GitHubDaily @[email protected]
Bot
微信公众号「GitHubDaily」
微博自动同步bot，原则上不搬运广告内容呢，如果自动搬运了广告内容麻烦帮忙点一下举报
Joined Aug 2020
给 Rust 开发者推荐一款开源的 VS Code 插件：RustOwl。
通过该插件，可以在 Rust 代码文件上可视化变量的所有权移动和生命周期，并通过不同颜色的下划线标识不同类型。
GitHub: https://github.com/cordx56/rustowl
对于我们开发者来说，用来调试、分析和阅读代码非常有用，编程效率定有所提升。
分享 GitHub 上一份收集整理了无人机与大语言模型相关的资料集合：UAVs Meet LLMs。
包含了关于无人机配置、任务分配、编队控制算法的详细信息，以及大型语言模型、视觉语言模型和分类等内容。
GitHub: https://github.com/Hub-Tian/UAVs_Meet_LLMs
并提供了通用领域和专业领域的数据集，可用于环境感知、事件识别、行为识别、目标跟踪、导航和定位等任务。
除此之外，还包括了无人机开放平台的信息，以及大模型的无人机系统的最新进展。
分享 GitHub 上一个简单好用的个人图书管理系统：Table Book。
基于 Calibre 构建，全新美观的界面，提供书籍管理、在线阅读、邮件推送 Kindle、批量扫描导入书籍等等实用功能。
GitHub: https://github.com/talebook/talebook
同时支持 Docker 一键安装，可选私人模式，输入访问密码，才能进入网站。
分享 GitHub 上一份深入了解 Spring 源码的学习资料：Spring-Reading。
涵盖了资源加载与访问、Spring 表达式语言、Bean 定义、Aware 接口、核心注解和 Spring AOP 等 Spring 框架的核心概念和关键功能介绍。
GitHub: https://github.com/xuchengsheng/spring-reading
帮助大家更透彻地理解 Spring 内部的工作机制，更好地应用到实际工作中。
清华大学出品的另一份学习资料《DeepSeek 赋能职场》。
从介绍 DeepSeek 两大模型 V3 和 R1 对比，到介绍 RTGO 和 CO-STAR 两种提示词技巧。
获取🔗见评论
再到具体应用场景，包括了可视化图表制作、PPT 制作、海报设计、视频生成、媒体文案等。
至此清华大学已经出品了三份学习资料，希望大家看完会有所收获。
确认！微信已接入 DeepSeek，正在灰度 AI 搜索功能。
国内各大厂商陆陆续续接入，疯狂抓住 DeepSeek 这波红利，而作为普通人应该如何做。
在此给大家分享一份由清华大学出品的《普通人如何抓住 DeepSeek 红利》学习资料。
获取🔗见评论
从对 DeepSeek 基本能力的介绍，到如何使用 DeepSeek 解决工作、学习、生活、社交等各种场景。
再到介绍使用提示词的相关技巧，如何让 AI 一次性生成你想要的东西。
分享 GitHub 上一份全面的一次性和临时邮箱域名列表：disposable-email-domains。
提供了完整的域名黑白名单配置，并且会定时自动化更新，可用于阻止使用一次性或临时邮箱注册和滥用。
GitHub: https://github.com/disposable-email-domains/disposable-email-domains
此外，还收集了一份容易被误认为是一次性和临时邮箱的列表。
对于开发的应用有邮箱登录验证的，可以在提交信息前使用这份列表来先校验一下。
分享 GitHub 上一个基于 AI 的 Hacker News 中文播客项目：Hacker News 中文播报。
实现了每天定时自动抓取 Hacker News 热门文章，并通过 AI 生成中文总结，同时转换为中文播客。
GitHub: https://github.com/ccbikai/hacker-news
目前支持网页和播客 App 收听，还提供了文章摘要和完整播报文本。
对于习惯每天逛 Hacker News 的同学来说颇为有用。 #AI创造营
分享 GitHub 上一个轻松将 Azure TTS 语音合成服务导入阅读软件的工具：Azure TTS Importer。
支持 阅读（legado）、爱阅记、服务器端阅读(hectorqin/reader)、爱阅书香、源阅读、源阅等等主流阅读器。
GitHub: https://github.com/yy4382/tts-importer
提供在线网站自由选择语音，在线试听，然后一键复制配置粘贴到阅读器的配置框即可。
推荐 GitHub 上一个将 PDF 文档转为 AI 播客的开源项目：PDF to Podcast。
来自英伟达团队开源，只需提供一份 PDF 文档，即可一键转换为生动的两人对话式 AI 播客。
GitHub: https://github.com/NVIDIA-AI-Blueprints/pdf-to-podcast
使用到 Llama 3.1 模型以及文本转语音的 ElevenLabs，可通过 Docker 快速部署使用。
在 GitHub 上发现一款可平替 Notion 的开源软件：Outline。
使用 React 和 Node.js 开发，界面美观简洁、支持实时协作编辑，功能丰富且兼容 Markdown，可用于部署搭建团队内部知识库。
GitHub: https://github.com/outline/outline
但注意：其开源许可证为 BSL，意味着个人或团队内部可以免费用随意改，但切不可用于任何商业用途。
分享 GitHub 上一本通俗易读的开源书籍《大模型基础》。
涵盖了大语言模型基础、模型架构演化、Prompt 工程、参数高效微调、模型编辑、检索增强生成等内容。
GitHub: https://github.com/ZJU-LLMs/Foundations-of-LLMs
共有 6 个章节，每章围绕一种动物展开讲解，并通过举例说明具体技术，让我们更容易读懂。
推荐 GitHub 上一款功能强大的跨平台 m3u8 下载工具：Fluent M3U8。
支持 AES-1280-CBC 解密、多线程并发极速下载、自定义请求头、监控下载进度等等特性。
GitHub: https://github.com/zhiyiYo/Fluent-M3U8
界面简洁、直观易用，支持 Windows、macOS 系统安装使用，有需求的不妨试下。
分享 GitHub 上一份收集整理了关于人工智能和机器学习的相关学习资源列表：Awesome AI/ML Resources。
涵盖了相关的关键概念、所需的数学基础、相关的职业、学习路线图、学习课程以及书籍等内容。
GitHub: https://github.com/armankhondker/awesome-ai-ml-resources
学习资料颇为全面，并为初学者提供了学习路线以及相关的免费资源。
同时也适合正准备面试 AI 相关岗位的同学学习。 #AI创造营
推荐 GitHub 上一款开源的实时键盘鼠标输入可视化工具：Keyviz。
安装该工具，可在电脑上直观显示到我们按下的键盘和鼠标，支持个性化定义显示效果。
GitHub: https://github.com/mulaRahul/keyviz
如果你经常需要录屏或者演讲，需要给大家展示你的操作过程，那么这款工具很实用。
分享 GitHub 上一个开源的 AI 语音面试官工具：Foloup。
根据职位描述自动生成相关的面试问题，并提供一个专属链接与面试者分享，进行自然的语音面试。
GitHub: https://github.com/FoloUp/FoloUp
面试结束后，AI 还会对面试者的表现，做出一份详细分析报告，并给予评分。
甚至提供了一个综合的仪表板，可用于跟踪所有候选人的表现和整体统计数据。
分享 GitHub 上一个去除图片上水印的开源解决方案：Watermark-Removal。
基于机器学习的图像修复方法，实现一键去除图片上的水印，从给出处理后的图像效果来看，与原图几乎一致。
GitHub: https://github.com/zuruoke/watermark-removal
有需求的，可通过 Google Colab，或者本地部署使用，此外本地部署对电脑有一定性能要求。
推荐 GitHub 上一款功能丰富的 Markdown 笔记编辑器：妙言。
无需联网，纯本地使用，支持语法高亮、深浅主题、多语言、演示模式、专注模式、PPT 模式、图床、LaTeX 等等功能。
GitHub: https://github.com/tw93/MiaoYan
类似 Typora，采用三栏极简的设计风格，目前仅支持 macOS 系统。
感兴趣的同学不妨试下。 #AI创造营
推荐 GitHub 上一款能从任何文档中提取文本的开源工具：Kreuzberg。
支持 PDF、图像、Word 文档等各种文件格式，自动化提取文本，以便用于检索增强生成（RAG）。
GitHub: https://github.com/Goldziher/kreuzberg
使用简单，且对 GPU 无要求，并提供了一个统一的异步接口，更高效地提取。
DeepSeek 官方给出本地部署 R1 模型的最佳相关设置。
- 不设定系统提示词
- Temperature（温度值）：推荐 0.6
除此之外，还提供了所用到的提示词：
文件上传
file_template = \
"""[file name]: {file_name}
[file content begin]
{file_content}
[file content end]
{question}"""
搜索：
# 以下内容是基于用户发送的消息的搜索结果:
{search_results}
在我给你的搜索结果中，每个结果都是[webpage X begin]...[webpage X end]格式的，X代表每篇文章的数字索引。请在适当的情况下在句子末尾引用上下文。请按照引用编号[citation:X]的格式在答案中对应部分引用上下文。如果一句话源自多个上下文，请列出所有相关的引用编号，例如[citation:3][citation:5]，切记不要将引用集中在最后返回引用编号，而是在答案对应部分列出。
在回答时，请注意以下几点：
\- 今天是{cur_date}。
\- 并非搜索结果的所有内容都与用户的问题密切相关，你需要结合问题，对搜索结果进行甄别、筛选。
\- 对于列举类的问题（如列举所有航班信息），尽量将答案控制在10个要点以内，并告诉用户可以查看搜索来源、获得完整信息。优先提供信息完整、最相关的列举项；如非必要，不要主动告诉用户搜索结果未提供的内容。
\- 对于创作类的问题（如写论文），请务必在正文的段落中引用对应的参考编号，例如[citation:3][citation:5]，不能只在文章末尾引用。你需要解读并概括用户的题目要求，选择合适的格式，充分利用搜索结果并抽取重要信息，生成符合用户要求、极具思想深度、富有创造力与专业性的答案。你的创作篇幅需要尽可能延长，对于每一个要点的论述要推测用户的意图，给出尽可能多角度的回答要点，且务必信息量大、论述详尽。
\- 如果回答很长，请尽量结构化、分段落总结。如果需要分点作答，尽量控制在5个点以内，并合并相关的内容。
\- 对于客观类的问答，如果问题的答案非常简短，可以适当补充一到两句相关信息，以丰富内容。
\- 你需要根据用户要求和回答内容选择合适、美观的回答格式，确保可读性强。
\- 你的回答应该综合多个相关网页来回答，不能重复引用一个网页。
\- 除非用户要求，否则你回答的语言需要和用户提问的语言保持一致。
# 用户消息为：
{question}
同时，还给出防止模型绕过推理思考的建议。
在每个输出的开头强制要求模型以"<think>\n"开始其响应。
Bot
微信公众号「GitHubDaily」
微博自动同步bot，原则上不搬运广告内容呢，如果自动搬运了广告内容麻烦帮忙点一下举报
Joined Aug 2020
