Saat membuat produk AI, yang terpenting adalah "belajar sambil melakukan" 🥲🥲🥲 Kemarin, saya baru saja dengan santai memposting alat manajemen file AI, tetapi saya tidak berharap begitu banyak orang yang tertarik. Awalnya saya hanya menggunakan analisis teks Qwen 2.5 untuk klasifikasi. Akibatnya, area komentar bertanya: Bisakah secara langsung multi-modal? Kemudian, saya berdiskusi dengan Gemini dan ChatGPT, bahkan model kecil lokal pun dapat mencoba multimodalitas, jadi saya menambahkan: BGE, CLIP, Whisper, Qwen, total 4 SLM, siap memperkuat fungsi organisasi dan pengambilan "gambar", "video", dan "PDF". 😅 Hari ini, saya mengubah versi N dengan Gemini, dan itu masih hanya prototipe. Tapi pikirkan tentang kemampuan mencari langsung dengan bahasa alami: "Bantu saya menemukan PPT dengan ringkasan proyek di akhir tahun 2025" "Temukan video saya dan ibu saya pergi ke Huangshan tahun lalu" Itu cukup keren! Berikut adalah SLM versi terbaru saya, jadi jika Anda tertarik, silakan diskusikan bersama! Selain itu, grup pengkodean Vibe kami efektif untuk waktu yang lama, cukup isi formulir: