|
みなさんこんにちは、エチャです。 今日は、忙しいスケジュールにもかかわらず、皆さんにご紹介したい11のクールなオープンソースプロジェクトをまとめてみました。ブックマークして後で見ていただければ幸いです。皆さんの学習に役立つことを願っています。 全文概要
オールインワンチャットボットクライアント公式サイト：https://chathub.gg/ Github: https://github.com/chathub-dev/chathub ChatHub は多用途のチャットボット クライアントです。 ChatGPTのリリース以降、大規模モデルをベースにしたAIボットが次々とリリースされています。このオープンソースクライアントは、複数のボットとの同時チャットをサポートし、ボットが回答を提供するため、簡単に比較検討できます。 このオールインワンのチャットボットクライアントは現在、ChatGPT、Bing Chat、Google Bard、Claude（Poe経由）をサポートしています。ぜひお試しください！ 特徴
サポートされているチャットボット
手動インストール
ソースコードからビルドする
ウェブテストと自動化ツール公式サイト：https://playwright.dev/ Github: https://github.com/microsoft/playwright Playwrightは、Webテストとタスク自動化のためのフレームワークです。コードを一切必要とせず、単一のAPIを介してChromium、Firefox、WebKitブラウザを自動化できます。 強力な Web クローラーとも言えます。 無料のコンピューター書籍公式サイト: Github: https://github.com/EbookFoundation/free-programming-books すでに 28 万個のスターを獲得している無料のプログラミング ブックのリポジトリです。 このリストは元々、Karan Bhangui と George Stocker が寄稿した無料のプログラミング ブックのリストである StackOverflow のクローンでした。 Victor Felder氏は、共同での更新とメンテナンスを行うため、リストをGitHubに移行しました。このリストはGitHubで最も人気のあるリポジトリの一つに成長し、271,000以上のスター、約9,700人のオブザーバー、8,300以上のコミット、2,400人以上のコントリビューター、54,000以上のフォークを誇ります。 ウェブサイトのトラフィックを監視するアプリケーション公式サイト：https://www.sniffnet.net/ Github: https://github.com/GyulyVGC/sniffnet Sniffnet は、インターネット トラフィックを簡単に監視するのに役立ちます。マルチスレッド、クロスプラットフォームで、Windows、Linux、macOS をサポートしています。 特徴
データベースシナリオにおけるGPT公式サイト: Github: https://github.com/csunny/DB-GPT 大規模モデルはリリースと反復を重ねるにつれて、ますますインテリジェント化していきます。しかし、このプロセスはデータセキュリティとプライバシーに関する重大な課題をもたらします。大規模モデルの機能を活用するには、データプライバシーの漏洩やセキュリティリスクを防ぐために、プライベートデータと環境を完全に制御することが不可欠です。これに基づき、あらゆるデータベースベースのシナリオに対応する完全なプライベート大規模モデルソリューションを構築するDB-GPTプロジェクトを立ち上げました。このソリューションはローカル展開をサポートしているため、独立したプライベート環境に適用できるだけでなく、業務モジュールに応じて個別に展開・分離することも可能です。これにより、大規模モデルの機能が完全にプライベートで安全かつ制御可能になります。 DB-GPT は、データ漏洩のリスクがなく、100% のプライバシーと 100% のセキュリティを確保しながら、ローカライズされた GPT 大規模モデルを使用してデータや環境と対話する、オープンソースのデータベース ベースの実験的な GPT プロジェクトです。 機能の概要 すでにいくつかの重要な機能がリリースされており、ここにリストされています。
大規模モデル論文とオープンソースプロジェクトの集成公式サイト: Github: https://github.com/promptslab/Awesome-Prompt-Engineering このオープンソース プロジェクトは、大規模モデルの分野における論文、ツール、チュートリアル、ビデオ、および関連するオープンソース プロジェクトをまとめたものです。 このリポジトリには、Generative Pre-trained Transformer (GPT)、ChatGPT、PaLM などを中心に、Prompt Engineering によって手作業でキュレーションされたリソースが含まれています。 エンジニアリングガイドのヒント（中国語版）Github: https://github.com/wangxuqi/Prompt-Engineering-Guide-English 元々は Prompt Engineer's Guide の英語版でしたが、AIGC が中国の愛好家によって中国語に翻訳しました。 Promptエンジニアガイドは、GitHubで最も人気のある英語ガイドから派生したものです。学生の学習ハードルを下げ、最新の学習コンテンツを常に把握できるよう、継続的に更新されています。Promptガイドの追加にご協力いただける皆様のご協力をお待ちしております。 プロンプトエンジニアリングは、幅広いアプリケーションや研究トピックにおいて言語モデル（LM）を効果的に活用するためのプロンプトを開発・最適化する、比較的新しい分野です。プロンプトエンジニアリングのスキルは、大規模言語モデル（LLM）の能力と限界をより深く理解するのに役立ちます。研究者は、質問応答や算術推論など、様々な一般的タスクや複雑なタスクにおいて、LLMの能力を向上させるためにプロンプトエンジニアリングを活用しています。開発者は、LLMやその他のツールと連携する、堅牢で効果的なプロンプト技術を設計するためにプロンプトエンジニアリングを活用しています。 LLM の開発に対する強い関心に駆り立てられて、私たちはこの新しいプロンプト プロジェクト ガイドを作成しました。これには、プロンプト プロジェクトに関連する最新の論文、学習ガイド、講義、参考資料、ツールがすべて含まれています。 楽しいプロンプトプロジェクトを！ Andrew Ng のヒント エンジニアリング クラスGithub: https://github.com/datawhalecina/prompt-engineering-for-developers LLMは人々の生活を徐々に変えつつあり、開発者にとって、LLMが提供するAPIに基づいて、より強力なLLM統合アプリケーションを迅速かつ容易に開発し、より新しく実用的な機能を手軽に実装する能力は、早急に習得すべき重要なスキルです。Andrew Ng氏とOpenAIの共同制作によるチュートリアル「ChatGPT Prompt Engineering for Developers」は、LLMを初めて使用する開発者を対象としています。OpenAIが提供するAPIに基づいて、Promptの構築方法や、要約、推論、変換など、様々なよく使われる機能を実装する方法を、明確かつ簡潔に解説しています。LLM開発初心者にとって、これはまさに定番のチュートリアルです。そこで、このコースを中国語に翻訳し、サンプルコードを再現し、元の動画に中国語字幕を追加しました。これにより、中国の中国語学習者がLLM開発をより効果的に学習できるようになります。さらに、より高度なPrompt技術を取り入れることでコース内容を充実させ、開発者がより高度なPromptスキルを習得できるよう支援します。 BrexのヒントエンジニアリングガイドGithub: https://github.com/brexhq/prompt-engineering このガイドでは、大規模言語モデルの歴史に加えて、OpenAI の GPT-4 などの大規模言語モデルに基づいてプログラミング システムを使用および構築するための戦略、ガイドライン、および安全性に関する推奨事項について説明します。 このガイドは、Brexが社内向けに作成しました。本番環境における大規模言語モデル（LLM）の活用方法に関する調査とヒント作成から得られた教訓に基づいています。LLMの歴史に加え、OpenAIのGPT-4などの大規模言語モデルを基盤としたプログラミングシステムの使用と構築に関する戦略、ガイドライン、安全性に関する推奨事項についても解説しています。 このドキュメントの例は非決定論的言語モデルを使用して生成されたため、同じ例でも異なる結果が返される場合があります。 これは常に更新される文書です。LLMを取り巻く最先端のベストプラクティスと戦略は日々急速に進化しています。改善のための議論や提案は歓迎します。 中国の開発者がオープンソース化した無料チュートリアル公式サイト: Github: https://github.com/ Thinkingjimmy/Learning-Prompt 基本的な紹介 このチュートリアルについて ChatGPTまたはMidjourneyの使い方がわからない場合は、このチュートリアルが役立つはずです。ChatGPTとMidjourneyをより良く活用するための無料ガイドです。 それは何ではないですか? このチュートリアルは、プロンプトに関する包括的なガイドではありません。すぐに使えるプロンプトをお探しの場合は、Googleで検索することをお勧めします。このチュートリアルでは、手法の解説と、その手法がなぜ機能するのかを説明することに重点を置いています。また、権威あるガイドではありません。私自身もこの分野の学生に過ぎません。 このチュートリアルがなぜ利用できるのでしょうか? 最近、体育関連の知識を調べていたのですが、チュートリアルのほとんどが英語であることに気づきました。内容は素晴らしいのですが、私のような初心者には少し読みづらいです。そこで、インプットをアウトプットすることで学習を促し、自分でチュートリアルを書こうと思い立ちました。 エンジニアリングガイドのヒント（現在までに70万人が学習）公式サイト: Github: https://github.com/dair-ai/Prompt-Engineering-Guide プロンプトエンジニアリングは、プロンプトワードの開発と最適化に焦点を当てた比較的新しい分野であり、大規模言語モデル（LLM）を様々なシナリオや研究分野に適用するユーザーを支援します。プロンプトエンジニアリングのスキルを習得することで、大規模言語モデルの機能と限界をより深く理解できるようになります。 研究者はキューエンジニアリングを活用することで、大規模言語モデルの能力を高め、質問応答や算術推論といった複雑なタスクを処理できるようになります。開発者はキューエンジニアリングを活用して、大規模言語モデルや他のエコシステムツールとの効率的な統合を実現する堅牢なエンジニアリング手法を設計・開発できます。 ヒントエンジニアリングは、ヒントワードの設計と開発だけにとどまりません。大規模言語モデルを操作し、開発するための幅広いスキルと技術を網羅しています。ヒントエンジニアリングは、大規模言語モデルの有効化と接続、そしてその機能の理解において重要な役割を果たします。ユーザーはヒントエンジニアリングを活用することで、大規模言語モデルのセキュリティを向上させるだけでなく、例えばドメイン専門知識や外部ツールを活用して機能を強化するなど、大規模言語モデルの強化にも活用できます。 大規模言語モデルへの深い関心に突き動かされて、私たちはヒント エンジニアリングに関するこの新しいガイドをまとめました。このガイドでは、研究論文、学習ガイド、モデル、講義、参考文献、大規模言語モデルの機能、およびヒント エンジニアリングに関連するその他のツールを紹介しています。 このガイドは、Brex が社内目的で作成しました。
やっとコンピューター、キーボードであなたの知恵を解き放ち、人生を最大限に生きましょう。数行の数字、数文字で人生の美しさを丁寧に作り上げましょう。 インスピレーション、つまりコードの一部が、技術の進歩を促し、社会の発展を促進することができます。 コンテンツ作成は大変な作業です。もし気に入っていただけたら、ぜひフォロー、いいね、そしてチップをお願いします！役立つヒントや技術情報を随時更新していきますので、このページをブックマークしてください。ありがとうございます！皆さんのちょっとしたお気持ちが、私の仕事への感謝の気持ちであり、執筆のモチベーションの源となっています。 |
