為了加速大模型的訓(xùn)練，需要大量的數(shù)據(jù)和計(jì)算資源，因此常常使用分布式計(jì)算框架。深入研究和優(yōu)化是必要的，因?yàn)檫@些模型的訓(xùn)練過(guò)程非常復(fù)雜，需要考慮數(shù)據(jù)分布、特征選擇和模型結(jié)構(gòu)等方面的因素。

AI 大模型的應(yīng)用場(chǎng)景非常豐富，可適用于多個(gè)領(lǐng)域，如智能客服、智能家居、自動(dòng)駕駛、語(yǔ)音識(shí)別、自然語(yǔ)言處理、計(jì)算機(jī)視覺(jué)等。AI 大模型在這些應(yīng)用中發(fā)揮作用，可以提高人們的工作效率和生活質(zhì)量，使各種任務(wù)能夠更快速、更準(zhǔn)確地完成。

大模型的訓(xùn)練過(guò)程是根據(jù)大量的輸入數(shù)據(jù)，通過(guò)算法調(diào)整模型中龐大的參數(shù)來(lái)優(yōu)化模型性能。在訓(xùn)練過(guò)程中，模型會(huì)根據(jù)輸入數(shù)據(jù)進(jìn)行反向傳播和優(yōu)化，以最小化損失函數(shù)并更新參數(shù)，在訓(xùn)練收斂時(shí)，參數(shù)會(huì)趨于穩(wěn)定，這意味著模型已經(jīng)學(xué)習(xí)到了最佳的參數(shù)設(shè)置，模型也就具備了相應(yīng)的能力。這意味著模型在給定的輸入下，將會(huì)產(chǎn)生一致的輸出。這種確定性是基于訓(xùn)練數(shù)據(jù)的特征和模型結(jié)構(gòu)所決定的，即決定模型訓(xùn)練能力的因素主要有輸入的數(shù)據(jù)和模型算法參數(shù)的設(shè)計(jì)。

因此，模型的性能和功能不僅取決于模型參數(shù)的確定，還取決于訓(xùn)練數(shù)據(jù)的質(zhì)量、模型架構(gòu)的選擇等。

根據(jù)以上定義和理解不難推斷出 AI 大模型的特點(diǎn)：

• 大量的參數(shù)：
• 上下文理解和生成
• 強(qiáng)大的泛化能力
• 計(jì)算資源需求大
• 遷移學(xué)習(xí)能力
• 預(yù)訓(xùn)練與微調(diào)
• 多領(lǐng)域應(yīng)用

借此機(jī)會(huì)，今天小編給大家推薦 15 個(gè)沖上熱搜的 AI 大模型 Github 開(kāi)源項(xiàng)目，無(wú)論是企業(yè)自建，還是解決方案提供商，或者學(xué)習(xí)借鑒、接私或創(chuàng)業(yè)賺錢(qián)，這些免費(fèi)的 15 個(gè)沖上熱搜的 AI 大模型 Github 開(kāi)源項(xiàng)目都是不錯(cuò)的，希望對(duì)更多粉絲們有所幫助。同時(shí)送給大家最真摯輕輕的問(wèn)候，深深的祝福，愿你一帆風(fēng)順，二龍騰飛，三羊開(kāi)泰，四季平安，五福臨門(mén)，六六大順，七星高照，八方來(lái)財(cái)，九九同心，十全十美，百事亨通，千事吉祥，萬(wàn)事如意。

接下來(lái)小編給大家介紹一些免費(fèi)的 15 個(gè)沖上熱搜的 AI 大模型 Github 開(kāi)源項(xiàng)目，喜歡的小伙們記得點(diǎn)個(gè)贊和收藏。

全文大綱

1. GPTs prompts?–?2023 年 11 月份 OpenAI 發(fā)布的 GPTs 可以讓 ChatGPT 使用者量身打造自己的 AI 助手的工具。
2. upscayl– 基于 AI 算法放大和增強(qiáng)低分辨率圖像的圖像，讓你的圖片變高清。
3. llm-course?–?大型語(yǔ)言模型課程。
4. OpenVoice?–?即時(shí)語(yǔ)音克隆大模型。
5. LLaMA-Factory?–?大模型微調(diào)框架。
6. FaceChain?– 是一個(gè)可以用來(lái)打造個(gè)人數(shù)字形象的深度學(xué)習(xí)模型工具。
7. gateway?–?大模型 API 網(wǎng)關(guān)。
8. TinyLlama?–?一個(gè)擁有 11 億參數(shù)的 Llama 模型，采用了與 Llama 2 完全相同的架構(gòu)和分詞器。
9. crewAI?–?是一個(gè)用于編排角色扮演的自主 AI agent，能夠在復(fù)雜任務(wù)上無(wú)縫合作。
10. jan?–?號(hào)稱(chēng) ChatGPT 的開(kāi)源替代品，可在你的計(jì)算機(jī)上離線(xiàn)且私密的運(yùn)行大模型。
11. AppAgent?–?是一個(gè)創(chuàng)新的基于大型語(yǔ)言模型（LLM）的多模態(tài)代理框架，設(shè)計(jì)用于操作智能手機(jī)應(yīng)用程序。
12. auto_job__find__chatgpt__rpa– 使用 ChatGPT 制作一個(gè)自動(dòng)投簡(jiǎn)歷的開(kāi)源工具。
13. audio2photoreal?– 這個(gè)項(xiàng)目可以從音頻生成逼真的人物形象，該項(xiàng)目包含了訓(xùn)練代碼、測(cè)試代碼、預(yù)訓(xùn)練的動(dòng)作模型以及數(shù)據(jù)集。
14. Awesome-gptlike-shellsite?–?深入探索了精選的”套殼站”和必備 ChatGPT 應(yīng)用 API 資源。
15. CopilotKit?– AI 聊天機(jī)器人工具。

GPTs – 2023 年 11 月份 OpenAI 發(fā)布的 GPTs 可以讓 ChatGPT 使用者量身打造自己的 AI 助手的工具。

Github：https://github.com/linexjlin/GPTs

介紹

在 2023 年 11 月份期間，在 OpenAI?Devday 發(fā)布會(huì)上給大家隆重介紹了 GPTs。

GPTs 是 OpenAI 的最新創(chuàng)新，專(zhuān)為任何渴望按照自己喜歡的方式定制 AI 的人而設(shè)計(jì)。無(wú)論是要簡(jiǎn)化日常工作、學(xué)習(xí)新的愛(ài)好，還是要提升工作場(chǎng)所的效率，GPTs 都可以提供定制化 AI 能力。

這些不是普通的、一刀切的人工智能。GPTs 就像個(gè)人的 ChatGPT 增強(qiáng)版。它們都是為了能夠通過(guò)一系列符合獨(dú)特需求的技能、知識(shí)和任務(wù)來(lái)對(duì)人工智能進(jìn)行編程。

GPTs 是人工智能敘事中的顛覆者，它們擴(kuò)展了插件的基本概念，以提供顯著增強(qiáng)的定制功能。借助 GPTs，您不僅可以向人工智能發(fā)出指令，還可以打造一個(gè)根據(jù)您的個(gè)人需求進(jìn)行復(fù)雜定制的個(gè)人助理。

但 GPTs 發(fā)布初期有過(guò)漏洞，創(chuàng)建該 GPTs 時(shí)預(yù)置的 Prompt 只要兩句提示詞就能套走。不過(guò)該漏洞目前已經(jīng)修復(fù)，但有人第一時(shí)間將近百個(gè) GPTs 的 Prompt 進(jìn)行了保存，發(fā)布在了 GitHub。具體如下圖：

upscayl- 基于 AI 算法放大和增強(qiáng)低分辨率圖像的圖像，讓你的圖片變高清。

官網(wǎng)：https://www.upscayl.org/

Github：https://github.com/upscayl/upscayl

介紹

upscayl- 基于 AI 算法放大和增強(qiáng)低分辨率圖像的圖像，讓你的圖片變高清，在 Github 上 Stat 22k，非常受大家喜歡。同時(shí)用戶(hù)使用 upscayl 無(wú)需重新部署，官方直接提供了跨不同系統(tǒng)的客戶(hù)端，比如 Linux、Windows、Mac 的客戶(hù)端進(jìn)行下載。

快速安裝

git clone https://github.com/upscayl/upscayl
cd upscayl

# INSTALL DEPENDENCIES
npm install

# RUN THE DEVELOPMENT SERVER LOCALLY
## YOUR LOGS WILL NOW APPEAR IN THE TERMINAL
npm run start

# INSTALL DEPENDENCIES
npm install

# PACKAGE THE APP
npm run dist

# PUBLISH THE APP, MAKE SURE TO ADD GH_TOKEN= IN SHELL
npm run publish-app

效果圖：

llm-course – 大型語(yǔ)言模型課程。

Github：https://github.com/mlabonne/llm-course

介紹

Large Language Model Course（大型語(yǔ)言模型課程）是一個(gè)開(kāi)源項(xiàng)目，該課程分為三個(gè)部分：

• LLM 基礎(chǔ)：涵蓋了數(shù)學(xué)、Python 和神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)。
• LLM 科學(xué)家：專(zhuān)注于學(xué)習(xí)如何使用最新技術(shù)構(gòu)建最佳的大型語(yǔ)言模型。
• LLM 工程師：專(zhuān)注于如何創(chuàng)建基于大型語(yǔ)言模型的解決方案并部署它們。

第一部分：機(jī)器學(xué)習(xí)數(shù)學(xué)

在掌握機(jī)器學(xué)習(xí)之前，了解為這些算法提供動(dòng)力的基本數(shù)學(xué)概念是很重要的。

• 線(xiàn)性代數(shù)：這對(duì)于理解許多算法至關(guān)重要，尤其是那些用于深度學(xué)習(xí)的算法。關(guān)鍵概念包括向量、矩陣、行列式、特征值和特征向量、向量空間和線(xiàn)性變換。
• 微積分：許多機(jī)器學(xué)習(xí)算法涉及連續(xù)函數(shù)的優(yōu)化，這需要了解導(dǎo)數(shù)、積分、極限和級(jí)數(shù)。多元微積分和梯度的概念也很重要。
• 概率和統(tǒng)計(jì)學(xué)：這些對(duì)于理解模型如何從數(shù)據(jù)中學(xué)習(xí)和做出預(yù)測(cè)至關(guān)重要。關(guān)鍵概念包括概率論、隨機(jī)變量、概率分布、期望、方差、協(xié)方差、相關(guān)性、假設(shè)檢驗(yàn)、置信區(qū)間、最大似然估計(jì)和貝葉斯推斷。

第二部分：用于機(jī)器學(xué)習(xí)的 Python

Python 是一種強(qiáng)大而靈活的編程語(yǔ)言，由于其可讀性、一致性和強(qiáng)大的數(shù)據(jù)科學(xué)庫(kù)生態(tài)系統(tǒng)，它特別適合機(jī)器學(xué)習(xí)。

• Python 基礎(chǔ)知識(shí)：Python 編程需要對(duì)基本語(yǔ)法、數(shù)據(jù)類(lèi)型、錯(cuò)誤處理和面向?qū)ο缶幊逃泻芎玫睦斫狻?/li>
• 數(shù)據(jù)科學(xué)庫(kù)：它包括熟悉 NumPy 用于數(shù)值運(yùn)算，Pandas 用于數(shù)據(jù)操作和分析，Matplotlib 和 Seaborn 用于數(shù)據(jù)可視化。
• 數(shù)據(jù)預(yù)處理：這涉及到特征縮放和歸一化、處理缺失數(shù)據(jù)、異常值檢測(cè)、分類(lèi)數(shù)據(jù)編碼，以及將數(shù)據(jù)拆分為訓(xùn)練、驗(yàn)證和測(cè)試集。
• 機(jī)器學(xué)習(xí)庫(kù)：熟練掌握 Scikit learn 是一個(gè)提供多種監(jiān)督和非監(jiān)督學(xué)習(xí)算法的庫(kù)，這一點(diǎn)至關(guān)重要。了解如何實(shí)現(xiàn)線(xiàn)性回歸、邏輯回歸、決策樹(shù)、隨機(jī)森林、k- 近鄰（k-NN）和 k - 均值聚類(lèi)等算法非常重要。像 PCA 和 t -SNE 這樣的降維技術(shù)也有助于可視化高維數(shù)據(jù)。

第三部分：神經(jīng)網(wǎng)絡(luò)

神經(jīng)網(wǎng)絡(luò)是許多機(jī)器學(xué)習(xí)模型的基本組成部分，尤其是在深度學(xué)習(xí)領(lǐng)域。為了有效地利用它們，全面了解它們的設(shè)計(jì)和機(jī)制是至關(guān)重要的。

• 基礎(chǔ)知識(shí)：這包括理解神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，如層、權(quán)重、偏差和激活函數(shù)（sigmoid、tanh、ReLU 等）
• 訓(xùn)練和優(yōu)化：熟悉反向傳播和不同類(lèi)型的損失函數(shù)，如均方誤差（MSE）和交叉熵。了解各種優(yōu)化算法，如梯度下降、隨機(jī)梯度下降、RMSprop 和 Adam。
• 過(guò)擬合：理解過(guò)擬合的概念（即模型在訓(xùn)練數(shù)據(jù)上表現(xiàn)良好，但在看不見(jiàn)的數(shù)據(jù)上表現(xiàn)不佳），并學(xué)習(xí)各種正則化技術(shù)（丟棄、L1/L2 正則化、提前停止、數(shù)據(jù)擴(kuò)充）來(lái)防止它。
• 實(shí)現(xiàn)多層感知器（MLP）：使用 PyTorch 構(gòu)建 MLP，也稱(chēng)為全連接網(wǎng)絡(luò)。

第四部分：自然語(yǔ)言處理

NLP 是人工智能的一個(gè)迷人分支，它彌合了人類(lèi)語(yǔ)言和機(jī)器理解之間的差距。從簡(jiǎn)單的文本處理到理解語(yǔ)言細(xì)微差別，NLP 在翻譯、情感分析、聊天機(jī)器人等許多應(yīng)用程序中發(fā)揮著至關(guān)重要的作用。

• 文本預(yù)處理：學(xué)習(xí)各種文本預(yù)處理步驟，如標(biāo)記化（將文本拆分為單詞或句子）、詞干化（將單詞簡(jiǎn)化為詞根形式）、詞尾化（類(lèi)似于詞干，但考慮上下文）、停止單詞刪除等。
• 特征提取技術(shù)：熟悉將文本數(shù)據(jù)轉(zhuǎn)換為機(jī)器學(xué)習(xí)算法可以理解的格式的技術(shù)。關(guān)鍵方法包括單詞袋（BoW）、術(shù)語(yǔ)頻率逆文檔頻率（TF-IDF）和 n -grams。
• 單詞嵌入：?jiǎn)卧~嵌入是一種允許具有相似含義的單詞具有相似表示的單詞表示形式。關(guān)鍵方法包括 Word2Verc、GloVe 和 FastText。
• 遞歸神經(jīng)網(wǎng)絡(luò)（RNN）：了解 RNN 的工作原理，RNN 是一種設(shè)計(jì)用于處理序列數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)。探索 LSTM 和 GRU，這兩種 RNN 變體能夠?qū)W習(xí)長(zhǎng)期依賴(lài)關(guān)系。

具體如下圖：

OpenVoice – 即時(shí)語(yǔ)音克隆大模型。

Github：https://github.com/myshell-ai/OpenVoice

介紹

正如官方在論文和網(wǎng)站中詳細(xì)介紹的那樣，OpenVoice 的優(yōu)勢(shì)有三個(gè)方面：

• 準(zhǔn)確的色調(diào)克隆。OpenVoice 可以準(zhǔn)確地克隆參考音色，并生成多種語(yǔ)言和口音的語(yǔ)音。
• 靈活的語(yǔ)音風(fēng)格控制。OpenVoice 能夠?qū)φZ(yǔ)音風(fēng)格（如情緒和口音）以及其他風(fēng)格參數(shù)（包括節(jié)奏、停頓和語(yǔ)調(diào)）進(jìn)行精細(xì)控制。
• 零樣本跨語(yǔ)言語(yǔ)音克隆。生成語(yǔ)音的語(yǔ)言和參考語(yǔ)音的語(yǔ)言都不需要在大規(guī)模的說(shuō)話(huà)者多語(yǔ)言訓(xùn)練數(shù)據(jù)集中呈現(xiàn)。

LLaMA-Factory – 大模型微調(diào)框架。

Github：https://github.com/hiyouga/LLaMA-Factory

介紹

今天給大家介紹一下大模型訓(xùn)練和評(píng)估平臺(tái)，是一個(gè)易于使用的大型語(yǔ)言模型（LLM）微調(diào)框架。項(xiàng)目名稱(chēng)叫做 LLaMA-Factory。該項(xiàng)目整合了目前主要的開(kāi)源大模型。

主要包含 Baichuan、Baichuan2、BLOOM、BLOOMZ、ChatGLM3、Falcon、InternLM、LLaMA、LLaMA-2、Mistral、Phi-1.5、Qwen、XVERSE 等模型。

LLaMA-Factory 還是一個(gè)非常強(qiáng)大的 大模型訓(xùn)練和評(píng)估平臺(tái)整合了目前主要的開(kāi)源大模型, 這樣大家只要通過(guò) 魔塔社區(qū)或者 huggingface 上下載模型就可以了，不需要花時(shí)間在各個(gè)模型的 web_demo.py、cli_demo.py、train_demo.py 直接來(lái)回切換了。

性能指標(biāo)

與 ChatGLM 官方的 P-Tuning 微調(diào)相比，LLaMA-Factory 的 LoRA 微調(diào)提供了?3.7 倍 的加速比，同時(shí)在廣告文案生成任務(wù)上取得了更高的 Rouge 分?jǐn)?shù)。結(jié)合 4 比特量化技術(shù)，LLaMA-Factory 的 QLoRA 微調(diào)進(jìn)一步降低了 GPU 顯存消耗。

FaceChain – 是一個(gè)可以用來(lái)打造個(gè)人數(shù)字形象的深度學(xué)習(xí)模型工具。

Github：https://github.com/modelscope/facechain

介紹

FaceChain 是一個(gè)可以用來(lái)打造個(gè)人數(shù)字形象的深度學(xué)習(xí)模型工具。用戶(hù)僅需要提供最低一張照片即可獲得獨(dú)屬于自己的個(gè)人形象數(shù)字替身。

FaceChain 支持在 gradio 的界面中使用模型訓(xùn)練和推理能力、支持資深開(kāi)發(fā)者使用 python 腳本進(jìn)行訓(xùn)練推理，也支持在 sd webui 中安裝插件使用；

算法介紹

基本原理

個(gè)人寫(xiě)真模型的能力來(lái)源于 Stable Diffusion 模型的文生圖功能，輸入一段文本或一系列提示詞，輸出對(duì)應(yīng)的圖像。我們考慮影響個(gè)人寫(xiě)真生成效果的主要因素：寫(xiě)真風(fēng)格信息，以及用戶(hù)人物信息。

為此，我們分別使用線(xiàn)下訓(xùn)練的風(fēng)格 LoRA 模型和線(xiàn)上訓(xùn)練的人臉 LoRA 模型以學(xué)習(xí)上述信息。

LoRA 是一種具有較少可訓(xùn)練參數(shù)的微調(diào)模型，在 Stable Diffusion 中，可以通過(guò)對(duì)少量輸入圖像進(jìn)行文生圖訓(xùn)練的方式將輸入圖像的信息注入到 LoRA 模型中。

因此，個(gè)人寫(xiě)真模型的能力分為訓(xùn)練與推斷兩個(gè)階段，訓(xùn)練階段生成用于微調(diào) Stable Diffusion 模型的圖像與文本標(biāo)簽數(shù)據(jù)，得到人臉 LoRA 模型；推斷階段基于人臉 LoRA 模型和風(fēng)格 LoRA 模型生成個(gè)人寫(xiě)真圖像。

訓(xùn)練階段

輸入：用戶(hù)上傳的包含清晰人臉區(qū)域的圖像

輸出：人臉 LoRA 模型

描述：首先，我們分別使用基于朝向判斷的圖像旋轉(zhuǎn)模型，以及基于人臉檢測(cè)和關(guān)鍵點(diǎn)模型的人臉精細(xì)化旋轉(zhuǎn)方法處理用戶(hù)上傳圖像，得到包含正向人臉的圖像；接下來(lái)，我們使用人體解析模型和人像美膚模型，以獲得高質(zhì)量的人臉訓(xùn)練圖像；隨后，我們使用人臉屬性模型和文本標(biāo)注模型，結(jié)合標(biāo)簽后處理方法，產(chǎn)生訓(xùn)練圖像的精細(xì)化標(biāo)簽；最后，我們使用上述圖像和標(biāo)簽數(shù)據(jù)微調(diào) Stable Diffusion 模型得到人臉 LoRA 模型。

推斷階段

輸入：訓(xùn)練階段用戶(hù)上傳圖像，預(yù)設(shè)的用于生成個(gè)人寫(xiě)真的輸入提示詞

輸出：個(gè)人寫(xiě)真圖像

描述：首先，我們將人臉 LoRA 模型和風(fēng)格 LoRA 模型的權(quán)重融合到 Stable Diffusion 模型中；接下來(lái)，我們使用 Stable Diffusion 模型的文生圖功能，基于預(yù)設(shè)的輸入提示詞初步生成個(gè)人寫(xiě)真圖像；隨后，我們使用人臉融合模型進(jìn)一步改善上述寫(xiě)真圖像的人臉細(xì)節(jié)，其中用于融合的模板人臉通過(guò)人臉質(zhì)量評(píng)估模型在訓(xùn)練圖像中挑選；最后，我們使用人臉識(shí)別模型計(jì)算生成的寫(xiě)真圖像與模板人臉的相似度，以此對(duì)寫(xiě)真圖像進(jìn)行排序，并輸出排名靠前的個(gè)人寫(xiě)真圖像作為最終輸出結(jié)果。

效果圖

gateway – 大模型 API 網(wǎng)關(guān)。

Github：https://github.com/Portkey-AI/gateway

介紹

Portkey 的 AI gateway 是您的應(yīng)用程序和托管 LLM 之間的接口。它通過(guò)統(tǒng)一的 API 將 API 請(qǐng)求簡(jiǎn)化為 OpenAI、Anthropic、Mistral、LLama2、Anyscale、Google Gemini 等。

特性

• ? Blazing fast（快 9.9 倍），占地面積?。ㄒ寻惭b約 45kb）
• ? 跨多個(gè)模型、提供程序和密鑰的負(fù)載平衡
• ??失敗重試策略
• ??LLM 接口備用策略
• ? 根據(jù)需要插入中間件

效果圖

TinyLlama – 一個(gè)擁有 11 億參數(shù)的 Llama 模型，采用了與 Llama 2 完全相同的架構(gòu)和分詞器。

Github：https://github.com/jzhang38/TinyLlama

介紹

TinyLlama 一個(gè)擁有 11 億參數(shù)的 Llama 模型，采用了與 Llama 2 完全相同的架構(gòu)和分詞器。這意味著 TinyLlama 可以在許多基于 Llama 的開(kāi)源項(xiàng)目中插入并播放。

此外，TinyLlama 是緊湊型的，只有 1.1B 的參數(shù)。這種緊湊性使其能夠滿(mǎn)足大量需要有限計(jì)算和內(nèi)存占用的應(yīng)用程序。

效果圖

crewAI – 是一個(gè)用于編排角色扮演的自主 AI agent，能夠在復(fù)雜任務(wù)上無(wú)縫合作。

Github：https://github.com/joaomdmoura/crewAI

介紹

用于編排角色扮演、自主人工智能代理的前沿框架。通過(guò)培養(yǎng)協(xié)作智能，CrewAI 使特工能夠無(wú)縫協(xié)作，處理復(fù)雜任務(wù)。

為什么要用 crewAI？

人工智能協(xié)作的力量太大了。CrewAI 旨在使人工智能代理能夠承擔(dān)角色，共享目標(biāo)，并在一個(gè)有凝聚力的單位中運(yùn)作——很像一個(gè)潤(rùn)滑良好的團(tuán)隊(duì)。

無(wú)論您是在構(gòu)建智能助理平臺(tái)、自動(dòng)化客戶(hù)服務(wù)集成還是多智能體研究團(tuán)隊(duì)，CrewAI 都為復(fù)雜的多智能體交互提供了骨干。

特性

• agent：具有自己的角色、背景故事、目標(biāo)和記憶的專(zhuān)用團(tuán)隊(duì)成員。
• 任務(wù)：給定代理應(yīng)完成的小型、專(zhuān)注的任務(wù)。
• 工具：agent 使用的設(shè)備，用于高效完成任務(wù)。
• 團(tuán)隊(duì)：agent、任務(wù)和流程相遇的容器層，在這里進(jìn)行工作。

jan – 號(hào)稱(chēng) ChatGPT 的開(kāi)源替代品，可在你的計(jì)算機(jī)上離線(xiàn)且私密的運(yùn)行大模型。

官網(wǎng)：https://jan.ai/

Github：https://github.com/janhq/jan

介紹

jan 該項(xiàng)目最近才發(fā)布一個(gè)多月，現(xiàn)在 Github Star 7.6k。非常受開(kāi)發(fā)者喜歡。號(hào)稱(chēng) ChatGPT 的開(kāi)源替代品，可在你的計(jì)算機(jī)上離線(xiàn)且私密的運(yùn)行大模型。

目前在 Windows、Mac、Linux 上提供了客戶(hù)端可以下載。從 PC 到 GPU，Jan 可以在任何硬件上進(jìn)行運(yùn)行。比如英偉達(dá) GPU、Apple M 系列芯片、Inter。

基于該開(kāi)源項(xiàng)目，你可以創(chuàng)建多個(gè)對(duì)話(huà)，每一個(gè)對(duì)話(huà)基于的大模型、最大的 Tokens 可以自行配置。

AppAgent – 是一個(gè)創(chuàng)新的基于大型語(yǔ)言模型（LLM）的多模態(tài)代理框架，設(shè)計(jì)用于操作智能手機(jī)應(yīng)用程序。

Github：https://github.com/mnotgod96/AppAgent

介紹

我們介紹了一種新的基于 LLM 的多模式代理框架，旨在操作智能手機(jī)應(yīng)用程序。

我們的框架使代理能夠通過(guò)簡(jiǎn)化的動(dòng)作空間操作智能手機(jī)應(yīng)用程序，模仿類(lèi)似人類(lèi)的互動(dòng)，如敲擊和滑動(dòng)。這種新穎的方法繞過(guò)了對(duì)系統(tǒng)后端訪(fǎng)問(wèn)的需求，從而擴(kuò)大了其在各種應(yīng)用程序中的適用性。

我們的代理功能的核心是其創(chuàng)新的學(xué)習(xí)方法。代理通過(guò)自主探索或觀(guān)察人類(lèi)演示來(lái)學(xué)習(xí)導(dǎo)航和使用新應(yīng)用程序。這個(gè)過(guò)程生成一個(gè)知識(shí)庫(kù)，代理在不同的應(yīng)用程序中執(zhí)行復(fù)雜任務(wù)時(shí)參考該知識(shí)庫(kù)。

效果圖

auto_job__find__chatgpt__rpa- 使用 ChatGPT 制作一個(gè)自動(dòng)投簡(jiǎn)歷的開(kāi)源工具。

Github：https://github.com/Frrrrrrrrank/auto_job__find__chatgpt__rpa

介紹

這是一個(gè)完全免費(fèi)的腳本，只需要你們自己配置好 openai 的 api 即可

希望您能給我點(diǎn)個(gè)?star

如果在這個(gè)寒冷的招聘季，這個(gè)腳本能給您一些幫助，帶來(lái)一些溫暖，將讓我非常榮幸

希望不要有人拿著我的腳本去割韭菜，都已經(jīng)被逼到用這種腳本投簡(jiǎn)歷的地步了，身上也沒(méi)啥油水可榨了吧。

操作步驟

1. 請(qǐng)首先配置好 openai 的 api（使用.env 文件或者在代碼中配置）
2. 將 pdf 簡(jiǎn)歷上傳到文件夾 auto_job_find 里，命名為?“my_cover.pdf”
3. 將需要的包安裝好
4. 執(zhí)行 write_response.py

audio2photoreal – 這個(gè)項(xiàng)目可以從音頻生成逼真的人物形象，該項(xiàng)目包含了訓(xùn)練代碼、測(cè)試代碼、預(yù)訓(xùn)練的動(dòng)作模型以及數(shù)據(jù)集。

Github：https://github.com/facebookresearch/audio2photoreal

該項(xiàng)目還沒(méi)有發(fā)布兩個(gè)星期在 Github 上 Star 2.2k。

audio2photoreal 開(kāi)源項(xiàng)目由 Facebook Research 開(kāi)源。這個(gè)項(xiàng)目可以從音頻生成逼真的人物形象，該項(xiàng)目包含了訓(xùn)練代碼、測(cè)試代碼、預(yù)訓(xùn)練的動(dòng)作模型以及數(shù)據(jù)集。

效果圖

Awesome-gptlike-shellsite – 深入探索了精選的”套殼站”和必備 ChatGPT 應(yīng)用 API 資源。

Github：https://github.com/bleedline/Awesome-gptlike-shellsite

介紹

深入探索精選的套殼站和必備 API 資源。本項(xiàng)目為初學(xué)者和經(jīng)驗(yàn)豐富的運(yùn)營(yíng)者提供一站式指南，涵蓋常見(jiàn)問(wèn)題解答和基礎(chǔ)攻略，助您邁向套殼站副業(yè)成功之路。

目前項(xiàng)目接受優(yōu)質(zhì)的 AI 站點(diǎn)部署資源，包括但不限于 API，套殼站，云服務(wù)器，可以加入開(kāi)發(fā)者們的鏈接。

去哪里找殼比較好：Github 上有一些開(kāi)源的項(xiàng)目，我們?yōu)榇蠹艺砹艘恍?，但是更多需求還需自己去尋找合適的 ” 殼 ”。

千言萬(wàn)語(yǔ)，不然一張長(zhǎng)圖，具體如下圖：

CopilotKit – AI 聊天機(jī)器人工具。

Github：https://github.com/CopilotKit/CopilotKit

介紹

CopilotKit 是一個(gè)用于在 react web 應(yīng)用中構(gòu)建應(yīng)用內(nèi) AI 聊天機(jī)器人和 AI 驅(qū)動(dòng)的文本區(qū)域的庫(kù)。

CopilotKit 是一個(gè)開(kāi)源平臺(tái)，它提供了兩個(gè)核心組件：CopilotPortal 和 CopilotTextarea。這兩個(gè)組件共同工作，為用戶(hù)提供了一個(gè)無(wú)縫的 AI 增強(qiáng)體驗(yàn)。

CopilotPortal是一個(gè)能夠“看到”當(dāng)前應(yīng)用狀態(tài)并執(zhí)行操作的AI 聊天機(jī)器人。它不僅能夠與應(yīng)用的前端和后端進(jìn)行通信，還能通過(guò)插件與第三方服務(wù)如 Salesforce 和 Dropbox 等進(jìn)行交互。想象一下，你的用戶(hù)可以在應(yīng)用內(nèi)直接與 AI 對(duì)話(huà)，獲取即時(shí)的幫助和操作指導(dǎo)，這無(wú)疑將極大地提升用戶(hù)體驗(yàn)和效率。

CopilotTextarea 是一個(gè)智能文本編輯器，它能夠提供上下文感知的自動(dòng)補(bǔ)全、AI 編輯以及從零開(kāi)始生成內(nèi)容的功能。這意味著用戶(hù)在編寫(xiě)文本時(shí)，CopilotTextarea 能夠根據(jù)上下文提供合適的建議，甚至自動(dòng)完成句子。這種智能化的編輯體驗(yàn)將極大地提高文本創(chuàng)作的效率和質(zhì)量。

特性

• 支持多種流行的 AI 模型, 如 ChatGPT、Anthropic、Cohere 等
• 易于集成到現(xiàn)有的 react 應(yīng)用中
• 提供應(yīng)用內(nèi)聊天界面和 AI 驅(qū)動(dòng)的富文本組件
• 靈活的配置選項(xiàng)和回調(diào)函數(shù)
• 支持自定義 UI 和樣式
• 開(kāi)源, 免費(fèi)使用

CopilotKit 使開(kāi)發(fā)者可以非常方便地在他們的 web 應(yīng)用中加入 AI 功能, 如讓用戶(hù)與聊天機(jī)器人互動(dòng)、提供 AI 輔助的文本輸入等。它抽象了底層的 AI 服務(wù)調(diào)用邏輯, 開(kāi)發(fā)者只需簡(jiǎn)單配置就可以使用。

總結(jié)

總而言之，AI 大模型代表了人工智能領(lǐng)域的一次突破。它們通過(guò)巨大的參數(shù)規(guī)模和強(qiáng)大的學(xué)習(xí)能力，將人工智能技術(shù)帶入了一個(gè)全新的階段。盡管 AI 大模型面臨一些挑戰(zhàn)，但隨著技術(shù)的不斷進(jìn)步和發(fā)展，相信這些模型將在未來(lái)的各個(gè)領(lǐng)域中發(fā)揮重要作用，為人類(lèi)帶來(lái)更多的便利和創(chuàng)新。