动手学大模型应用开发：旨在帮助小白开发者通过实践构建个人知识库助手，学习大模型应用开发的基础入门

：旨在帮助小白开发者通过实践构建个人知识库助手，学习大模型应用开发的基础入门主要内容包括：大模型简介，何为大模型、大模型特点是什么、LangChain是什么，针对小白开发者的简单介绍；如何调用大模型API，本节介绍了国内外知名大模型产品API的多种调用方式，包括调用原生API、封装为LangChainLLM、封装为Fastapi等调用方式，同时将包括百度文心、讯飞星火、智谱AI等多种大模型API进行了统一形式封装；大模型开发流程及架构，大模型应用开发的基本流程、一般思想和本项目的架构分析；数据库搭建，不同类型知识库文档的加载、处理，向量数据库的搭建；Prompt设计，如何设计Prompt来让大模型完成特定任务，PromptEngineering的原则和技巧有哪些；验证迭代，大模型开发如何实现验证迭代，一般的评估方法有什么；前后端开发，如何使用Gradio、FastAPI等框架快速开发大模型Demo，展示应用能力。

转发自通往AGI之路的ai大模型的微信搭建教程：

转发自通往AGI之路的ai大模型的微信搭建教程：张梦飞微信机器人搭建小小白教程：https://waytoagi.feishu.cn/wiki/A9w1wUcXSihF6XkeKVic8CXxnHbYaki新手小白可以看这个教程：https://waytoagi.feishu.cn/wiki/UADkwZ9B0iAWdTkFJIjcN7EgnAh熊猫大侠梳理更详细的教程https://waytoagi.feishu.cn/wiki/YNNuwEqCXiSj2akS5mlcjpZgnrb丁先生全程白嫖-拥有一个AI大模型的微信小助手https://waytoagi.feishu.cn/wiki/EYdCw5tTTimCOukGiSfczj2Gnqd

阿里云的AI模型EMO上线通义App，允许用户通过照片和音频生成唱歌视频

阿里云的AI模型EMO上线通义App，允许用户通过照片和音频生成唱歌视频由通义实验室研发的AI模型EMO已在通义App上线，供用户免费使用。EMO是一个音频驱动的AI肖像视频生成系统，能够根据输入的参考图像和语音音频生成具有表现力的面部表情和头部姿势视频。用户可以选择多种模板，如热门歌曲或网络热梗，上传肖像照片后，EMO将合成相应的唱歌视频。目前，App提供了80多个模板，但不支持自定义音频。EMO的主要特点包括音频驱动的视频生成、高表现力和逼真度、无缝帧过渡、身份保持、稳定的控制机制、灵活的视频时长以及跨语言和风格的适应能力。此外，EMO的官方项目主页、研究论文和GitHub链接均已提供，模型和源码将待开源。关注频道@TestFlightCN

Opera 成为首个内置本地 AI 模型的浏览器

Opera成为首个内置本地AI模型的浏览器当地时间4月3日，Opera宣布将在开发者流中为其OperaOne浏览器中添加对来自大约50个模型系列的150个本地LLM(大型语言模型)变体的实验性支持。此举标志着首次可以通过内置功能从浏览器轻松访问和管理本地LLM。本地AI模型是Opera在线AriaAI服务的免费补充。支持的本地LLM包括：Meta的Llama、Vicuna、谷歌的Gemma、MistralAI的Mixtral等。使用本地大型语言模型意味着用户的数据保存在本地设备上，使他们能够使用生成式人工智能，而无需将信息发送到服务器。——

Meta正构建巨型AI模型 支持旗下所有产品的视频推荐引擎

Meta正构建巨型AI模型支持旗下所有产品的视频推荐引擎Meta旗下负责Facebook平台的汤姆·艾里森（TomAlison）透露，这个项目是公司“2026年技术发展蓝图”的关键一环。他详细解释称，这一全新AI推荐模型将不仅支持类似于TikTok的Reels短视频服务，还将覆盖更多的传统长视频内容。艾里森在旧金山的摩根士丹利科技会议上提到，目前Meta对各个产品均采用独立的推荐模型，如Reels、Groups和核心的Facebook信息流等。新的巨型AI模型预计将改变这一局面，实现平台间的统一推荐。作为Meta进军人工智能领域的重要一步，该公司已在购买英伟达GPU上投入数十亿美元。这些GPU是AI研究人员训练大语言模型的主要工具，为ChatGPT等生成式人工智能模型提供动力。艾里森还具体说明了Meta技术蓝图的“第一阶段”，即公司正在将现有推荐系统从传统计算机芯片转向GPU，以提高产品性能。他透露，受去年大语言模型热潮影响，Meta高层对这些模型处理海量数据及具备聊天等通用能力的表现深感震撼。因此，Meta看到了开发能跨产品应用的巨型推荐模型的潜力，并在去年迅速搭建了这一新架构。目前，该模型已在Reels短视频服务上初步测试。艾里森进一步指出，这种新的“模型架构”在Facebook核心应用上取得显著成效，帮助增加了8%至10%的观看时间。这表明该模型在数据学习能力上超越前代模型。他强调，Meta正在加大投资，以确保能够在合适的硬件上扩大这些模型的规模。目前，该公司正在系统架构的“第三阶段”，重点是验证新技术的有效性，并推广至多个产品。艾里森表示：“我们的目标不仅是为Reels短视频服务提供动力，还计划使用单一的巨型模型驱动整个视频推荐生态系统，并最终将信息流推荐产品纳入其中。我们相信，这样不仅能使推荐内容更吸引人、更相关，还能提升推荐引擎的反应速度。”若计划成功，它将如何改变用户体验？艾里森解释说：“比如，用户在Reels中发现感兴趣的内容，当回到Facebook信息流时，基于之前的数据和模型分析，我们能为他们展示更多类似内容。”为支撑这一宏伟计划，艾里森透露Meta已积累大量GPU资源。这些高性能计算单元不仅用于驱动视频推荐模型，还将支持公司在更广泛生成式人工智能领域的项目，例如开发智能数字助理。Meta正探索生成式人工智能技术的多种应用场景，包括在核心信息流中加入更复杂的聊天工具，允许用户在看到感兴趣的内容时，通过简单操作就能获取更多相关信息。例如，面对泰勒·斯威夫特（TaylorSwift）的相关推荐帖子，用户可能仅需点击一个按钮，即可向MetaAI提问，获得更多信息。此外，Meta还计划将AI聊天工具整合至群组中，比如在Facebook的烘焙群组中，成员能就甜点制作问题直接从数字助理获得答案。艾里森称：“我相信，我们有能力将生成式人工智能带入到多用户的互动环境中去。”...PC版：https://www.cnbeta.com.tw/articles/soft/1422699.htm手机版：https://m.cnbeta.com.tw/view/1422699.htm

ReverserAI：通过使用本地大语言模型 (LLM)，自动推荐函数名称，帮用户进行软件逆向工程

：通过使用本地大语言模型(LLM)，自动推荐函数名称，帮用户进行软件逆向工程核心特点离线操作：完全在本地CPU/GPU上运行LLM，确保数据隐私和安全。自动函数命名：从反编译器输出中自动建议具有语义意义的函数名称。BinaryNinja集成：作为插件与BinaryNinja无缝集成。模块化架构：专为轻松扩展而设计，以支持IDA和Ghidra等其他逆向工程工具。消费类硬件兼容性：经过优化，可在消费级硬件（例如Apple芯片架构）上运行。