如何用 Postgres 和 DronaHQ 构建 AI 驱动的应用
文章介绍如何结合 Postgres 与低代码平台 DronaHQ 构建 AI 驱动的应用。AI、无代码与低代码工具让开发者能更快添加新功能、构建更大规模的系统。
文章介绍如何结合 Postgres 与低代码平台 DronaHQ 构建 AI 驱动的应用。AI、无代码与低代码工具让开发者能更快添加新功能、构建更大规模的系统。
Hugging Face 发布 @gradio/lite,一个基于 Pyodide 的 JavaScript 库,让 Gradio 应用直接在浏览器中运行,无需服务端基础设施。
推荐理由:Gradio 应用可以完全跑在浏览器里,不用再为演示页养一台服务器,代价是首次加载要等 5-15 秒。
Retool 借助 GPT-4,为企业提供了一种快速、安全构建 AI 驱动应用的方式。
Rocket Money 将每月超 1 亿笔交易的商户识别从正则系统迁移到 Hugging Face Inference API,托管其 4000+ 类别的 BERT 分类模型。团队用三个月逐步放量并做最坏情况模拟压测,最终选定 Hugging Face,因其接入快、能动态扩缩容,且无需自建 MLOps 团队。
Hugging Face 梳理了在生产环境部署 LLM 的三类优化手段:8-bit 和 4-bit 低精度推理、Flash Attention 以及 Alibi、Rotary embeddings、MQA、GQA 等架构改进。
这份教程演示了如何用 OpenAI 开源模型 Shap-E 从文本生成 3D 模型,再经 Blender 的 Decimate 修改器减面、Dream Textures 插件生成无缝贴图,最终导出 FBX 并导入 Unity,做出 PS1 风格的低保真 3D 资产。流程共 7 步,需 Blender 3.1 或更高版本,并假设读者具备材质与 UV 映射等基础知识。
Supabase 用 ANN Benchmarks 方法在 dbpedia-entities-openai-1M 数据集(100 万条 1536 维 OpenAI embeddings)上测试 pgvector 0.4.0。
推荐理由:Supabase 用 1M OpenAI embeddings 实测 pgvector 0.4.0 的 QPS 与准确率,并给出 lists、probes 与预热的具体调参路径。
Supabase 发布面向 Postgres 的开源向量工具包 Supabase Vector,用于大规模存储、索引和查询向量嵌入,并推出可加密存储密钥的 Vault 扩展。GitHub Star 数突破 5 万,Auth 新增 Turnstile 验证码支持,Edge Functions 支持 CLI 部署及自定义域名,Storage 图片转换结束 Beta。
Supabase 发布教程,演示如何在 Flutter 应用中集成多因素认证(MFA)。示例应用要求用户以邮箱和密码注册后,通过 Google Authenticator 等验证器应用完成 MFA 注册与验证,之后才能进入主页查看内容。教程使用 supabase_flutter 和 go_router 包,并配置 mfa-app://callback 深链以支持 iOS 和 Android。
OpenAI 正在用 GPT-3 打造新一代 AI 驱动的角色。原文未披露具体版本号、参数规模或可用性细节。
HashiCorp 为 8 个开源产品的文档站引入版本化文档,页面数量大增,团队改用 API 提供内容并借助 Next.js 的 ISR 只静态生成访问量最高的页面,其余延后生成,revalidate 超时设为 1 小时。按需 ISR 可即时清除指定页面的 Next.js 缓存,配合 GitHub push 事件与 GitHub Actions,只对变更页面触发更新,无需整站重建。
Supabase 在 11 月完成第三次 Launch Week,并开源了 Dashboard 代码、将其纳入 Self-Hosting。平台还收购了 Logflare,在 Dashboard 中提供可搜索的 API 与数据库日志,并让 Realtime 支持行级安全策略。
Replenysh 借助 Supabase Auth 在不到 24 小时内完成短信 OTP 登录实现,并在几周后把应用部署到应用商店。团队此前用 Haskell 服务端加 Heroku 上的 Postgres 自建 OTP 系统,因需要 Postgres 与 Row Level Security 而放弃 Firebase,最终从 Hacker News 了解到 Supabase 后完成迁移。
OpenAI 推出 Retro Contest,一项衡量强化学习算法能否从既往经验中泛化的迁移学习竞赛。竞赛以算法在迁移学习场景下的泛化能力为评测目标。