正在加载视频...

视频加载失败

加载此视频时出现问题。这可能是由于临时网络问题，或视频可能不可用。

推荐一个可以远程调试任意 Web 网页的工具包，page-spy-web， Chrome Devtools 一样，查看一个远程网页的控制台输出、网络请求、缓存信息以及页面内容，也可以直接下发 JS 指令，对网页进行控制。它的使用场景还是比较丰富的，例如用户页面白屏，更换无数姿势都无法复现的时候，例如线下门店安装前端应用，需要跑到人家店里去的时候，都可以考虑使用这个工具，它能够实时查看用户侧的网页异常，了解端侧详细信息，也可以远程控制或调试前端应用。当然，这些操作都需要考虑到隐私问题，获得用户授权。这个项目的部署十分简单，一句命令就可以搞定，部署之后，所有放置了 SDK 的网页都会使用 Websocket 与 Server 维持长链接，调试过程涉及到的通讯协议在这个仓库：

Barret李靖

82,458 subscribers

104,631 次观看 • 2 年前 •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

0 条评论

暂无评论

原始帖子的评论将显示在这里

相关视频

强烈推荐 Obsidian 新出的这个 Web Clipper 插件它应该是将网页转换成 Markdown/ 备份网页最简单的解决方案，同时还能高亮，一键添加到 Obsidian，如果要用一键添加，注意要将 Obsidian 升级到最新版。如果你有任何想要备份的网页内容用这个是非常方便的，用来备份 AI 的问答效果也非常好，可以看看我录的 demo，后面应该还会有对应的 Cli 工具来通过命令行来调用。

强烈推荐 Obsidian 新出的这个 Web Clipper 插件它应该是将网页转换成 Markdown/ 备份网页最简单的解决方案，同时还能高亮，一键添加到 Obsidian，如果要用一键添加，注意要将 Obsidian 升级到最新版。如果你有任何想要备份的网页内容用这个是非常方便的，用来备份 AI 的问答效果也非常好，可以看看我录的 demo，后面应该还会有对应的 Cli 工具来通过命令行来调用。

Viking

58,406 次观看 • 1 年前

通过 Hoarder 了解到它实现备份网页的工具 monolith 特别好用的一个命令行工具，可以将一个网页打包成一个单独的 html 文件，将里面的静态资源（css/js/图片）都使用 base64 代替，非常适合备份网页使用，用起来也非常方便，我用 wikipedia 试用了一下，效果非常好，非常值得收藏的工具，特别注意不支持JS 动态加载的内容，官方文档中有解决方案：需要配合 chromium 使用。

通过 Hoarder 了解到它实现备份网页的工具 monolith 特别好用的一个命令行工具，可以将一个网页打包成一个单独的 html 文件，将里面的静态资源（css/js/图片）都使用 base64 代替，非常适合备份网页使用，用起来也非常方便，我用 wikipedia 试用了一下，效果非常好，非常值得收藏的工具，特别注意不支持JS 动态加载的内容，官方文档中有解决方案：需要配合 chromium 使用。

Viking

26,867 次观看 • 1 年前

在对前端网页应用进行性能优化时，经常会打开 Chrome DevTools 分析加载时间、网络请求，以及排查问题，整个过程耗时耗力。现在 Chrome DevTools 推出了 MCP 并且代码已开源，可以直接让 AI 完成网页自动化测试、调试以及优化整套开发流程。比如将其安装到 Gemini CLI 等支持 MCP 的 AI 编程工具中，就能够自动进行网页导航、性能分析、截图调试等复杂操作，简化开发流程。 GitHub：甚至可以模拟真人操作，比如页面点击、填写表单、元素拖拽等各种交互，可应用于自动化测试以及爬虫等场景。除此之外，还可以模拟不同设备 CPU 性能、网络和屏幕尺寸，同时支持直接在网页中运行 JavaScript 代码并查看结果。项目代码已完全开源，开发者可以根据需求扩展更多能力，感兴趣的同学可以安装到任意支持 MCP 的 AI 助手中使用。

在对前端网页应用进行性能优化时，经常会打开 Chrome DevTools 分析加载时间、网络请求，以及排查问题，整个过程耗时耗力。现在 Chrome DevTools 推出了 MCP 并且代码已开源，可以直接让 AI 完成网页自动化测试、调试以及优化整套开发流程。比如将其安装到 Gemini CLI 等支持 MCP 的 AI 编程工具中，就能够自动进行网页导航、性能分析、截图调试等复杂操作，简化开发流程。 GitHub：甚至可以模拟真人操作，比如页面点击、填写表单、元素拖拽等各种交互，可应用于自动化测试以及爬虫等场景。除此之外，还可以模拟不同设备 CPU 性能、网络和屏幕尺寸，同时支持直接在网页中运行 JavaScript 代码并查看结果。项目代码已完全开源，开发者可以根据需求扩展更多能力，感兴趣的同学可以安装到任意支持 MCP 的 AI 助手中使用。

GitHubDaily

15,551 次观看 • 1 年前

兄弟们这个创意牛P啊 Google推出一个实验性应用：Disco 它可以把你打开的网页 + 你的意图 → 转化成一个专属AI工具比如在Chrome里同时打开了：一篇旅游攻略 Google Map 酒店预订网站天气查询页 Disco自动识别到你可能正在做旅游攻略，它会根据你打开的网页帮你自动生成一个旅游规划应用。你告诉 Disco：“我想规划一次去京都的旅行。” 这时，它就会用 AI 自动帮你生成一个： ✨“京都旅行规划应用”✨ 这个应用会把你打开的网页信息整合在一起例如行程路线、酒店比较、天气信息、预算表，全都放在一个交互界面里。你不用自己来回切页面，AI 帮你组合好了。 Disco 的目标就是：让 AI 自动理解你开着的这些网页，知道你在干什么、想做什么然后帮你把这些网页整合成一个专属工具或应用。

兄弟们这个创意牛P啊 Google推出一个实验性应用：Disco 它可以把你打开的网页 + 你的意图 → 转化成一个专属AI工具比如在Chrome里同时打开了：一篇旅游攻略 Google Map 酒店预订网站天气查询页 Disco自动识别到你可能正在做旅游攻略，它会根据你打开的网页帮你自动生成一个旅游规划应用。你告诉 Disco：“我想规划一次去京都的旅行。” 这时，它就会用 AI 自动帮你生成一个： ✨“京都旅行规划应用”✨ 这个应用会把你打开的网页信息整合在一起例如行程路线、酒店比较、天气信息、预算表，全都放在一个交互界面里。你不用自己来回切页面，AI 帮你组合好了。 Disco 的目标就是：让 AI 自动理解你开着的这些网页，知道你在干什么、想做什么然后帮你把这些网页整合成一个专属工具或应用。

小互

41,924 次观看 • 10 个月前

《用ChatGPT API构建系统》课程简介吴恩达：欢迎参加关于使用ChatGPT API构建系统的课程。之前，Isa和我介绍了如何提示（Prompt）ChatGPT的课程。但是一个系统需要的远不止一个提示（Prompt）或一个对LLM（大型语言模型）的调用。在这个短期课程中，我们想和您分享使用LLM构建复杂应用程序的最佳实践。 Isa：我们将以构建一个端到端的客户服务辅助系统为例，该系统将多个调用链接到语言模型，根据前一个调用的输出使用不同的指令，有时甚至从外部来源查找信息。例如，对于用户输入的“告诉我有哪些电视出售”，我们将使用以下步骤来处理。首先，您可以评估输入以确保其不包含任何有问题的内容，例如仇恨言论。接下来，系统将处理输入。它将确定这是哪种类型的查询。这是一个投诉还是产品信息请求等？一旦确定这是一个产品查询，它将检索有关电视的相关信息，并使用语言模型编写一个有帮助的回答。最后，你需要检查输出内容，确保没有问题，比如不准确或不适当的答案。吴恩达：在这门课程中，你会发现一个主题，那就是一个应用程序通常需要多个对最终用户不可见的内部步骤。你通常希望按顺序处理用户输入，经过多个步骤才能得到最终显示给用户的输出。当你使用LLM构建复杂系统时，从长远来看，你通常还希望不断改进系统。因此，我还将与您分享开发基于LLM的应用程序的过程感受以及评估和改进系统的最佳实践。我们感谢许多为这门短期课程做出贡献的人。在OpenAI方面，我们感谢Andrew Kondrich、Joe Palermo、Boris Power和Ted Sanders。来自 Ladwig、Eddy Shyu和Tommy Nelson。 Isa：通过这门短期课程，我们希望你能够对自己建立一个复杂的多步应用程序的能力充满信心，并且能够维护和不断改进它。让我们开始吧。

《用ChatGPT API构建系统》课程简介吴恩达：欢迎参加关于使用ChatGPT API构建系统的课程。之前，Isa和我介绍了如何提示（Prompt）ChatGPT的课程。但是一个系统需要的远不止一个提示（Prompt）或一个对LLM（大型语言模型）的调用。在这个短期课程中，我们想和您分享使用LLM构建复杂应用程序的最佳实践。 Isa：我们将以构建一个端到端的客户服务辅助系统为例，该系统将多个调用链接到语言模型，根据前一个调用的输出使用不同的指令，有时甚至从外部来源查找信息。例如，对于用户输入的“告诉我有哪些电视出售”，我们将使用以下步骤来处理。首先，您可以评估输入以确保其不包含任何有问题的内容，例如仇恨言论。接下来，系统将处理输入。它将确定这是哪种类型的查询。这是一个投诉还是产品信息请求等？一旦确定这是一个产品查询，它将检索有关电视的相关信息，并使用语言模型编写一个有帮助的回答。最后，你需要检查输出内容，确保没有问题，比如不准确或不适当的答案。吴恩达：在这门课程中，你会发现一个主题，那就是一个应用程序通常需要多个对最终用户不可见的内部步骤。你通常希望按顺序处理用户输入，经过多个步骤才能得到最终显示给用户的输出。当你使用LLM构建复杂系统时，从长远来看，你通常还希望不断改进系统。因此，我还将与您分享开发基于LLM的应用程序的过程感受以及评估和改进系统的最佳实践。我们感谢许多为这门短期课程做出贡献的人。在OpenAI方面，我们感谢Andrew Kondrich、Joe Palermo、Boris Power和Ted Sanders。来自 Ladwig、Eddy Shyu和Tommy Nelson。 Isa：通过这门短期课程，我们希望你能够对自己建立一个复杂的多步应用程序的能力充满信心，并且能够维护和不断改进它。让我们开始吧。

宝玉

35,542 次观看 • 3 年前

远程控制AI一定是大趋势，但是试过 Codex 远程、WorkBuddy 远程和豆包远程后，感觉用起来还是有不少问题，不能覆盖我的全部需求。因为一旦你还想查看电脑上的产出的文件、验证 Vibe Coding 的效果，又想参考电脑上其他工具里的数据等等，这些个 Codex 远程、WorkBuddy 远程、豆包远程通通都很难办到，所以试了一圈我还是选择用 UU 远程。手机连接到电脑后可以随意放大缩小，十几个终端面板指哪打哪，文件、网页和其他AI软件也能随时切过去看，操作起来意外地顺手。而且目前免费、没广告，画质和延迟表现也比我预想中好不少。我把实际使用过程录进视频了。如果你也经常让 Codex 或其他 AI 工具在电脑上长时间跑任务，可以看看这种用法。

远程控制AI一定是大趋势，但是试过 Codex 远程、WorkBuddy 远程和豆包远程后，感觉用起来还是有不少问题，不能覆盖我的全部需求。因为一旦你还想查看电脑上的产出的文件、验证 Vibe Coding 的效果，又想参考电脑上其他工具里的数据等等，这些个 Codex 远程、WorkBuddy 远程、豆包远程通通都很难办到，所以试了一圈我还是选择用 UU 远程。手机连接到电脑后可以随意放大缩小，十几个终端面板指哪打哪，文件、网页和其他AI软件也能随时切过去看，操作起来意外地顺手。而且目前免费、没广告，画质和延迟表现也比我预想中好不少。我把实际使用过程录进视频了。如果你也经常让 Codex 或其他 AI 工具在电脑上长时间跑任务，可以看看这种用法。

AI少年

119,279 次观看 • 2 个月前

推荐一个全球AppStore应用价格对比的网站，也有App应用，可以自己下。这个网站上都可以看到不同地区的的App价格。

推荐一个全球AppStore应用价格对比的网站，也有App应用，可以自己下。这个网站上都可以看到不同地区的的App价格。

比特币橙子Trader

118,833 次观看 • 5 个月前

Figma 正式推出了官方的远程 MCP 服务器，现在不需要安装 Figma 客户端只需要在支持的软件比如 Cursor、Cluade code 里面添加，并在打开的网页里面完成账户授权就行而且现在设计组件和前端组件的映射信息也可以通过 MCP 获取到，如果你的团队有设计系统的话，然后你的设计稿组件采用程度高前端可以一键用 AI 生成全部的前端代码，而且保证高还原度，设计师和前端协作会到一个新的时代

Figma 正式推出了官方的远程 MCP 服务器，现在不需要安装 Figma 客户端只需要在支持的软件比如 Cursor、Cluade code 里面添加，并在打开的网页里面完成账户授权就行而且现在设计组件和前端组件的映射信息也可以通过 MCP 获取到，如果你的团队有设计系统的话，然后你的设计稿组件采用程度高前端可以一键用 AI 生成全部的前端代码，而且保证高还原度，设计师和前端协作会到一个新的时代

歸藏(guizang.ai)

157,848 次观看 • 1 年前

当浏览器自带 AI 会是怎样？终于有人做出来了，官方介绍非常棒： “有挂”是一个浏览器插件，使用自然语言对话，你可以对互联网上的所有网页进行编程。从此你可以掌控任何在你电脑上查看的网页。在现有网页上编程可以吗？可以，开发者应该很熟悉，F12后往里头写脚本就好，一些简单的小代码甚至懒得打开vscode来写。那没有代码基础，直接说需求然后修改任何网页可能吗？当然也可以，这就是「有挂」要做的事情。千人千面，在浏览网页的时候，每个人都有不同的偏好和需求。让我们看一些例子（摘录自用户原声）： - 我想直接将知乎热榜的话题直接做一个导出功能，导出为 Excel - 足球资讯里头不想看X国足球的信息，帮我屏蔽 - 能针对文档里的这些接口，在下面补充几个使用样例代码吗 - 都什么年代了网页上还有12px的字呐？我要我浏览的网页上最小的字号是14px - 我是强迫症，看到中文、英文和数字时间没有空格身上就仿佛有一万只蚂蚁在爬 - 我经常不知道复制成功没有，我希望每次我复制成功的时候，网页右上角都会弹出一个提示。而不是等我切换到要粘贴的时候才发现没复制上，真的很烦 - 很多网页没有回到顶部的按钮。我要求所有网页都具备这个按钮 - 谷歌是我的启动页，我想把谷歌的背景换成黑客帝国风格 ... 这些需求，要么太简单，开发者懒得开发，要么太小众，开发出来也没多少人用，开发者没什么动力去做，甚至有些需求，可能只有你想要。而这个产品，就是要让你的需求哪怕再小、再古怪，也能被满足、以你想要的方式被满足。你只需要输入一句“我要xxx”，便可轻松随心定制网页的内容和行为。 “这就像是开挂了一样！”就像很多年前，我们在侠盗列车GTA中敲入一串特定字符（又称为作弊码）后，游戏内容会作出相应的修改，比如引爆载具，召唤从天而降的坦克等。

当浏览器自带 AI 会是怎样？终于有人做出来了，官方介绍非常棒： “有挂”是一个浏览器插件，使用自然语言对话，你可以对互联网上的所有网页进行编程。从此你可以掌控任何在你电脑上查看的网页。在现有网页上编程可以吗？可以，开发者应该很熟悉，F12后往里头写脚本就好，一些简单的小代码甚至懒得打开vscode来写。那没有代码基础，直接说需求然后修改任何网页可能吗？当然也可以，这就是「有挂」要做的事情。千人千面，在浏览网页的时候，每个人都有不同的偏好和需求。让我们看一些例子（摘录自用户原声）： - 我想直接将知乎热榜的话题直接做一个导出功能，导出为 Excel - 足球资讯里头不想看X国足球的信息，帮我屏蔽 - 能针对文档里的这些接口，在下面补充几个使用样例代码吗 - 都什么年代了网页上还有12px的字呐？我要我浏览的网页上最小的字号是14px - 我是强迫症，看到中文、英文和数字时间没有空格身上就仿佛有一万只蚂蚁在爬 - 我经常不知道复制成功没有，我希望每次我复制成功的时候，网页右上角都会弹出一个提示。而不是等我切换到要粘贴的时候才发现没复制上，真的很烦 - 很多网页没有回到顶部的按钮。我要求所有网页都具备这个按钮 - 谷歌是我的启动页，我想把谷歌的背景换成黑客帝国风格 ... 这些需求，要么太简单，开发者懒得开发，要么太小众，开发出来也没多少人用，开发者没什么动力去做，甚至有些需求，可能只有你想要。而这个产品，就是要让你的需求哪怕再小、再古怪，也能被满足、以你想要的方式被满足。你只需要输入一句“我要xxx”，便可轻松随心定制网页的内容和行为。 “这就像是开挂了一样！”就像很多年前，我们在侠盗列车GTA中敲入一串特定字符（又称为作弊码）后，游戏内容会作出相应的修改，比如引爆载具，召唤从天而降的坦克等。

Orange AI

49,514 次观看 • 2 年前

偶然看到一个挺实用的开源项目：Agent Watch，在手表上远程控制 Claude Code。在用 Claude Code 写代码时，经常遇到权限需要确认，如果我们离开了座位，在健身或走在路上。有这个项目，就能在手表上实时查看终端输出，遇到权限请求直接点击批准或拒绝。还能通过语音口述给 Claude 发指令，全程不用碰电脑，还是挺实用的。 GitHub：经常用 Claude Code 跑长任务，又不想一直守在电脑前盯着，想要戴着手表随时掌控进度，这个项目可以安装试试。

偶然看到一个挺实用的开源项目：Agent Watch，在手表上远程控制 Claude Code。在用 Claude Code 写代码时，经常遇到权限需要确认，如果我们离开了座位，在健身或走在路上。有这个项目，就能在手表上实时查看终端输出，遇到权限请求直接点击批准或拒绝。还能通过语音口述给 Claude 发指令，全程不用碰电脑，还是挺实用的。 GitHub：经常用 Claude Code 跑长任务，又不想一直守在电脑前盯着，想要戴着手表随时掌控进度，这个项目可以安装试试。

GitHubDaily

13,818 次观看 • 6 个月前

介绍 Memoh Desktop，一个多智能体桌面应用。过去几个月，我们一直在维护 Memoh 这个多智能体自部署服务。自部署适合长期在线、多人使用和接各种消息渠道，但对个人用户来说，搭环境还是有点重。所以这次我们把 Memoh 搬到了桌面上。在 Memoh Desktop 里，你可以创建多个 agent。它们可以有不同身份、不同记忆和不同 workspace，也可以连接不同的 channel。比如一个 agent 负责日常聊天和消息渠道，一个 agent 专门处理文件和代码任务，另一个 agent 用来跑网页自动化。这些 agent 可以直接操作你的电脑，也可以使用宿主机 Docker 环境做沙盒隔离。需要本机权限的时候，就让它操作本地环境；需要安全边界的时候，就把它放进 Docker workspace 里跑。每个 agent 都有独立身份，目前支持 9 种 channel 连接。 0.9 版本里，我们还引入了容器内桌面环境。现在可以直接在 Docker 容器里运行一个 Xfce 桌面，并在里面启动有头浏览器，再通过 WebRTC 连接到这个容器桌面。也就是说，agent 不只是跑 headless Playwright，它可以在一个真实的图形浏览器会话里操作网页。很多登录、复杂交互、网页自动化场景，会比纯 headless 方式更自然，也能少踩一些兼容和风控问题。下载链接见评论区。

介绍 Memoh Desktop，一个多智能体桌面应用。过去几个月，我们一直在维护 Memoh 这个多智能体自部署服务。自部署适合长期在线、多人使用和接各种消息渠道，但对个人用户来说，搭环境还是有点重。所以这次我们把 Memoh 搬到了桌面上。在 Memoh Desktop 里，你可以创建多个 agent。它们可以有不同身份、不同记忆和不同 workspace，也可以连接不同的 channel。比如一个 agent 负责日常聊天和消息渠道，一个 agent 专门处理文件和代码任务，另一个 agent 用来跑网页自动化。这些 agent 可以直接操作你的电脑，也可以使用宿主机 Docker 环境做沙盒隔离。需要本机权限的时候，就让它操作本地环境；需要安全边界的时候，就把它放进 Docker workspace 里跑。每个 agent 都有独立身份，目前支持 9 种 channel 连接。 0.9 版本里，我们还引入了容器内桌面环境。现在可以直接在 Docker 容器里运行一个 Xfce 桌面，并在里面启动有头浏览器，再通过 WebRTC 连接到这个容器桌面。也就是说，agent 不只是跑 headless Playwright，它可以在一个真实的图形浏览器会话里操作网页。很多登录、复杂交互、网页自动化场景，会比纯 headless 方式更自然，也能少踩一些兼容和风控问题。下载链接见评论区。

📦Acbox

47,369 次观看 • 5 个月前

Selector 的升级版 Selector Pro 来啦: 我们平时 Vibe coding 的时候，肯定会遇到不知道怎么跟 AI 描述我们页面上出现问题的元素位置，或者不知道怎么用文字很好的表达一些页面问题。 Selector 是一个可以选择页面上的元素复制为上下文信息的小工具。之前一直有一个开源的书签版本这个小工具得到了很多人的喜欢，安装简单功能简洁。我经常能在我评论区看到大家在用 selector，这也是我日常开发页面最最常用的一个工具了，一旦用了，肯定就离不开了。这次的浏览器拓展版本是一个付费工具，价格 $4.99 直接买断，比书签版本更加好用方便，真的非常推荐大家试试，即便是用用开源版也很不错，好用再来支持浏览器拓展版本～

Selector 的升级版 Selector Pro 来啦: 我们平时 Vibe coding 的时候，肯定会遇到不知道怎么跟 AI 描述我们页面上出现问题的元素位置，或者不知道怎么用文字很好的表达一些页面问题。 Selector 是一个可以选择页面上的元素复制为上下文信息的小工具。之前一直有一个开源的书签版本这个小工具得到了很多人的喜欢，安装简单功能简洁。我经常能在我评论区看到大家在用 selector，这也是我日常开发页面最最常用的一个工具了，一旦用了，肯定就离不开了。这次的浏览器拓展版本是一个付费工具，价格 $4.99 直接买断，比书签版本更加好用方便，真的非常推荐大家试试，即便是用用开源版也很不错，好用再来支持浏览器拓展版本～

oil-oil

12,689 次观看 • 2 个月前

有远程需求的朋友，推荐这个工具⤵️ 我 Mac mini 在家跑 Claude Code，24 小时不关机。之前我是用 Tailscale 做内网穿透，配一次能用，但每次换个 Wi-Fi 又得调，折腾了几回彻底不想搞了。后来听朋友推荐网易UU远程，说特别省心，我就试了。两分钟装完直接用，Mac mini 装被控端，手机 MacBook 装主控端，同账号登录就连上了。不用配端口，不用搞隧道，不用管 NAT 类型。4K画质，远程写代码跟本地体感差不多。我主要用它的终端模式跑 Claude Code：手机直接远程连 Mac mini 命令行，下指令、看实时输出、验收代码。 Claude Code 经常跑几十分钟，我人在外面手机上随时追加需求、检查进度。跑完的文件需要拿到手边，文件互传直接拖过来，不限大小格式。远程的时候还能一键黑屏防窥，别人看不到你电脑屏幕，这个细节挺喜欢。最没想到的是，这工具居然完全免费，不限画质，不限速，不限时长，没有广告。有远程需求的用户可以下来试试 👉

有远程需求的朋友，推荐这个工具⤵️ 我 Mac mini 在家跑 Claude Code，24 小时不关机。之前我是用 Tailscale 做内网穿透，配一次能用，但每次换个 Wi-Fi 又得调，折腾了几回彻底不想搞了。后来听朋友推荐网易UU远程，说特别省心，我就试了。两分钟装完直接用，Mac mini 装被控端，手机 MacBook 装主控端，同账号登录就连上了。不用配端口，不用搞隧道，不用管 NAT 类型。4K画质，远程写代码跟本地体感差不多。我主要用它的终端模式跑 Claude Code：手机直接远程连 Mac mini 命令行，下指令、看实时输出、验收代码。 Claude Code 经常跑几十分钟，我人在外面手机上随时追加需求、检查进度。跑完的文件需要拿到手边，文件互传直接拖过来，不限大小格式。远程的时候还能一键黑屏防窥，别人看不到你电脑屏幕，这个细节挺喜欢。最没想到的是，这工具居然完全免费，不限画质，不限速，不限时长，没有广告。有远程需求的用户可以下来试试 👉

Yanhua

69,813 次观看 • 5 个月前

最近在开发圈很火的 GitHub 项目 Firecrawl，一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。一句话总结：它可以把任何网站，直接变成 AI 能用的数据。只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说：网站 → 结构化数据 → 直接喂给 LLM。现在很多 AI 项目的数据流程其实都是：网站 → Firecrawl → 向量库 → RAG → AI 应用如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集这个工具基本算是 AI 开发的基础设施了

最近在开发圈很火的 GitHub 项目 Firecrawl，一个专门给 AI 用的智能爬虫，已经 7万+ Star 了。一句话总结：它可以把任何网站，直接变成 AI 能用的数据。只要给它一个 URL，它就会自动： - 抓取整站页面 - 清洗网页内容 - 解析结构信息 - 输出 Markdown / JSON 也就是说：网站 → 结构化数据 → 直接喂给 LLM。现在很多 AI 项目的数据流程其实都是：网站 → Firecrawl → 向量库 → RAG → AI 应用如果你在做： - AI Agent - RAG 知识库 - 自动化数据采集这个工具基本算是 AI 开发的基础设施了

开发者Hailey

140,708 次观看 • 7 个月前

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

发现一个讲的很细的大语言模型微调教程，详细介绍了整个流程,包括数据准备、参数设置、资源监控等关键步骤。基本没有技术能力也可以完成微调。想要了解 LLM 原理的可以按这个实践一下。时间轴： 0:00 概念概览 3:02 自定义数据的准备 8:17 微调操作演示（T4 版本） 16:52 微调操作演示（A100 版本） 19:13 在 Hugging Face 上的保存与使用方法文字版整理： ✲ 如何使用自己的数据对大语言模型进行微调(fine-tuning)：对大语言模型进行微调并不一定非常困难和昂贵。通过使用自己的数据集对预训练模型进行微调,可以让模型更好地适应特定的任务需求。微调过程能够在保留原模型语言理解能力的基础上,进一步提升其在特定领域或任务上的表现。 ✲ 使用Hugging Face模型库和Unslaw工具进行模型微调： Hugging Face提供了丰富的预训练语言模型资源,用户可以根据任务需求选择合适的模型作为基础进行微调。而Unslaw工具则提供了一套简单高效的微调流程,其优点包括出色的内存使用效率以及对扩展上下文窗口的支持。通过Unslaw,用户能够以较低的资源开销完成模型微调。 ✲ 在Google Colab上使用免费/付费GPU资源进行微调： Google Colab提供了免费和付费的GPU资源,用户可以根据任务的复杂程度选择使用T4或A100。对于大多数微调任务而言,免费的T4资源已经足够。但如果数据集较大或模型较为复杂,升级到A100可以获得更充裕的算力支持。Colab为用户提供了一个易于上手的模型微调环境。 ✲ 准备自定义的微调数据集：准备微调数据的过程并不复杂。用户可以直接使用纯文本文件作为数据来源,而无需进行额外的预处理。为了获得理想的微调效果,建议至少准备100-200个样本。在示例中,为了快速演示,仅使用了几个样本。通过一个简单的Python脚本,可以方便地将原始文本数据转换为微调所需的JSON格式。 ✲ 修改Colab笔记本中的参数设置：在Colab笔记本中,需要根据实际情况调整一些参数。例如,可以根据数据集的token数量来设置max_sequence_length参数,借助rope scaling技术,模型能够支持任意长度的上下文。此外,还可以选择使用Instruct系列模型作为base model,直接在其基础上进行指令微调。为了节省资源,可以启用4-bit量化。同时,参考Q-Lora论文的建议,调整R值和alpha值,以在资源占用和模型质量之间取得平衡。 ✲ 训练过程中的资源使用监控：在模型训练过程中,用户可以通过Colab的资源监控选项卡实时观察GPU、内存和硬盘的使用情况。如果发现资源不足,可以考虑从T4升级到A100。通过监控资源占用,用户能够及时调整配置,确保微调任务稳定高效地进行。 ✲ 模型训练的loss变化和最佳checkpoint的选择：通过记录不同训练步数下的loss值,可以判断模型的收敛情况。理想的做法是选择loss下降曲线趋于平缓的点作为最佳checkpoint,这样既能充分训练模型,又能避免过拟合。为了事后方便筛选,可以设置每隔一定步数保存一次checkpoint。 ✲ 模型微调完成后的保存与使用：微调完成后,可以选择只保存adapter layers以加快保存速度。但更推荐的做法是保存完整模型,并使用float16精度,这样可以得到一个更通用和标准的模型格式,方便后续的部署和使用。 ✲ 在Hugging Face上公开或私有发布微调后的模型：用户可以选择在Hugging Face的模型库中公开或私有地发布自己微调后的模型。发布之前,需要在Hugging Face账号中创建一个访问令牌,并在发布时提供相应的用户名和令牌信息。通过在Hugging Face上发布模型,用户可以方便地与他人分享自己的微调成果。 ✲ 使用微调后的模型进行推理(inference)：在使用微调后的模型进行推理时,首先需要加载保存的模型。接着,使用tokenizer对输入的文本进行处理,并将其传入模型。进行推理时,max_length参数需要与训练时保持一致,以确保生成的结果不会被截断。完成以上步骤后,就可以利用微调后的模型进行各种实际应用了。

歸藏(guizang.ai)

62,210 次观看 • 2 年前

这是我来到 X 以后，学会的几个新的操作。很多X新手应该都不知道，我也一直踩坑： 1、第一个操作，就是在通知里看到某一条消息之后，打开之后看不到原帖是哪个。这个时候你把页面向上滑动一下，你才能看到他回复的是哪个帖子。 2、第二个操作，怎么发长线程的推文？点击发帖，发帖之后，把第一个帖子编辑好之后，就可以点击右下角的一个添加加号，然后就可以添加新的内容，也就是发一个长线程的推文。 3、第三个操作，转发视频。其实有时候你转发其他人的推文的时候，可以不用直接转发推文，而是直接把视频引用过来，看起来像是自己发的视频一样。怎么操作呢？就是你进入到这个视频的页面，然后长按视频，然后点发布视频。然后就会带入一个链接，然后你在链接的前面输入你的文字，你发布出去之后就会只引用对方的视频，有时候看起来跟你自己发的是一样的。你学会了吗？没学会的可以👀看视频

这是我来到 X 以后，学会的几个新的操作。很多X新手应该都不知道，我也一直踩坑： 1、第一个操作，就是在通知里看到某一条消息之后，打开之后看不到原帖是哪个。这个时候你把页面向上滑动一下，你才能看到他回复的是哪个帖子。 2、第二个操作，怎么发长线程的推文？点击发帖，发帖之后，把第一个帖子编辑好之后，就可以点击右下角的一个添加加号，然后就可以添加新的内容，也就是发一个长线程的推文。 3、第三个操作，转发视频。其实有时候你转发其他人的推文的时候，可以不用直接转发推文，而是直接把视频引用过来，看起来像是自己发的视频一样。怎么操作呢？就是你进入到这个视频的页面，然后长按视频，然后点发布视频。然后就会带入一个链接，然后你在链接的前面输入你的文字，你发布出去之后就会只引用对方的视频，有时候看起来跟你自己发的是一样的。你学会了吗？没学会的可以👀看视频

鱼总聊AI

13,501 次观看 • 9 个月前