俩小伙一晚上写了个 AI 应用,月入两万??(文末附开发教程)

开发出一款能够与 AI 对话生成和编辑思维导图的工具,听起来似乎只能是一群专业的 AI 背景团队花费大量的时间和精力训练模型,打磨应用才能完成的事情。

但是,两名大学生却在一夜之间完成了,就像炼金术士将庸俗的材料转化成黄金一样,他们将代码转化为了神奇的工具,下面我们来一起揭开这个神奇工具背后的秘密。

使用

案例一: 旅游攻略。

出去旅游最麻烦的就是做攻略了,要玩哪些地方,行程怎么安排等等,那么只要我们用上这个神奇的工具,事情立马就变得简单了。

输入:云南旅游攻略

俩小伙一晚上写了个 AI 应用,月入两万??(文末附开发教程)

怎么样?是不是立马想背包出发?

案例二:设计创意

不能解决生产力的工具,绝对称不上好工具,我们来看看关于室内设计它能帮上什么忙。

输入:赛博朋克风格的室内设计想法

俩小伙一晚上写了个 AI 应用,月入两万??(文末附开发教程)

灵感这不就来了嘛!

开发

根据作者透露,他们使用了 Laf 作为开发平台,然后使用了ChatGPT3.5来进行自然语言处理和AI交互。

也就是说使用 Laf 对接了 ChatGPT 再加上亿点点前端细节,开发完毕之后托管到 Laf上,这样一个应用就上线了!

一晚上上线一个应用,够快吗?应该是够快了,但这只是两名大学生的极限而不是 Laf 的极限。

那么用 Laf 究竟有多快呢,下面是写一个 ChatGPT 接口的全部流程。

1.打开浏览器登录 laf.dev

2.新建云函数,模板选择 ChatGPT 示例

俩小伙一晚上写了个 AI 应用,月入两万??(文末附开发教程)

3.apiKey 更改为你自己的

4.点击右上角的发布

俩小伙一晚上写了个 AI 应用,月入两万??(文末附开发教程)

ok 一个接口就已经上线了,前端直接 http 请求这个接口,传入文字进来,就会获取到 ChatGPT 的回复了,并且支持流式返回(打字机效果)。

随着函数模板的增加,以及后面函数市场的上线,基本上百分之八十的业务逻辑都可以通过点一点,改一改来完成,从此告别重复造轮子。

上线

代码写完就是上线了,按理说需要去买服务器,配置代理等等,但这些不够快,用这种方式两个小伙一晚上是没办法上线的。

那么最快的方法就是在 Laf 上创建一个 Bucket 把打包后的项目直接丢进去,点一下托管即可上线。

俩小伙一晚上写了个 AI 应用,月入两万??(文末附开发教程)

我愿意称之为:秒级开发,秒级上线,就是那么快!

总结

俗话说得好:天下武功唯快不破,在这个变化莫测的时代,只有够快你才能快人一步,有好的想法一定要快速实现。

通过 Laf ,开发者不需要关注底层的服务器、代理等运维问题,可以专注于应用开发和创意的实现,可以更快地将想法转化为产品,快速响应市场变化,从而占据竞争优势。

最后让我们喊出那句响亮的口号:life is short, you need laf ?

Laf: https://github.com/labring/laf
ChatMind: https://www.chatmind.tech
三分钟上线自己的 ChatGPT 教程:https://forum.laf.run/d/100

原文链接:https://www.cnblogs.com/ryanyangcs/p/17376234.html

本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:俩小伙一晚上写了个 AI 应用,月入两万??(文末附开发教程) - Python技术站

(0)
上一篇 2023年5月5日
下一篇 2023年5月6日

相关文章

  • Python机器学习(七十七)Keras 编译模型

    接下来编译模型。在编译模型时,设置损失函数与优化器。 model.compile(loss=’categorical_crossentropy’, optimizer=’adam’, metrics=[‘accuracy’]) Keras有多种损失函数和开箱即用的优化器可供选择。

    Keras 2023年4月8日
    00
  • AI大视觉(二十) | 小目标检测的tricks汇总

    ​   本文来自公众号“每日一醒”   在计算机视觉中,检测小目标是最有挑战的问题之一。 本文汇总了一些有效的策略。   ​ 为何小目标 (1)基于相对尺度 物体宽高是原图宽高的1/10以下的可以视为小目标。 目标边界框面积与图像面积的比值开方小于一定值(较为通用的值为0.03)的可以视为小目标。 (2)基于绝对尺度 通常认为绝对尺寸小于32×32的物体可以…

    目标检测 2023年4月7日
    00
  • 第十讲–循环神经网络–课时22–语言模型

    language model即语言生成模型 character level language model 训练过程 训练过程的输入时给定的,结果是一个向量,进过softmax后就是为各个character的概率 测试过程     输入是前一个的输出,输出是由soft max 之后的概率分布 采样得到的 —————————-…

    2023年4月8日
    00
  • 人工智能的最常用的12大工具和框架

    人工智能促进了大量数据的处理及其在行业中的使用。随着 AI 和 ML 的发展,人工智能开发人员可用的工具和框架的数量也在增加。如果你想实际开发人工智能程序,这些框架和工具是必不可少的。 本篇文章将带您了解常用的关于人工智能的工具和框架。 人工智能的工具和框架 当前人工智能开发最热门的工具和框架有以下: Scikit Learn TensorFlow Thea…

    2022年12月2日 人工智能概论
    10
  • 【机器学习】李宏毅——机器学习任务攻略

    【机器学习】李宏毅——机器学习任务攻略,主要内容是讲解了如果出现了测试集误差较大的情况应该如何进行判断以及解决 这一节的主要内容是当测试数据的准确度不够高的时候应该怎么做。 首先一定要检查你的训练数据集的误差,如果发现是你的训练数据集误差也比较大,那么就有两种可能: 模型过于简单,无法很好的拟合当前的数据集 陷入局部最优价,也就是优化算法做的不够好 那么如果…

    机器学习 2023年4月11日
    00
  • 深度学习Keras框架笔记之Activation类使用

       使用     keras.layers.core.Activation(activation)   Apply an activation function tothe input.(貌似是把激活函数应用到输入数据的一种层结构)        inputshape: 任意。当把这层作为某个模型的第一层时,需要用到该参数(元组,不包含样本轴)。     …

    Keras 2023年4月5日
    00
  • GAN:生成式对抗网络

    参考:https://zhuanlan.zhihu.com/p/24767059,感谢! GAN开山之作:https://arxiv.org/abs/1406.2661 ~ 介绍原始的GAN的原理 ~ 同样非常重要的DCGAN的原理    一. GAN原理介绍 说到GAN第一篇要看的paper当然是Ian Goodfellow大牛的Generative Ad…

    GAN生成对抗网络 2023年4月7日
    00
  • 用训练好的caffemodel对单个/批量图片进行分类 caffe小问题汇总(持续更新)

    一、单个图片进行分类   这个比较简单,在*.bat文件中输入以下代码: @echo off set BIN_DIR=D:\caffe\caffe-windows\Build\x64\Release set DEPLOY_DIR=D:\gaokun\caffe_train_test_tool set CAFFEMODEL_DIR=D:\ChineseChar…

    Caffe 2023年4月8日
    00
合作推广
合作推广
分享本页
返回顶部