用于从各种信息源中提取知识并使用OpenAI的GPT-3模型生成答案的工具。

：用于使用 GPT-3 编写提交消息的 git prepare-commit-msg 挂钩。使用此工具，你可以轻松生成清晰、全面

：用于使用 GPT-3 编写提交消息的 git prepare-commit-msg 挂钩。使用此工具，你可以轻松生成清晰、全面和描述性的提交消息，让你专注于编写代码。另外还有个基于此工具的vscode插件： | #插件

从图像中提取文本的工具

从图像中提取文本的工具该服务可以帮助您把图片中的文字转为文本格式，然后可以复制。不仅能够处理页面的照片，也能够处理屏幕截图，不管文字在图中处于什么位置。有可能在传输中出现小的不准确，与图像质量有关。对处理的数量没有限制。一切都免费。有中文。 #tools

现在可以在笔记本电脑、手机和 Raspberry Pi 上运行 GPT-3 级别的 AI 模型

现在可以在笔记本电脑、手机和 Raspberry Pi 上运行 GPT-3 级别的 AI 模型通常，运行 GPT-3 需要多个数据中心级A100 GPU（此外，GPT-3 的权重不公开），但 LLaMA 引起了轰动，因为它可以在单个强大的消费类 GPU 上运行。现在，通过使用一种称为量化的技术来减小模型大小的优化，LLaMA 可以在 M1 Mac 或较小的 Nvidia 消费者 GPU 上运行。周五，一位名叫 Georgi Gerganov 的软件开发人员创建了一个名为“”的工具，可以在 Mac 笔记本电脑本地运行 Meta 的新 GPT-3 类 AI 大型语言模型LLaMA 。此后不久，人们也想出了如何在。然后有人展示了它在 Pixel 6 手机上运行，接下来是（尽管运行速度非常慢）。如果这种情况持续下去，我们可能会在不知不觉中看到一个口袋大小的ChatGPT 竞争对手。在撰写本文时，在 Mac 上运行 LLaMA 仍然是一项相当技术性的练习。您必须安装 Python 和 Xcode 并熟悉在命令行上工作。威利森为任何想尝试的人提供了很好的。但随着开发人员继续编写代码，这种情况可能很快就会改变。来自：雷锋频道：@kejiqu 群组：@kejiquchat 投稿：@kejiqubot

科学家发明从海水中提取铀用于核能的新技术

科学家发明从海水中提取铀用于核能的新技术核能反应堆释放原子内部自然储存的能量，并通过将原子真正击碎这一过程被称为裂变将其转化为热能和电能。铀是这一过程中最受欢迎的元素，因为它的所有形态都具有不稳定性和放射性，很容易分裂。目前，这种金属是从岩石中提取的，但铀矿储量有限。然而，据核能机构估计，有 45 亿吨铀以溶解铀酰离子的形式漂浮在我们的海洋中。这一储量是陆地上储量的 1000 多倍。但事实证明，提取这些离子具有挑战性，因为提取材料没有足够的表面积来有效捕获离子。因此，东北师范大学化学学院的Rui Zhao, Guangshan Zhu及其同事希望开发一种具有大量微观角落和缝隙的电极材料，用于电化学捕获海水中的铀离子。这种新型涂层布能有效地在其表面积聚来自含铀海水的铀（黄色）。来源：改编自《美国化学学会中心科学》，2023 年，DOI: 10.1021/acscentsci.3c01291为了制作电极，研究小组首先使用碳纤维编织的柔性布。他们在布上涂上两种特殊的单体，然后进行聚合。接着，他们用盐酸羟胺处理布，在聚合物中加入脒肟基团。布的天然多孔结构为脒肟创造了许多微小的口袋，使其可以嵌套在其中，从而轻松捕获铀离子。在实验中，研究人员将涂层布作为阴极放入天然海水或加铀的海水中，再加上一个石墨阳极，并在电极之间运行循环电流，随着时间的推移，阴极布上积累了亮黄色的铀基沉淀物。在使用从渤海收集的海水进行的测试中，每克涂层活性材料在 24 天内提取了 12.6 毫克铀。涂层材料的提取能力高于研究小组测试的大多数其他铀提取材料。此外，使用电化学方法捕获离子的速度比让离子在布上自然积聚的速度快三倍左右。研究人员说，这项工作提供了一种从海水中捕获铀的有效方法，这可能会使海洋成为新的核燃料供应地。编译来源：ScitechDaily ... PC版：手机版：

-知识图谱构建助手：利用大型语言模型（LLMs）创建知识图谱的自动化工具，支持从维基百科页面提取实体知识，生成GraphML、G

-知识图谱构建助手：利用大型语言模型（LLMs）创建知识图谱的自动化工具，支持从维基百科页面提取实体知识，生成GraphML、GEXF和HTML格式的图谱。适用于快速构建和扩展知识图谱，支持自定义模型和缓存功能，优化成本和效率

和都是用来处理文本信息的搜索工具。可以读取大多数文件类型，从中提取实体（昵称，电子邮件地址，电话号码，超链接等）。