ChatGPT を WeChat グループに追加し、AI に質問できるようになりました。
1. はじめに: 使っていただくのはとても楽しいです!
フー兄弟は ChatGPT を使い始めてから、検索エンジンもあまり使いませんでしたが、多くの質問を検索したときに、すぐに ChatGPT に行って質問しようと思いました。その答えは非常に正確で、大量の広告がないため、ChatGPT の使用は開発者にとって真の宝石となっています。
シンプルなプロジェクト ケース コードを作成したり、アイデアが不足していない難しい質問に答えたり、まとめに必要な PPT スキルを最適化するのにも役立ちます。ははは、でももちろんできないこともあります。たとえば、MyBatis を手動で書くように頼んだ場合、次のように言われました:
ChatGPT: それはGPT (Generative Pre-training Transformer、生成前トレーニング トランスフォーマー)。Train Transformer) 会話形式のプロンプトに応答して人間のようなテキストを生成するように特別に設計された言語モデルのバリアント。 ChatGPT は人間の会話の大規模なデータセットでトレーニングされており、このトレーニングを使用して自然言語の手がかりに対する適切で一貫した応答を生成します。 ChatGPT は、チャットボット、仮想アシスタント、およびその他の会話システム用のテキストを生成するために使用でき、質問に対する単純な回答、より複雑な推論や説明を必要とするプロンプトに対する回答、および意図されたものなど、幅広い応答を生成できます。ユーモアのある、または魅力的な応答であること。
ChatGPTから、その価値とは何か、自分の価値とは何かを感じているようです。それらの反復的で無意味なタスクは、最終的には常に共食いされ、置き換えられることになります。
しかし、そのような良いことを経験していない研究開発担当者はまだ多く、実際にはそうあるべきではありません。結局のところ、これまでの多くの知能ロボットと比較すると、このロボットは精神薄弱のようです。そこで、Brother Fu はいくつかの情報を見つけ、ChatGPT を WeChat チャットボットとして展開し、他のファンが体験できるようにグループに追加しました。
2. チュートリアル: デプロイ方法
1. 画像ファイル
Github には ChatGPT を WeChat チャットに接続する方法を提供している多くの専門家がいます。主に TypeScript で開発されています。そしてGo言語。基本的にはこれらも展開して使用できます。ここで、Fu 兄弟は、Docker に cynen/wechat というミラーがあることも確認しました。これもデプロイするのに非常に便利です。次に、Fu 兄はこの方法を使用してデプロイします。興味のある読者は、Github で他の方法をデプロイしてみることもできます。 Github 検索: ChatGPT wechat
2. アカウントの登録
ChatGPT は現在国内アカウント登録をサポートしていないため、登録するには仮想番号を申請する必要があります。以下の手順でアクセスしお申込みいただければChatGPTを体験いただけます。
sms-activate.org - 仮想電話番号を登録 [図に示すように] [複数のサービス、インド、openAI]、を使用してアカウントに 2 元をリチャージするだけですアリペイ。
beta.openai.com/signup - アカウントの登録 登録プロセス中に、仮想電話番号を入力し、1 のアドレスで確認コードを受け取るように求められます。
chat.openai.com/auth/login - 登録完了後ログインするとAIと会話できます。
3. API キー アプリケーション
openai はアクセス用の API キーを提供しており、この API キーを申請した後でのみ、その後のアクセス アクションを完了できます。
アドレス: https://beta.openai.com/account/api-keys
手順: クリックして入力した後、[新しい秘密キーの作成] をクリックします。今すぐお申込みいただけます。適用後、SECRET KEYがコピーされますので、コピー後ポップアップウィンドウを閉じてください。
4. イメージのデプロイメント
ここで、Fu 兄弟は、Docker イメージを使用して WeChat チャット ロボットをデプロイすることを選択しました。 Docker はローカルにインストールすることも、JD Cloud、Alibaba Cloud、Baidu Cloud、Tencent Cloud などでクラウド サーバーを購入してデプロイすることもできます。
Docker に入った後、次の操作を完了する必要があります;
# 创建目录 mkdir /data/openai # 创建文件 touch config.json # 修改文件 vi config.json { "api_key": "复制粘贴你申请的API keys", # openai的 账户创建的apikeys "auto_pass": false, # 加好友时,是否自动通过 "model": "text-davinci-003",# 模型名称,官网有很多模型 "session_timeout": 90# ession保存时间 秒,其实就是上下文保留时间. 超过这个时间,就会自动清空上下文 } # 拉取镜像 docker run -dti --name wechat -v /data/openai/config.json:/app/config.json cynen/wechat # 登录微信 docker logs -f wechat
cynen/wechat を起動して docker logs -f wechat を実行すると、ポップアップを参照 WeChat QR コードをスキャンしてログインします。現時点では、独自の WeChat コードのいずれかを使用してログインできます。ログイン後、この WeChat アカウントとチャットしたり、グループに参加したりできます。
##5. 操作の効果##WeChat グループ チャット
バックグラウンド ログ
どうですか、なかなか面白くて、とてもスマートではないでしょうか。
このようなロボットを自分で導入できない場合は、Fu 兄弟の WeChat アカウントを追加してグループに参加して、ロボットを体験することもできます。
以上がChatGPT を WeChat グループに追加し、AI に質問できるようになりました。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











DALL-E 3は、前モデルより大幅に改良されたモデルとして2023年9月に正式導入されました。これは、複雑な詳細を含む画像を作成できる、これまでで最高の AI 画像ジェネレーターの 1 つと考えられています。ただし、発売当初は対象外でした

DDREASE は、ハード ドライブ、SSD、RAM ディスク、CD、DVD、USB ストレージ デバイスなどのファイル デバイスまたはブロック デバイスからデータを回復するためのツールです。あるブロック デバイスから別のブロック デバイスにデータをコピーし、破損したデータ ブロックを残して正常なデータ ブロックのみを移動します。 ddreasue は、回復操作中に干渉を必要としないため、完全に自動化された強力な回復ツールです。さらに、ddasue マップ ファイルのおかげでいつでも停止および再開できます。 DDREASE のその他の主要な機能は次のとおりです。 リカバリされたデータは上書きされませんが、反復リカバリの場合にギャップが埋められます。ただし、ツールに明示的に指示されている場合は切り詰めることができます。複数のファイルまたはブロックから単一のファイルにデータを復元します

0.この記事は何をするのですか?私たちは、多用途かつ高速な最先端の生成単眼深度推定モデルである DepthFM を提案します。従来の深度推定タスクに加えて、DepthFM は深度修復などの下流タスクでも最先端の機能を実証します。 DepthFM は効率的で、いくつかの推論ステップ内で深度マップを合成できます。この作品について一緒に読みましょう〜 1. 論文情報タイトル: DepthFM: FastMonocularDepthEstimationwithFlowMatching 著者: MingGui、JohannesS.Fischer、UlrichPrestel、PingchuanMa、Dmytr

Google が推進する JAX のパフォーマンスは、最近のベンチマーク テストで Pytorch や TensorFlow のパフォーマンスを上回り、7 つの指標で 1 位にランクされました。また、テストは最高の JAX パフォーマンスを備えた TPU では行われませんでした。ただし、開発者の間では、依然として Tensorflow よりも Pytorch の方が人気があります。しかし、将来的には、おそらくより大規模なモデルが JAX プラットフォームに基づいてトレーニングされ、実行されるようになるでしょう。モデル 最近、Keras チームは、ネイティブ PyTorch 実装を使用して 3 つのバックエンド (TensorFlow、JAX、PyTorch) をベンチマークし、TensorFlow を使用して Keras2 をベンチマークしました。まず、主流のセットを選択します

iPhone のモバイル データ接続に遅延や遅い問題が発生していませんか?通常、携帯電話の携帯インターネットの強度は、地域、携帯ネットワークの種類、ローミングの種類などのいくつかの要因によって異なります。より高速で信頼性の高いセルラー インターネット接続を実現するためにできることがいくつかあります。解決策 1 – iPhone を強制的に再起動する 場合によっては、デバイスを強制的に再起動すると、携帯電話接続を含む多くの機能がリセットされるだけです。ステップ 1 – 音量を上げるキーを 1 回押して放します。次に、音量小キーを押して、もう一度放します。ステップ 2 – プロセスの次の部分は、右側のボタンを押し続けることです。 iPhone の再起動が完了するまで待ちます。セルラーデータを有効にし、ネットワーク速度を確認します。もう一度確認してください 修正 2 – データ モードを変更する 5G はより優れたネットワーク速度を提供しますが、信号が弱い場合はより適切に機能します

世界は狂ったように大きなモデルを構築していますが、インターネット上のデータだけではまったく不十分です。このトレーニング モデルは「ハンガー ゲーム」のようであり、世界中の AI 研究者は、データを貪欲に食べる人たちにどのように餌を与えるかを心配しています。この問題は、マルチモーダル タスクで特に顕著です。何もできなかった当時、中国人民大学学部のスタートアップチームは、独自の新しいモデルを使用して、中国で初めて「モデル生成データフィード自体」を実現しました。さらに、これは理解側と生成側の 2 つの側面からのアプローチであり、両方の側で高品質のマルチモーダルな新しいデータを生成し、モデル自体にデータのフィードバックを提供できます。モデルとは何ですか? Awaker 1.0 は、中関村フォーラムに登場したばかりの大型マルチモーダル モデルです。チームは誰ですか?ソフォンエンジン。人民大学ヒルハウス人工知能大学院の博士課程学生、ガオ・イージャオ氏によって設立されました。

テスラのロボット「オプティマス」の最新映像が公開され、すでに工場内で稼働可能となっている。通常の速度では、バッテリー(テスラの4680バッテリー)を次のように分類します:公式は、20倍の速度でどのように見えるかも公開しました - 小さな「ワークステーション」上で、ピッキング、ピッキング、ピッキング:今回は、それがリリースされたハイライトの1つビデオの内容は、オプティマスが工場内でこの作業を完全に自律的に行い、プロセス全体を通じて人間の介入なしに完了するというものです。そして、オプティマスの観点から見ると、自動エラー修正に重点を置いて、曲がったバッテリーを拾い上げたり配置したりすることもできます。オプティマスのハンドについては、NVIDIA の科学者ジム ファン氏が高く評価しました。オプティマスのハンドは、世界の 5 本指ロボットの 1 つです。最も器用。その手は触覚だけではありません

マルチモーダル文書理解機能のための新しい SOTA!アリババの mPLUG チームは、最新のオープンソース作品 mPLUG-DocOwl1.5 をリリースしました。これは、高解像度の画像テキスト認識、一般的な文書構造の理解、指示の遵守、外部知識の導入という 4 つの主要な課題に対処するための一連のソリューションを提案しています。さっそく、その効果を見てみましょう。複雑な構造のグラフをワンクリックで認識しMarkdown形式に変換:さまざまなスタイルのグラフが利用可能:より詳細な文字認識や位置決めも簡単に対応:文書理解の詳しい説明も可能:ご存知「文書理解」 「」は現在、大規模な言語モデルの実装にとって重要なシナリオです。市場には文書の読み取りを支援する多くの製品が存在します。その中には、主にテキスト認識に OCR システムを使用し、テキスト処理に LLM と連携する製品もあります。
