlify、Docker、Node 等多种平台与方式。用户所有会话信息将保存在本地，不会上传至云端
👀 开发团队也给出了详细的 Roadmap，未来还会继续带来全局搜索、提示词商店、包括网络读取在内的插件系统等新功能，大家可以持续关注一下
📘 关联阅读：ChatGPT-Midjourney | 一键拥有你自己的 ChatGPT + Midjourney 网页服务
频道：@NewlearnerChannel
🔮 Anse：又一个开源 AI WebUI 项目
🔗：GitHub | Web
👉 Features：
- 目前支持 OpenAI、Replicate 平台，未来计划支持更多平台
- 支持多平台插件扩展
- 会话记录保存于本地
- 提供不同的对话模式
- 优化用户界面体验
- 轻松部署，支持多个 PaaS 平台部署
💡 从网页设计、功能性和文档来看，Anse 是一个很用心的项目。和我们之前介绍过其他类似的项目一样，用户需要自备对应 AI 平台的 API
🛠 部署方面，Anse 同样提供了 Vercel、Netlify、Docker、Node 等多种平台与方式。用户所有会话信息将保存在本地，不会上传至云端
👀 开发团队也给出了详细的 Roadmap，未来还会继续带来全局搜索、提示词商店、包括网络读取在内的插件系统等新功能，大家可以持续关注一下
📘 关联阅读：ChatGPT-Midjourney | 一键拥有你自己的 ChatGPT + Midjourney 网页服务
频道：@NewlearnerChannel
#Newsletter #AI #News
🤖 un.block.ai for Web3 and Developers #8 by Glaze & Gills
竹白 | Substack | 知乎 | Mirror
🏦 融资
1. AI 和加密货币初创公司 Giza 获得 300 万美元融资，并推出自家框架 Cairo 的简易教程
2. 自动化客服公司 AwesomeQA 获得 280 万美元融资，Coinbase Ventures 和 Uniswap Labs Ventures 参投
3. Web3 开发公司法国 Narval 完成 400 万美元的种子融资，BlockTower VC 领投
4. FTX Japan 开始招聘，称将关注 AI 开发领域
5. 日本企业 Cybozu 推出新基金 Kintone Teamwork Fund，聚焦于 Web3 和 AI
6. Lighting Labs 推出基于 AI 的比特币模型，可使用基于大型语言模型的应用进行比特币交易
7. 筑波大学团队推出基于链上数据的 AI 投资组合管理系统 CryptoRLPM
8. Web3 数据智能公司 Web3Go 获得 400 万美元融资，Binance Labs 及 Hashkey Capital参投
9. 基于 ZK-rollup 证明技术的 Web3 隐私公司 Ola 获得 300 万美元融资，Foresight Ventures 参投
💬 洞见
Emerging Architecture for LLM Applications
这篇文章展示了目前开发，维护一个 AI App 需要的基础设施。
文章中主要关注于结合上下文，数据库，使用 LLM 提供更加精准、实时的答案，降低幻觉的发生。
除了问答机器人，另一个 a16z 觉得有前途的方向是 Agents。AI 使用工具和自我反馈、学习来达成一些目标，例如全自动写代码，写报告，改 Bug 等等。在其他大的 AI 企业也看到正在努力钻研 Agents 方向。
State of GPT
GPT 的训练分为四个阶段
- 预训练
- 监督训练
- 奖励训练
- 强化训练
目前大部分模型为与训练后的模型，例如 GPT，LLaMA，PaLM。他们擅长补全文章，但是不擅长指令，和用户问答。这一阶段需要的资源和数据量最大。
在这些基础模型之上，开发者进行监督训练。让这些基础模型具备回应指令的功能，例如 Vicuna-13B。
奖励训练和强化训练可以提升模型输出的质量，到那时训练过程较为复杂，很少有模型经过这两个阶段。
Chain of Thoughts 背后的原理是 LLM 无法区分哪一部分文字需要花更多时间思考。LLM 在每一个生成的文字上所花费的计算资源是一样的。这就导致了面对较难的问题容易出错因为计算时间不够长。让 LLM 多思考的方法就是让它多生成文字。对于指定问题生成更多的文字就代表它思考的越多，花费了更多计算资源。
角色扮演背后的原理是虽然 LLM 可以分辨答案的优劣，但 LLM 并不会下意识的输出最优质的答案。通过专业，高 IQ 等角色预设，LLM 会输出更加优质的答案。
目前有效的 Prompt 技巧是
- Tree works
- Chain of thoughts works
- ReAct works
但是 Auto GPT 并没有被证明有效。将任务分成子任务并不一定是有效的方案。
Vector Database
为何使用向量数据库？
- LLM 中的信息是过时的。如果我们想要注入数据，我们需要向量数据库
- 企业想要与他们的数据进行交流
为什么我们不把所有东西都放在提示里？
- 我们构建一个数据缓存层。它在向量库中存储相关信息和生成的聊天内容。通过不在提示中发送所有内容，我们可以降低成本
为什么我们不微调模型以获取新信息？
- LLM 是统计模型。它需要大量相似的样本来更新信息
如何构建一个文档问答机器人？
- 抓取所有文档并将其存储在向量数据库中。生成样本问题和答案并将它们存储在向量数据库中（有这样的文档，我可以问哪些问题）
何时不使用向量数据库？
- 如果是键值对
- 如果不是语义的
如何保持向量数据库中的数据更新是当前行业的一个问题
➕ 更多洞悉
- AI 和 Web3 的结合会是什么样的？
- 在文字分类工作上， LLM 能打败传统模型吗？
竹白 | Substack | 知乎 | Mirror
频道：@unblock256
🤖 un.block.ai for Web3 and Developers #8 by Glaze & Gills
竹白 | Substack | 知乎 | Mirror
🏦 融资
1. AI 和加密货币初创公司 Giza 获得 300 万美元融资，并推出自家框架 Cairo 的简易教程
2. 自动化客服公司 AwesomeQA 获得 280 万美元融资，Coinbase Ventures 和 Uniswap Labs Ventures 参投
3. Web3 开发公司法国 Narval 完成 400 万美元的种子融资，BlockTower VC 领投
4. FTX Japan 开始招聘，称将关注 AI 开发领域
5. 日本企业 Cybozu 推出新基金 Kintone Teamwork Fund，聚焦于 Web3 和 AI
6. Lighting Labs 推出基于 AI 的比特币模型，可使用基于大型语言模型的应用进行比特币交易
7. 筑波大学团队推出基于链上数据的 AI 投资组合管理系统 CryptoRLPM
8. Web3 数据智能公司 Web3Go 获得 400 万美元融资，Binance Labs 及 Hashkey Capital参投
9. 基于 ZK-rollup 证明技术的 Web3 隐私公司 Ola 获得 300 万美元融资，Foresight Ventures 参投
💬 洞见
Emerging Architecture for LLM Applications
这篇文章展示了目前开发，维护一个 AI App 需要的基础设施。
文章中主要关注于结合上下文，数据库，使用 LLM 提供更加精准、实时的答案，降低幻觉的发生。
除了问答机器人，另一个 a16z 觉得有前途的方向是 Agents。AI 使用工具和自我反馈、学习来达成一些目标，例如全自动写代码，写报告，改 Bug 等等。在其他大的 AI 企业也看到正在努力钻研 Agents 方向。
State of GPT
GPT 的训练分为四个阶段
- 预训练
- 监督训练
- 奖励训练
- 强化训练
目前大部分模型为与训练后的模型，例如 GPT，LLaMA，PaLM。他们擅长补全文章，但是不擅长指令，和用户问答。这一阶段需要的资源和数据量最大。
在这些基础模型之上，开发者进行监督训练。让这些基础模型具备回应指令的功能，例如 Vicuna-13B。
奖励训练和强化训练可以提升模型输出的质量，到那时训练过程较为复杂，很少有模型经过这两个阶段。
Chain of Thoughts 背后的原理是 LLM 无法区分哪一部分文字需要花更多时间思考。LLM 在每一个生成的文字上所花费的计算资源是一样的。这就导致了面对较难的问题容易出错因为计算时间不够长。让 LLM 多思考的方法就是让它多生成文字。对于指定问题生成更多的文字就代表它思考的越多，花费了更多计算资源。
角色扮演背后的原理是虽然 LLM 可以分辨答案的优劣，但 LLM 并不会下意识的输出最优质的答案。通过专业，高 IQ 等角色预设，LLM 会输出更加优质的答案。
目前有效的 Prompt 技巧是
- Tree works
- Chain of thoughts works
- ReAct works
但是 Auto GPT 并没有被证明有效。将任务分成子任务并不一定是有效的方案。
Vector Database
为何使用向量数据库？
- LLM 中的信息是过时的。如果我们想要注入数据，我们需要向量数据库
- 企业想要与他们的数据进行交流
为什么我们不把所有东西都放在提示里？
- 我们构建一个数据缓存层。它在向量库中存储相关信息和生成的聊天内容。通过不在提示中发送所有内容，我们可以降低成本
为什么我们不微调模型以获取新信息？
- LLM 是统计模型。它需要大量相似的样本来更新信息
如何构建一个文档问答机器人？
- 抓取所有文档并将其存储在向量数据库中。生成样本问题和答案并将它们存储在向量数据库中（有这样的文档，我可以问哪些问题）
何时不使用向量数据库？
- 如果是键值对
- 如果不是语义的
如何保持向量数据库中的数据更新是当前行业的一个问题
➕ 更多洞悉
- AI 和 Web3 的结合会是什么样的？
- 在文字分类工作上， LLM 能打败传统模型吗？
竹白 | Substack | 知乎 | Mirror
频道：@unblock256
#iOS #APP #AI #Blog
📩 接读者来稿，他向我们推荐了自己开发的 iOS 热量记录软件
🍗 foodCa： AI 加持的热量记录 App
🔗：App Store
「我吃了三颗葡萄」「一大口西瓜和2勺蜂蜜」「拳头大小的米饭」
在 AI 辅助下，改变食物热量记录工具的使用方式，你只需要用口语化的表达，说出你一整天吃的食物，AI 自会分析其中包含的食材和每种食材的重量，然后通过食物数据库获取营养元素信息，并展示给你。
foodCa 使用 SwiftUI 开发，支持 iOS 15 及以上系统，模型从一开始就嵌入 ChatGPT，目前我也有在测试微调后的 ChatGLM，因而请求可能会随机到不同的模型去处理。
👉 Features
- 无广告
- 不断进化的垂直大模型
- 支持原始数据导出csv
- 食物热量及营养数据对接权威食物数据库（而非依靠模型知识），结果更准确
- 数据只储存在iCloud
- AI营养师可为每日食物做出评论和建议
- 查看热量摄入趋势图表
💬 开发者的话
自 6 月开始减肥以来，我目前一共减了 15 斤，这次我没有用任何复杂的办法，仅通过最简单和古老的「制造热量缺口」，我每天制造 500 大卡左右的热量缺口，效果出奇的好。
在这个过程当中，我尝试了多款热量记录工具，但是无一例外：他们要么充满夸张的广告，要么极为臃肿、塞进去了太多我不需要用到的东西。不仅如此，所有工具的记录都非常繁琐，我需要「输入食物名称」-「搜索」-「找到食物」-「设定重量」-「添加」。
过程的繁琐会让我失去记录的动力，从而失去对热量缺口的感知。所以我下定决心自己写一个工具，来满足「极为简便的记录」和「极为单纯的功能」这两个需求。
在减肥的过程中，我完成了 FoodCa 的开发，并成为其重度用户。它不会占用我太多时间，但由于它的存在，记录变成了一件有趣和值得我期待的事情，我希望也能带给你这样的体验。
👨🏻💻 foodCa开发过程记于博客：Blog
❤️ 欢迎大家下载试用，并在评论区反馈问题和需求，希望 foodCa 能够帮助同样有热量控制需求的你
频道：@NewlearnerChannel
📩 接读者来稿，他向我们推荐了自己开发的 iOS 热量记录软件
🍗 foodCa： AI 加持的热量记录 App
🔗：App Store
「我吃了三颗葡萄」「一大口西瓜和2勺蜂蜜」「拳头大小的米饭」
在 AI 辅助下，改变食物热量记录工具的使用方式，你只需要用口语化的表达，说出你一整天吃的食物，AI 自会分析其中包含的食材和每种食材的重量，然后通过食物数据库获取营养元素信息，并展示给你。
foodCa 使用 SwiftUI 开发，支持 iOS 15 及以上系统，模型从一开始就嵌入 ChatGPT，目前我也有在测试微调后的 ChatGLM，因而请求可能会随机到不同的模型去处理。
👉 Features
- 无广告
- 不断进化的垂直大模型
- 支持原始数据导出csv
- 食物热量及营养数据对接权威食物数据库（而非依靠模型知识），结果更准确
- 数据只储存在iCloud
- AI营养师可为每日食物做出评论和建议
- 查看热量摄入趋势图表
💬 开发者的话
自 6 月开始减肥以来，我目前一共减了 15 斤，这次我没有用任何复杂的办法，仅通过最简单和古老的「制造热量缺口」，我每天制造 500 大卡左右的热量缺口，效果出奇的好。
在这个过程当中，我尝试了多款热量记录工具，但是无一例外：他们要么充满夸张的广告，要么极为臃肿、塞进去了太多我不需要用到的东西。不仅如此，所有工具的记录都非常繁琐，我需要「输入食物名称」-「搜索」-「找到食物」-「设定重量」-「添加」。
过程的繁琐会让我失去记录的动力，从而失去对热量缺口的感知。所以我下定决心自己写一个工具，来满足「极为简便的记录」和「极为单纯的功能」这两个需求。
在减肥的过程中，我完成了 FoodCa 的开发，并成为其重度用户。它不会占用我太多时间，但由于它的存在，记录变成了一件有趣和值得我期待的事情，我希望也能带给你这样的体验。
👨🏻💻 foodCa开发过程记于博客：Blog
❤️ 欢迎大家下载试用，并在评论区反馈问题和需求，希望 foodCa 能够帮助同样有热量控制需求的你
频道：@NewlearnerChannel
#App #AI
🔮 FlowGPT —— 愿为 Prompt 领域的 GitHub
🔗 链接：官网｜Telegram 群组
虽然标题可能有些夸张，但这确实是我们的目标和追求。首先，让我们先跟大家见个面：
我们的团队源于 UC Berkley，我们的愿景是打造一个 Prompt 版的 GitHub，让所有创作者都能通过创新思维解锁 Prompt 的无限可能。在 FlowGPT，你不仅可以探索各种独特且有趣的 Prompt，还可以免费使用如 ChatGPT 4、Claude、Llama 2 等先进的人工智能模型，来验证和体验这些 Prompt 的魅力。
🥰 特色介绍：
- 丰富的中英文 Prompt
我们的平台上汇集了大量由优秀的 AI 创作者创作的各种有趣的 Prompt。从解梦到语言 Cosplay，从市场营销到学术内容，我们拥有涵盖各个领域的 Prompt。
- 用户友好，无需离开平台即可使用 Prompt
我们了解到，用户在使用 Prompt 时需要在多个平台之间切换，这无疑增加了使用的复杂性。因此，我们将 GPT - 3.5 和 GPT - 4 的 API 都整合到了平台中。目前，用户可以免费使用 GPT 3.5，而 GPT 4 则只需要消耗 Flux 即可使用。
- 经常举办有丰厚奖励的 Prompt 竞赛
我们了解到很多人对 Prompt 有着自己独特的见解，但由于 AI 是个新领域，他们无法充分展示自己的才华。在 FlowGPT，我们经常会与其他品牌合作，举办 Prompt Battles。在最近与 CARV 联合举办的 Prompt 竞赛中，奖金池中一共有 600 USD 供每个参与者争夺。
- 不仅是 Prompt 分享平台
生成式人工智能已经成为了一个最新的热门领域。在 FlowGPT，我们经常会邀请一些知名的创作者，或是在之前的 Prompt Battles 中获胜的创作者进行分享，举办 Workshop 来帮助更多人了解如何撰写 Prompt。
👨🏻💻 在介绍了我们的“商业”功能后，我们想借此机会深入探讨我们对于 AI、Prompt 的看法。
有人在网上说，Prompt 只是生成式人工智能还没成熟的畸形产物，或是瞧不起所谓的“Prompt 工程师”。对于这种说法，我们的观点是，时间会给出答案。
首先，当计算机编程刚出现的时候，也有很多人有类似的疑问，“既然现在都能自动控制计算机了，那编程员总有一天会失业。”这种说法不无道理，因为乐观的向前看总是人们的天性。然而，直到 2022 年 ChatGPT 出现，一些最基本的代码编写的任务才被取代，即使现在出了 GPT-4，程序员也没有被完全取代。也许是几代之后的 GPT 才有可能会完全取代程序员
但，就算程序员最终会被取代，难道 GitHub 就不应该存在吗？显然不是。首先，从 GitHub 成立到现在的 15 年间，它一直是程序员们必不可少的工具，起到了一个关键的过渡作用。其次，正是因为有 GitHub 这样的平台，GPT 才能收集大量高质量的代码进行训练，才有今天 GPT-4 的编程能力。
其次，可能有的人会想，“只要 GPT 能够达到完全的自然语言处理能力，Prompt Engineer 就失业了”，我认为这也是完全错误的。请想一下，在工作中，为什么有人会专门负责对接甲方/乙方，而不是直接让老板进行对接？因为不同人对于一件事的表达能力是不同的，有些人能够流畅的、连贯的、分层次的表达出一些内容（对应会使用 Prompt 的）；而有些人只能模糊不清的、含糊的表达出自己的想法，最终导致对方听到的和自己心里想的不一样（对应还不了解 Prompt 如何使用的）。
对于人工智能的未来，我们的想法是，未来属于 AI。我们需要敢于想象，例如 LLM 是否可以用作看病人简历，帮助医生减轻工作量？是否可以用来阅读文章，打破原有互联网的浏览模式？等等…只要敢想，就能做到。
最后，欢迎大家加入我们的 Telegram 群组，在 Telegram 群组中我们会不定期举办活动，参与即可获得大量 Flux 来使用 GPT-4；同时，群内也会组织一些 Prompt Workshop，现在已经在逐渐形成一个良好的 Prompt、AI 讨论的氛围。所有所需链接都在上方。
💬 欢迎大家在评论中留言，分享自己撰写 Prompt 的经验。我将会从有效评论读者中抽取 5 人，每人送出 100 Flux（Flux 是 FlowGPT 中的一种付费点）
频道：@NewlearnerChannel
🔮 FlowGPT —— 愿为 Prompt 领域的 GitHub
🔗 链接：官网｜Telegram 群组
虽然标题可能有些夸张，但这确实是我们的目标和追求。首先，让我们先跟大家见个面：
我们的团队源于 UC Berkley，我们的愿景是打造一个 Prompt 版的 GitHub，让所有创作者都能通过创新思维解锁 Prompt 的无限可能。在 FlowGPT，你不仅可以探索各种独特且有趣的 Prompt，还可以免费使用如 ChatGPT 4、Claude、Llama 2 等先进的人工智能模型，来验证和体验这些 Prompt 的魅力。
🥰 特色介绍：
- 丰富的中英文 Prompt
我们的平台上汇集了大量由优秀的 AI 创作者创作的各种有趣的 Prompt。从解梦到语言 Cosplay，从市场营销到学术内容，我们拥有涵盖各个领域的 Prompt。
- 用户友好，无需离开平台即可使用 Prompt
我们了解到，用户在使用 Prompt 时需要在多个平台之间切换，这无疑增加了使用的复杂性。因此，我们将 GPT - 3.5 和 GPT - 4 的 API 都整合到了平台中。目前，用户可以免费使用 GPT 3.5，而 GPT 4 则只需要消耗 Flux 即可使用。
- 经常举办有丰厚奖励的 Prompt 竞赛
我们了解到很多人对 Prompt 有着自己独特的见解，但由于 AI 是个新领域，他们无法充分展示自己的才华。在 FlowGPT，我们经常会与其他品牌合作，举办 Prompt Battles。在最近与 CARV 联合举办的 Prompt 竞赛中，奖金池中一共有 600 USD 供每个参与者争夺。
- 不仅是 Prompt 分享平台
生成式人工智能已经成为了一个最新的热门领域。在 FlowGPT，我们经常会邀请一些知名的创作者，或是在之前的 Prompt Battles 中获胜的创作者进行分享，举办 Workshop 来帮助更多人了解如何撰写 Prompt。
👨🏻💻 在介绍了我们的“商业”功能后，我们想借此机会深入探讨我们对于 AI、Prompt 的看法。
有人在网上说，Prompt 只是生成式人工智能还没成熟的畸形产物，或是瞧不起所谓的“Prompt 工程师”。对于这种说法，我们的观点是，时间会给出答案。
首先，当计算机编程刚出现的时候，也有很多人有类似的疑问，“既然现在都能自动控制计算机了，那编程员总有一天会失业。”这种说法不无道理，因为乐观的向前看总是人们的天性。然而，直到 2022 年 ChatGPT 出现，一些最基本的代码编写的任务才被取代，即使现在出了 GPT-4，程序员也没有被完全取代。也许是几代之后的 GPT 才有可能会完全取代程序员
但，就算程序员最终会被取代，难道 GitHub 就不应该存在吗？显然不是。首先，从 GitHub 成立到现在的 15 年间，它一直是程序员们必不可少的工具，起到了一个关键的过渡作用。其次，正是因为有 GitHub 这样的平台，GPT 才能收集大量高质量的代码进行训练，才有今天 GPT-4 的编程能力。
其次，可能有的人会想，“只要 GPT 能够达到完全的自然语言处理能力，Prompt Engineer 就失业了”，我认为这也是完全错误的。请想一下，在工作中，为什么有人会专门负责对接甲方/乙方，而不是直接让老板进行对接？因为不同人对于一件事的表达能力是不同的，有些人能够流畅的、连贯的、分层次的表达出一些内容（对应会使用 Prompt 的）；而有些人只能模糊不清的、含糊的表达出自己的想法，最终导致对方听到的和自己心里想的不一样（对应还不了解 Prompt 如何使用的）。
对于人工智能的未来，我们的想法是，未来属于 AI。我们需要敢于想象，例如 LLM 是否可以用作看病人简历，帮助医生减轻工作量？是否可以用来阅读文章，打破原有互联网的浏览模式？等等…只要敢想，就能做到。
最后，欢迎大家加入我们的 Telegram 群组，在 Telegram 群组中我们会不定期举办活动，参与即可获得大量 Flux 来使用 GPT-4；同时，群内也会组织一些 Prompt Workshop，现在已经在逐渐形成一个良好的 Prompt、AI 讨论的氛围。所有所需链接都在上方。
💬 欢迎大家在评论中留言，分享自己撰写 Prompt 的经验。我将会从有效评论读者中抽取 5 人，每人送出 100 Flux（Flux 是 FlowGPT 中的一种付费点）
频道：@NewlearnerChannel
#Photos #Web #AI
🏞 River：又一个基于 AI 的视觉艺术搜索引擎
🔗：Web
👉 Features
- 调用 Are.na 艺术库作品
- 支持点选图片，AI 将据此展示风格相关图片
- 提供一些风格和主题选项，可快速找到感兴趣主题
- 可标记为 NSFW、无聊图片
👍 和之前介绍的同类项目有所不同，River 虽然也是基于 AI 的「流」式图片搜索网站，但内容上更加天马行空一些。它使用的数据来自 Are.na，这是一个在线数字艺术藏品库
🧑💻 虽然照片和日用关联并不太大，但如果你恰好是一个喜欢特立独行的人，相信你会对其中的一些艺术藏品感兴趣。但我要说，如果瀑布流真的是面对未知时有效的一种迅速发现兴趣的有效手段，我只能表示遗憾
📘 关联阅读：Same Energy - 基于 AI 的视觉搜索引擎
频道：@NewlearnerChannel
🏞 River：又一个基于 AI 的视觉艺术搜索引擎
🔗：Web
👉 Features
- 调用 Are.na 艺术库作品
- 支持点选图片，AI 将据此展示风格相关图片
- 提供一些风格和主题选项，可快速找到感兴趣主题
- 可标记为 NSFW、无聊图片
📘 关联阅读：Same Energy - 基于 AI 的视觉搜索引擎
频道：@NewlearnerChannel
Please open Telegram to view this post
VIEW IN TELEGRAM
#Blog #AI #Tools
📩 接读者来稿，他向我们分享了自己使用 Whisper API 进行音视频转录文字的一些心得
🎙 精准转写：利用 Whisper 处理音视频转文字不完全指南
🔗：Blog
📝 文章概述
- 背景
- 方案选择
- 操作流程
- 潜在问题与更多场景
🔮 音视频转录 / 翻译文字一直是一个比较热门的使用场景，在 AI 迅速普及后，这个问题的解决也取得了一些突破。作者在使用传统商业转录遇到精度不高的问题后，开始拥抱 OpenAI 发布的 Whisper API
💡 在文中，作者详细介绍了 Whisper 使用效果、具体实现方法、Prompt 探讨，并在结尾指出了该方案存在的一些问题。如果你也有类似的需求，可以根据这篇文章「抄作业」了
👀 正如我一直所认为的，AI 是处理「机械化」流程的一把好手，但最终对于结果的把控，还在于人。善于利用 AI 工具是好的，但在 AI 还并不是那么成熟的今天，过分依赖而不加思考，容易被事实性错误所困扰
📘 关联阅读：WhisperNotes - 利用Whisper模型的本地语音转文字「速记」App
频道：@NewlearnerChannel
📩 接读者来稿，他向我们分享了自己使用 Whisper API 进行音视频转录文字的一些心得
🎙 精准转写：利用 Whisper 处理音视频转文字不完全指南
🔗：Blog
📝 文章概述
- 背景
- 方案选择
- 操作流程
- 潜在问题与更多场景
🔮 音视频转录 / 翻译文字一直是一个比较热门的使用场景，在 AI 迅速普及后，这个问题的解决也取得了一些突破。作者在使用传统商业转录遇到精度不高的问题后，开始拥抱 OpenAI 发布的 Whisper API
💡 在文中，作者详细介绍了 Whisper 使用效果、具体实现方法、Prompt 探讨，并在结尾指出了该方案存在的一些问题。如果你也有类似的需求，可以根据这篇文章「抄作业」了
👀 正如我一直所认为的，AI 是处理「机械化」流程的一把好手，但最终对于结果的把控，还在于人。善于利用 AI 工具是好的，但在 AI 还并不是那么成熟的今天，过分依赖而不加思考，容易被事实性错误所困扰
📘 关联阅读：WhisperNotes - 利用Whisper模型的本地语音转文字「速记」App
频道：@NewlearnerChannel
#RSS #AI #GitHub情报
📩 接读者来稿，他向我们推荐了自己的 RSS 订阅源 AI 总结开源项目
📢 RSS-GPT：用 ChatGPT 总结 RSS 订阅源，并托管在 GitHub 仓库和 Pages 上
🔗: GitHub | Wiki
💡 原理
使用 GitHub Actions 自动运行一个简单的 Python 脚本，调用 OpenAI API 总结订阅源中的文章，然后将新生成的 RSS 订阅源推送到 GitHub Pages。配置简单快速，无需服务器。
👉 Features
- 使用 AI 生成关键词以及摘要附在原文前面，支持自定义摘要长度，自定义语言。
- 聚合多个 RSS 订阅源，去除重复文章，用单一地址订阅。
- 为 RSS 源添加基于标题，内容，URL 的关键词过滤器。
- 在 GitHub 仓库和 GitHub Pages 上自托管 RSS 订阅源，并在任意客户端中订阅。
👍 作者在博客写了关于本项目的 简单介绍 以及 配置教程 ，并分享了几条 RSS-GPT 处理后的订阅源供大家参考订阅。
👨🏻💻 作者的话
RSS 是我主要的信息获取方式，我可以把关注的内容和创造者聚合在一起集中阅读。但如若不加筛选，富含噪音的 RSS 在订阅中堆积会让让人疲惫不堪。每天几百几千条未读产生，如果“强迫症和焦虑症患者”强求 RSS 也 inbox-zero 的话，每天会花费很多的时间执着于清空未读上面。
在这种情况下，一个非常有效的方法就是，对 RSS 进行关键词过滤，只保留自己真正感兴趣愿意花时间阅读的内容。而另一方面，在关键词筛选玩完，对 RSS 全文的中文总结也很有意义，这样可以快速了解到这篇文章的主要内容，来决定是否进一步精读。
所以我开发了这样一个工具，并尽量在保证 API 和 Actions token 使用的前提，满足这两个需求。目前仅支持 OpenAI API 调用，未来会考虑加上 Azure OpenAI 或自定义 OpenAI 代理地址，或加上更多 AI 模型支持。
频道：@NewlearnerChannel
📩 接读者来稿，他向我们推荐了自己的 RSS 订阅源 AI 总结开源项目
📢 RSS-GPT：用 ChatGPT 总结 RSS 订阅源，并托管在 GitHub 仓库和 Pages 上
🔗: GitHub | Wiki
💡 原理
使用 GitHub Actions 自动运行一个简单的 Python 脚本，调用 OpenAI API 总结订阅源中的文章，然后将新生成的 RSS 订阅源推送到 GitHub Pages。配置简单快速，无需服务器。
👉 Features
- 使用 AI 生成关键词以及摘要附在原文前面，支持自定义摘要长度，自定义语言。
- 聚合多个 RSS 订阅源，去除重复文章，用单一地址订阅。
- 为 RSS 源添加基于标题，内容，URL 的关键词过滤器。
- 在 GitHub 仓库和 GitHub Pages 上自托管 RSS 订阅源，并在任意客户端中订阅。
👨🏻💻 作者的话
RSS 是我主要的信息获取方式，我可以把关注的内容和创造者聚合在一起集中阅读。但如若不加筛选，富含噪音的 RSS 在订阅中堆积会让让人疲惫不堪。每天几百几千条未读产生，如果“强迫症和焦虑症患者”强求 RSS 也 inbox-zero 的话，每天会花费很多的时间执着于清空未读上面。
在这种情况下，一个非常有效的方法就是，对 RSS 进行关键词过滤，只保留自己真正感兴趣愿意花时间阅读的内容。而另一方面，在关键词筛选玩完，对 RSS 全文的中文总结也很有意义，这样可以快速了解到这篇文章的主要内容，来决定是否进一步精读。
所以我开发了这样一个工具，并尽量在保证 API 和 Actions token 使用的前提，满足这两个需求。目前仅支持 OpenAI API 调用，未来会考虑加上 Azure OpenAI 或自定义 OpenAI 代理地址，或加上更多 AI 模型支持。
频道：@NewlearnerChannel
Please open Telegram to view this post
VIEW IN TELEGRAM
#Blog #AI
🧐 Rewind 所引发的思考——到底是“生产力”还是现实版“黑镜”？
🔗：Blog
📝 文章概述
- Rewind 和 Rewind Pendant
- 生产力还是“黑镜”：说说我的看法
- 总结一下
📋 片段节选
正如上文我所产生的问题“是否我在使用这款App的同时，也完全的交出了自己的隐私？”，如今AI的飞速发展，让厂商们你追我赶，争抢着成为那个“站在风口上的第二头猪”，但同时也打了用户一个措手不及：大学对于ChatGPT是否可以用于写作的看法百家争鸣、画师群体对于AIGC“尸块”的不满与无奈、互联网大厂对于员工使用ChatGPT的隐私限制不尽完善……
不过看似有各种各样的不满，总结凝练下来，其实也不多，在我看来就三个：
- 社会变革与隐私权
- 技术依赖与自由意志
- 虚拟与现实的交叠
我们一个一个说。
频道：@NewlearnerChannel
🧐 Rewind 所引发的思考——到底是“生产力”还是现实版“黑镜”？
🔗：Blog
📝 文章概述
- Rewind 和 Rewind Pendant
- 生产力还是“黑镜”：说说我的看法
- 总结一下
📋 片段节选
正如上文我所产生的问题“是否我在使用这款App的同时，也完全的交出了自己的隐私？”，如今AI的飞速发展，让厂商们你追我赶，争抢着成为那个“站在风口上的第二头猪”，但同时也打了用户一个措手不及：大学对于ChatGPT是否可以用于写作的看法百家争鸣、画师群体对于AIGC“尸块”的不满与无奈、互联网大厂对于员工使用ChatGPT的隐私限制不尽完善……
不过看似有各种各样的不满，总结凝练下来，其实也不多，在我看来就三个：
- 社会变革与隐私权
- 技术依赖与自由意志
- 虚拟与现实的交叠
我们一个一个说。
频道：@NewlearnerChannel
#App #GitHub情报 #AI
📔 Pile: 让 AI 和你一起思考
🔗：GitHub | 官网
✨ Features
- 清晰明了的时间线视图
- MacOS 原生体验设计
- Twitter Thread 风格的内容展示
- 安全的本地存储机制
- 智能 AI 点评功能
- 灵活的信息标签系统
Pile，一款还处于概念阶段的日记软件，其最大特色在于与人工智能的交互功能。这款软件不仅仅是一个日记记录工具，它的 AI 辅助功能能够引导用户深入反思自己的记录。体验上，Pile 让我想起了学生时代写周记，老师在旁边批注点评的场景，既有对内容的评价，也有对思考主题的深化指导。
尽管 Pile 强调的是反思与深入思考，其设计上类似于 Twitter Thread，对于短篇文章极为友好。这种问答式的交互方式，能够激发用户更多地思考并记录下更多内容。
然而，作为一个概念产品，Pile 在实际应用上仍有局限。例如，软件界面左侧的时间线仅作展示用途，无法进行交互操作。此外，Pile 目前还没有集成搜索功能，这在日常使用中可能会带来不便。
总体而言，虽然 Pile 作为 AI 日记软件在理念上颇具创新，但考虑到其还在概念阶段且存在一些实用性的缺陷，我暂时不建议将其作为主要的日记记录工具。Pile 在未来的发展值得期待，但目前它更适合作为对日常记录方式的一种补充尝试
频道：@NewlearnerChannel
📔 Pile: 让 AI 和你一起思考
🔗：GitHub | 官网
✨ Features
- 清晰明了的时间线视图
- MacOS 原生体验设计
- Twitter Thread 风格的内容展示
- 安全的本地存储机制
- 智能 AI 点评功能
- 灵活的信息标签系统
Pile，一款还处于概念阶段的日记软件，其最大特色在于与人工智能的交互功能。这款软件不仅仅是一个日记记录工具，它的 AI 辅助功能能够引导用户深入反思自己的记录。体验上，Pile 让我想起了学生时代写周记，老师在旁边批注点评的场景，既有对内容的评价，也有对思考主题的深化指导。
尽管 Pile 强调的是反思与深入思考，其设计上类似于 Twitter Thread，对于短篇文章极为友好。这种问答式的交互方式，能够激发用户更多地思考并记录下更多内容。
然而，作为一个概念产品，Pile 在实际应用上仍有局限。例如，软件界面左侧的时间线仅作展示用途，无法进行交互操作。此外，Pile 目前还没有集成搜索功能，这在日常使用中可能会带来不便。
总体而言，虽然 Pile 作为 AI 日记软件在理念上颇具创新，但考虑到其还在概念阶段且存在一些实用性的缺陷，我暂时不建议将其作为主要的日记记录工具。Pile 在未来的发展值得期待，但目前它更适合作为对日常记录方式的一种补充尝试
频道：@NewlearnerChannel
#Web #AI
🕘 MyLens.AI：基于 AI 的在线主题时间线生成网页
🔗：Web
💡 Timeline 是我很喜欢的一种展示方式，它能够让人一目了然地了解某样事物的发展历程和重要里程碑事件。今天介绍的一个在线工具，能够帮助我们快速生成 Timeline
😌 打开网页，输入你感兴趣的话题，等待一些时间即可看到时间线和所有里程碑节点了。我输入的是「Apple」，比较好奇它会识别成水果还是科技公司，事实是后者
🍎 关于 Apple 的里程碑时间中，有 Macintosh、Steve Jobs、iPhone、iPod、iPad、Apple Watch 以及市值万亿的时刻。最有趣的是，在最后并未提及 Apple Vision 这一次世代产品，而是着重强调了一下 App Store 引入了隐私标签，或许 AI 也觉得隐私很重要吧
👀 总之欢迎大家试用，时间线生成后可以便捷地分享给他人，你还可以通过下载图片的方式获得适用于 Instagram 的多张拆分照片
频道：@NewlearnerChannel
🕘 MyLens.AI：基于 AI 的在线主题时间线生成网页
🔗：Web
💡 Timeline 是我很喜欢的一种展示方式，它能够让人一目了然地了解某样事物的发展历程和重要里程碑事件。今天介绍的一个在线工具，能够帮助我们快速生成 Timeline
😌 打开网页，输入你感兴趣的话题，等待一些时间即可看到时间线和所有里程碑节点了。我输入的是「Apple」，比较好奇它会识别成水果还是科技公司，事实是后者
🍎 关于 Apple 的里程碑时间中，有 Macintosh、Steve Jobs、iPhone、iPod、iPad、Apple Watch 以及市值万亿的时刻。最有趣的是，在最后并未提及 Apple Vision 这一次世代产品，而是着重强调了一下 App Store 引入了隐私标签，或许 AI 也觉得隐私很重要吧
👀 总之欢迎大家试用，时间线生成后可以便捷地分享给他人，你还可以通过下载图片的方式获得适用于 Instagram 的多张拆分照片
频道：@NewlearnerChannel
#Web #Design #Tools #AI
🏞 AI 图片搜索库 aisplash 以及其背后的 Figma 插件项目 Musho AI
🔗： aisplash | Musho AI
📷 相信大家日常在寻找实拍图片的时候，都会考虑 Unsplash 这个网站，自留地一些推送的头图也是出自它。临近 2024 年，只要提供好的 Prompt，现在很多大模型都能够生成不同风格的、栩栩如生的图片
🧠 aisplash 就是一个聚合了这些 AI 生成图片的在线网站，UI 设计和 Unsplash 高度相似。用户可以自行上传自己生成的 AI 图片，也可以通过分类或者关键词寻找自己想要的图片风格
🧑💻 需要注意的是，aisplash 对于图片的版权较为严格，请先阅读他们的 TOS 之后再使用。后续个人希望能够加入每张图片是怎么得来的，即大模型种类 + Prompt，这样能够给其他人带来更多的灵感
💡 aisplash 背后的项目是一个 Figma 插件 —— Musho AI，它旨在利用 AI 为网页设计师减轻负担，迅速获得想要设计样式的 Demo。它包含了网站着陆页设计、品牌设计、图片 / 涂鸦生成等插件，部分插件正在 Beta，还有一些尚未推出
📘 关联阅读： River - 又一个基于 AI 的视觉艺术搜索引擎
频道：@NewlearnerChannel
🏞 AI 图片搜索库 aisplash 以及其背后的 Figma 插件项目 Musho AI
🔗： aisplash | Musho AI
📷 相信大家日常在寻找实拍图片的时候，都会考虑 Unsplash 这个网站，自留地一些推送的头图也是出自它。临近 2024 年，只要提供好的 Prompt，现在很多大模型都能够生成不同风格的、栩栩如生的图片
🧠 aisplash 就是一个聚合了这些 AI 生成图片的在线网站，UI 设计和 Unsplash 高度相似。用户可以自行上传自己生成的 AI 图片，也可以通过分类或者关键词寻找自己想要的图片风格
💡 aisplash 背后的项目是一个 Figma 插件 —— Musho AI，它旨在利用 AI 为网页设计师减轻负担，迅速获得想要设计样式的 Demo。它包含了网站着陆页设计、品牌设计、图片 / 涂鸦生成等插件，部分插件正在 Beta，还有一些尚未推出
📘 关联阅读： River - 又一个基于 AI 的视觉艺术搜索引擎
频道：@NewlearnerChannel
Please open Telegram to view this post
VIEW IN TELEGRAM
#Life #buybuybuy #Web #AI
👕 最佳平替：基于 AI 的消费品平替自动生成网站
🔗：Web
👀 每当我们涉足一个新消费领域并十分感兴趣时，好奇心总会驱使着我们不断探索优秀的品牌和商品，有时不惜重金只为体验一下
🛒 但兴趣总会成为「日常」，热情总会消退，钱包总会瘪瘪。在那些我们觉得无需投入太多的消费品类中，我们往往会主动寻找「平替」产品，想要追求既实用又低价
💡 今天介绍的网页「最佳平替」基于 AI 训练而成，旨在实现：用户输入想搜索的商品，模型给出便宜的平替商品名。虽然有些结果比较离谱，但有些还是蛮有用的
👍 网页开发者进一步总结了自己的 消费折叠观：每一个平替商品的搜索技巧背后，都隐藏着一种对生活的折叠。商品可以平替，但你的生活无法被平替
* 结果可能不准，开心就好
📘 关联阅读：当我说起极简时，我在说什么
频道：@NewlearnerChannel
👕 最佳平替：基于 AI 的消费品平替自动生成网站
🔗：Web
👀 每当我们涉足一个新消费领域并十分感兴趣时，好奇心总会驱使着我们不断探索优秀的品牌和商品，有时不惜重金只为体验一下
🛒 但兴趣总会成为「日常」，热情总会消退，钱包总会瘪瘪。在那些我们觉得无需投入太多的消费品类中，我们往往会主动寻找「平替」产品，想要追求既实用又低价
💡 今天介绍的网页「最佳平替」基于 AI 训练而成，旨在实现：用户输入想搜索的商品，模型给出便宜的平替商品名。虽然有些结果比较离谱，但有些还是蛮有用的
👍 网页开发者进一步总结了自己的 消费折叠观：每一个平替商品的搜索技巧背后，都隐藏着一种对生活的折叠。商品可以平替，但你的生活无法被平替
* 结果可能不准，开心就好
📘 关联阅读：当我说起极简时，我在说什么
频道：@NewlearnerChannel
#telegram #GitHub情报 #Bot #AI
📩 接读者来稿，他向我们分享了自己开发的 Telegram 机器人
🤖 Poe-Telegram-Chatbot：基于 Poe 官方 API 的开源 Telegram AI 机器人
🔗：GitHub | Wiki
👉 Features
- 支持与 GPT-4 和 Claude-3-Opus 模型进行对话
- 可以保持对话上下文，实现连续对话
- 提供命令切换不同的 AI 模型
- 支持 Docker 容器化部署
💡 Poe 是一个 AI 聊天平台，提供了多种 AI 模型供用户选择。然而，Poe 平台上的积分消耗速度非常快，尤其是在使用高级模型如 Claude 和 GPT-4 时。为了更经济地使用这些 AI 模型，我们可以利用 Poe 会员 API 来制作自己的 Telegram AI Bot
👨🏻💻 开发者的话
这个项目目前还比较简陋，机器人只支持纯文字交互，暂时不支持上传图片文件等功能。内置的 AI 模型包括 Claude-3-Opus 和 GPT-4，理论上 Poe 平台上的所有模型都可以使用，只需要在代码中进行相应的修改
我希望有更多的开发者能够参与到这个项目中来，帮助完善和优化这个聊天机器人。例如，可以添加上传图片文件的功能，优化代码结构和性能等。让我们一起为这个项目贡献自己的力量，创造出一个更加强大和实用的 Telegram 聊天机器人
频道：@NewlearnerChannel
📩 接读者来稿，他向我们分享了自己开发的 Telegram 机器人
🤖 Poe-Telegram-Chatbot：基于 Poe 官方 API 的开源 Telegram AI 机器人
🔗：GitHub | Wiki
👉 Features
- 支持与 GPT-4 和 Claude-3-Opus 模型进行对话
- 可以保持对话上下文，实现连续对话
- 提供命令切换不同的 AI 模型
- 支持 Docker 容器化部署
💡 Poe 是一个 AI 聊天平台，提供了多种 AI 模型供用户选择。然而，Poe 平台上的积分消耗速度非常快，尤其是在使用高级模型如 Claude 和 GPT-4 时。为了更经济地使用这些 AI 模型，我们可以利用 Poe 会员 API 来制作自己的 Telegram AI Bot
👨🏻💻 开发者的话
这个项目目前还比较简陋，机器人只支持纯文字交互，暂时不支持上传图片文件等功能。内置的 AI 模型包括 Claude-3-Opus 和 GPT-4，理论上 Poe 平台上的所有模型都可以使用，只需要在代码中进行相应的修改
我希望有更多的开发者能够参与到这个项目中来，帮助完善和优化这个聊天机器人。例如，可以添加上传图片文件的功能，优化代码结构和性能等。让我们一起为这个项目贡献自己的力量，创造出一个更加强大和实用的 Telegram 聊天机器人
频道：@NewlearnerChannel
#AI #Tools #Web
🧠 Refind - 个性化的优质内容发现平台
Website
🌟 Features
- 利用机器学习，每天推送若干篇可能感兴趣的高质量文章
- 聚合了多个领域优质信息源
- 支持导入 Pocket 等平台的收藏，让个性化推荐更精准
- 提供高亮、笔记等实用功能
在这个信息过载的时代，优质内容的发现成为一大难题。RSS 等工具能带来信息广度，但良莠不齐，筛选成本高。算法推荐虽然方便，却可能加剧信息茧房。Refind 则致力于在两者之间寻找平衡。Refind 从你的阅读行为出发，建立个人兴趣模型，再从汇聚的海量优质信息源中挑选出最匹配的内容。个性化是 Refind 的一大特色。除了智能推荐，它还支持导入 Pocket 等平台的收藏，让兴趣模型更加完善。
类似其他的阅读应用，Refind 还提供高亮、笔记等实用功能。同样也提供文字转语音，但效果很差，远不如 Omniover。移动端 App 是套壳 Web，使用体验不佳。
Refind 提供收费订阅，但是在功能上我没觉得和免费账户有什么很重要的分别。订阅价格是 9.99 USD/Month，或者 366 USD 永久。这个价格非常昂贵，但有意思的事是 Refind 允许通过邀请新用户来免费获得订阅。你可以用我的邀请链接来注册 Refind，我们都会获得 Refind Coins 奖励。
Refind 中不包含任何中文内容。如果你想学学英文，扩充一下视野，欢迎通过我的邀请链接来注册使用 Refind。
频道:@NewlearnerChannel
🧠 Refind - 个性化的优质内容发现平台
Website
🌟 Features
- 利用机器学习，每天推送若干篇可能感兴趣的高质量文章
- 聚合了多个领域优质信息源
- 支持导入 Pocket 等平台的收藏，让个性化推荐更精准
- 提供高亮、笔记等实用功能
在这个信息过载的时代，优质内容的发现成为一大难题。RSS 等工具能带来信息广度，但良莠不齐，筛选成本高。算法推荐虽然方便，却可能加剧信息茧房。Refind 则致力于在两者之间寻找平衡。Refind 从你的阅读行为出发，建立个人兴趣模型，再从汇聚的海量优质信息源中挑选出最匹配的内容。个性化是 Refind 的一大特色。除了智能推荐，它还支持导入 Pocket 等平台的收藏，让兴趣模型更加完善。
类似其他的阅读应用，Refind 还提供高亮、笔记等实用功能。同样也提供文字转语音，但效果很差，远不如 Omniover。移动端 App 是套壳 Web，使用体验不佳。
Refind 提供收费订阅，但是在功能上我没觉得和免费账户有什么很重要的分别。订阅价格是 9.99 USD/Month，或者 366 USD 永久。这个价格非常昂贵，但有意思的事是 Refind 允许通过邀请新用户来免费获得订阅。你可以用我的邀请链接来注册 Refind，我们都会获得 Refind Coins 奖励。
Refind 中不包含任何中文内容。如果你想学学英文，扩充一下视野，欢迎通过我的邀请链接来注册使用 Refind。
频道:@NewlearnerChannel
#Readwise #AI #APP
🔗 Readwise Reader 更新：中文 AI 摘要、自订 Ghostreader prompts
🔖 一站式的阅读工具 Reader 迎来了有感更新。以往在 Reader 上的内容虽会自动产生摘要，但输出的结果皆为英文。现在开放自订后，终于可以设计自己想要的 AI 摘要模式。
📍 于是我自行设计了一套「不只是摘要的」 Prompt 语法，除了最基本的内容摘要，还加上了「高亮重点引入」+「设计问答模块」，让产出的内容更个人化、也更能增加吸收成效。以往只能从文章标题或点进去快速浏览来判断这则 feed 要删除、封存还是稍后阅读，一篇通常要 30 秒，现在能直接从内容列表的「个人化摘要」判断，大幅加速了我内容筛选的效率。
1. Reader 中文 AI 摘要应用＆原本自带的对比差异
2. 为什么不要让 AI 自己无脑摘要？Prompts 语法解析
3. 怎么使用我撰写好的 Ghostreader Prompts？
作者频道｜作者电子报
🔗 Readwise Reader 更新：中文 AI 摘要、自订 Ghostreader prompts
🔖 一站式的阅读工具 Reader 迎来了有感更新。以往在 Reader 上的内容虽会自动产生摘要，但输出的结果皆为英文。现在开放自订后，终于可以设计自己想要的 AI 摘要模式。
📍 于是我自行设计了一套「不只是摘要的」 Prompt 语法，除了最基本的内容摘要，还加上了「高亮重点引入」+「设计问答模块」，让产出的内容更个人化、也更能增加吸收成效。以往只能从文章标题或点进去快速浏览来判断这则 feed 要删除、封存还是稍后阅读，一篇通常要 30 秒，现在能直接从内容列表的「个人化摘要」判断，大幅加速了我内容筛选的效率。
1. Reader 中文 AI 摘要应用＆原本自带的对比差异
2. 为什么不要让 AI 自己无脑摘要？Prompts 语法解析
3. 怎么使用我撰写好的 Ghostreader Prompts？
作者频道｜作者电子报
#AI #Video #APP
🎤 Miraa: 跟读你最爱的视频或博客
✨ Features
- 支持导入视频，Youtube 链接和内置的博客
- 与 AI 对话，了解语句翻译，单词解释，语法要点和知识要点
- 智能跟读模式，放一句话，录下你的跟读，播放你的跟读
- 速度调节
- 视频转录，智能短句，AI 翻译，双语字幕
- 高亮目前读到的单词
- 重复播放某一句话
💡想法
Miraa 是一个非常精美，完成度很高的软件。语言学习的 App 和软件有非常多，但是 Miraa 有着它独特的定位，跟读。我们日常看到的很多 AI 学习软件都聚焦于翻译，转录，双语字幕，单词学习。但学习发音的软件倒是少了很多。Miraa 很好的填补了这个空缺。围绕着跟读，Miraa 实现了很多相关功能，例如调整速度，把你的发音录下来再重播。
💰 定价
Miraa 目前 App Store 和 Google Play 都是 4.8 分。Pro 版本月付 $5.99，年付 $49.99。Pro 版本可以获得无限量的 AI 问答，AI 转录和 AI 翻译。
频道：@NewlearnerChannel
🎤 Miraa: 跟读你最爱的视频或博客
✨ Features
- 支持导入视频，Youtube 链接和内置的博客
- 与 AI 对话，了解语句翻译，单词解释，语法要点和知识要点
- 智能跟读模式，放一句话，录下你的跟读，播放你的跟读
- 速度调节
- 视频转录，智能短句，AI 翻译，双语字幕
- 高亮目前读到的单词
- 重复播放某一句话
💡想法
Miraa 是一个非常精美，完成度很高的软件。语言学习的 App 和软件有非常多，但是 Miraa 有着它独特的定位，跟读。我们日常看到的很多 AI 学习软件都聚焦于翻译，转录，双语字幕，单词学习。但学习发音的软件倒是少了很多。Miraa 很好的填补了这个空缺。围绕着跟读，Miraa 实现了很多相关功能，例如调整速度，把你的发音录下来再重播。
💰 定价
Miraa 目前 App Store 和 Google Play 都是 4.8 分。Pro 版本月付 $5.99，年付 $49.99。Pro 版本可以获得无限量的 AI 问答，AI 转录和 AI 翻译。
频道：@NewlearnerChannel