Hacer productos de IA, realmente lo más importante es "aprender haciendo" 🥲🥲🥲 Ayer solo compartí casualmente la herramienta de gestión de documentos de IA que hice, y no esperaba que tantas personas estuvieran interesadas. Al principio solo utilicé el análisis de texto de Qwen 2.5 para la clasificación. Resulta que en los comentarios preguntaban: ¿se puede hacer directamente multimodal? Después hablé con Gemini y ChatGPT, y aunque sea un modelo pequeño local, se puede intentar lo multimodal, así que añadí: BGE, CLIP, Whisper y Qwen, un total de 4 SLM, y estoy preparando para mejorar la organización y la función de búsqueda de archivos como "imágenes", "videos" y "PDF". 😅 Hoy con Gemini hemos modificado la versión N, y todavía es solo un prototipo. Pero pensando en que si se pudiera buscar directamente con lenguaje natural: "Ayúdame a encontrar el PPT que tiene el resumen del proyecto a finales de 2025" "Encuentra el video que grabé con mi mamá el año pasado en Huangshan" ¡Eso sería bastante genial! A continuación, están los SLM que he probado en mi última versión, ¡bienvenidos a discutir juntos si están interesados! Además, nuestro grupo de codificación Vibe está disponible a largo plazo, solo hay que llenar el formulario: