[240512] x-cmd 发布 v0.3.6: (se,wkp,ddgo...)x( kimi,gemini,gpt...)

2024-05-13 03:28

本文主要是介绍[240512] x-cmd 发布 v0.3.6: (se,wkp,ddgo...)x( kimi,gemini,gpt...),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

    • x-cmd 发布 v0.3.6
      • 新增了 jina 模块
      • 新增了 ddgo 模块
      • 新增了 se 模块
      • wkp 模块
      • 新增了 writer 模块
      • cosmo 模块

x-cmd 发布 v0.3.6

本次版本的最新引入的功能都是目的为了进一步探索 LLM 的使用。

本版本的改进分为两类:资讯类模块(Wikipedia,StackExchange,Duckduckgo),LLM 模块( writer,gemini,openai,moonshot)。

用户在 CLI 上实现资讯的引用,并利用命令行 pipe 的便利,或者环境变量整合上下文,以探索 LLM 的可能。

新增了 jina 模块

jina 模块基于 Jina.AI 公司的接口,我们提供了网址内容获取,生成文本向量和相关信息检索排序检索的功能。

使用案例:
在这里插入图片描述


新增了 ddgo 模块

借助 elinks,用户可以浏览 duckduckgo 内容,并根据链接获取相关的内容,作进一步处理 – 例如作为 context 提供给 LLM 。

使用案例:

在这里插入图片描述


新增了 se 模块

现在,借助 StackExchange 的 API,x-cmd的用户可以快速在 Stack Exchange 和 Stack Overflow 检索问题。借助 x-cmd 的一众 llm 模块,用户可以组合借助 ai 的力量,来实现信息的检索和处理。

使用案例:

在这里插入图片描述


wkp 模块

wikipedia 最终更名为 wkp,并调整 search、extract 功能的 UI。
维基百科的内容质量非常高;非常适合作为 LLM 的 context 。

使用案例:
在这里插入图片描述


新增了 writer 模块

writer 模块可以自由选择不同的 AI 模型和语言风格,提供了翻译,摘要,总结,解释,扩写的功能。

writer 模块默认会有 @en 和 @zh 两个 alias,并按照命令界面中的 LANG,按需增加其它语种支持。用户可以借助这些 alias 快速使用不同语种的 writer 来翻译,改写,总结文本。

cosmo 模块

增加 --ls --local 查看所有下载的二进制。

另外,引入了 llamafile-0.8.4 和 llamafile-tokenize。

上述不少功能在一年前的版本都已实验形态存在,但在最近一周才完成最终的设计。se,wkp,ddgo,gtb 最终在流程上(包括术语,交互)可以做到近乎一致,这样用户可以用最低的认知成本,来整合这些高质量的内容,辅以 x-cmd 上500 多个现代化命令行工具,自由组合释放 LLM 的强大潜力。

遗憾的是,因为精力有限,以及受限于当前相关项目的发展水平:

gtb 模块因未完成测试而无法正式发布;

我们还未来得及整合 x-cmd 自身的本地LLM 模块 – 虽然功能都能用,但在实际测试发现有 llama.cpp 本身就有不少局限之处;llamafile 项目昨天更新的版本也是一波三折的(详见昨天新闻);虽然本次版本已经加入了最新版,但尚未应用里面的新功能。

我们还需不断测试和开发,以让 LLM agent 以 func call 的方式自主调用 x-cmd(536个pkg,200+模块,1000+ install);

这些都是往后版本重点探索的功能。


关注微信官方公众号 : oh my x

获取开源软件和 x-cmd 最新用法

这篇关于[240512] x-cmd 发布 v0.3.6: (se,wkp,ddgo...)x( kimi,gemini,gpt...)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/984555

相关文章

高效+灵活,万博智云全球发布AWS无代理跨云容灾方案!

摘要 近日,万博智云推出了基于AWS的无代理跨云容灾解决方案,并与拉丁美洲,中东,亚洲的合作伙伴面向全球开展了联合发布。这一方案以AWS应用环境为基础,将HyperBDR平台的高效、灵活和成本效益优势与无代理功能相结合,为全球企业带来实现了更便捷、经济的数据保护。 一、全球联合发布 9月2日,万博智云CEO Michael Wong在线上平台发布AWS无代理跨云容灾解决方案的阐述视频,介绍了

4B参数秒杀GPT-3.5:MiniCPM 3.0惊艳登场!

​ 面壁智能 在 AI 的世界里,总有那么几个时刻让人惊叹不已。面壁智能推出的 MiniCPM 3.0,这个仅有4B参数的"小钢炮",正在以惊人的实力挑战着 GPT-3.5 这个曾经的AI巨人。 MiniCPM 3.0 MiniCPM 3.0 MiniCPM 3.0 目前的主要功能有: 长上下文功能:原生支持 32k 上下文长度,性能完美。我们引入了

Vue3项目开发——新闻发布管理系统(六)

文章目录 八、首页设计开发1、页面设计2、登录访问拦截实现3、用户基本信息显示①封装用户基本信息获取接口②用户基本信息存储③用户基本信息调用④用户基本信息动态渲染 4、退出功能实现①注册点击事件②添加退出功能③数据清理 5、代码下载 八、首页设计开发 登录成功后,系统就进入了首页。接下来,也就进行首页的开发了。 1、页面设计 系统页面主要分为三部分,左侧为系统的菜单栏,右侧

JavaSE——封装、继承和多态

1. 封装 1.1 概念      面向对象程序三大特性:封装、继承、多态 。而类和对象阶段,主要研究的就是封装特性。何为封装呢?简单来说就是套壳屏蔽细节 。     比如:对于电脑这样一个复杂的设备,提供给用户的就只是:开关机、通过键盘输入,显示器, USB 插孔等,让用户来和计算机进行交互,完成日常事务。但实际上:电脑真正工作的却是CPU 、显卡、内存等一些硬件元件。

JavaSE-易错题集-002

1. 下面有关java基本类型的默认值和取值范围,说法错误的是? A 字节型的类型默认值是0,取值范围是-2^7—2^7-1 B boolean类型默认值是false,取值范围是true\false C 字符型类型默认是0,取值范围是-2^15 —2^15-1 D long类型默认是0,取值范围是-2^63—2^63-1 答案:C 题解:注意字符型(char) char 占16位,

GPT系列之:GPT-1,GPT-2,GPT-3详细解读

一、GPT1 论文:Improving Language Understanding by Generative Pre-Training 链接:https://cdn.openai.com/research-covers/languageunsupervised/language_understanding_paper.pdf 启发点:生成loss和微调loss同时作用,让下游任务来适应预训

maven发布项目到私服-snapshot快照库和release发布库的区别和作用及maven常用命令

maven发布项目到私服-snapshot快照库和release发布库的区别和作用及maven常用命令 在日常的工作中由于各种原因,会出现这样一种情况,某些项目并没有打包至mvnrepository。如果采用原始直接打包放到lib目录的方式进行处理,便对项目的管理带来一些不必要的麻烦。例如版本升级后需要重新打包并,替换原有jar包等等一些额外的工作量和麻烦。为了避免这些不必要的麻烦,通常我们

禅道Docker安装包发布

禅道Docker安装包发布 大家好, 禅道Docker安装包发布。 一、下载地址 禅道开源版:   /dl/zentao/docker/docker_zentao.zip  备用下载地址:https://download.csdn.net/download/u013490585/16271485 数据库用户名: root,默认密码: 123456。运行时,可以设置 MYSQL_ROOT_P

JavaSE(十三)——函数式编程(Lambda表达式、方法引用、Stream流)

函数式编程 函数式编程 是 Java 8 引入的一个重要特性,它允许开发者以函数作为一等公民(first-class citizens)的方式编程,即函数可以作为参数传递给其他函数,也可以作为返回值。 这极大地提高了代码的可读性、可维护性和复用性。函数式编程的核心概念包括高阶函数、Lambda 表达式、函数式接口、流(Streams)和 Optional 类等。 函数式编程的核心是Lambda

速通GPT-3:Language Models are Few-Shot Learners全文解读

文章目录 论文实验总览1. 任务设置与测试策略2. 任务类别3. 关键实验结果4. 数据污染与实验局限性5. 总结与贡献 Abstract1. 概括2. 具体分析3. 摘要全文翻译4. 为什么不需要梯度更新或微调⭐ Introduction1. 概括2. 具体分析3. 进一步分析 Approach1. 概括2. 具体分析3. 进一步分析 Results1. 概括2. 具体分析2.1 语言模型