При створенні продуктів на основі штучного інтелекту найважливіше — «вчитися на практиці». 🥲🥲🥲 Вчора я просто випадково опублікував інструмент для управління файлами на основі ШІ, але не очікував, що так багато людей зацікавляться. Спочатку я використовував текстовий аналіз Qwen 2.5 для класифікації. У результаті в коментарях запитують: чи може це бути безпосередньо мультимодальним? Пізніше я обговорював із Gemini та ChatGPT, що навіть локальні маленькі моделі можуть спробувати мультимодальність, тому я додав: BGE, CLIP, Whisper, Qwen, загалом 4 SLM, готові посилити функції організації та пошуку «зображень», «відео» та «PDF». 😅 Сьогодні я змінив версію N на Gemini, і це досі лише прототип. Але подумайте, що він може шукати безпосередньо за природною мовою: "Допоможіть мені знайти PPT з резюме проєкту наприкінці 2025 року" "Знайди відео, де я і моя мама їздили в Хуаншань минулого року" Це дуже круто! Ось моя остання версія SLM, тож якщо вам цікаво, будь ласка, обговоріть її разом! Крім того, наша група кодування Vibe працює вже тривалий час, просто заповніть форму: