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

  • 深度学习之RNN(循环神经网络)

    对深度学习之RNN(循环神经网络)的理解。 RNN网络存在三个矩阵在不同时刻权重共享,即从头到尾只需要计算这三个矩阵。 U:输入层到隐层的矩阵 V:隐层到输出层 W:隐层到自身的矩阵 二、反向传播 RNN损失为各个时间点的损失之和,故各个梯度的变化为各个时间点梯度变化之和 RNN语言模型为例子,损失函数使用交叉熵,其中yt为t时刻正确的词语,y^t为t时刻预…

    2023年4月8日
    00
  • 神经网络学习–PyTorch学习06 迁移VGG16

        因为我们从头训练一个网络模型花费的时间太长,所以使用迁移学习,也就是将已经训练好的模型进行微调和二次训练,来更快的得到更好的结果。 import torch import torchvision from torchvision import datasets, models, transforms import os from torch.auto…

    PyTorch 2023年4月8日
    00
  • Spiking-YOLO:脉冲神经网络高效的目标检测

    Spiking-YOLO: Spiking Neural Network for Energy-Efficient Object Detection |AAAI 2020 Spiking-YOLO:脉冲神经网络高效的目标检测 Abstract Introduction Related work DNN-to-SNN conversion Object det…

    2023年4月8日
    00
  • 《机器学习技法》—AdaBoost算法

    首先,直接给出AdaBoost算法的核心思想是:在原数据集上经过取样,来生成不同的弱分类器,最终再把这些弱分类器聚合起来。 关键问题有如下几个: (1)取样怎样用数学方式表达出来; (2)每次取样依据什么准则; (3)最后怎么聚合这些弱分类器。   首先我们看第一个问题,如何表示取样?答案使用原数据集上的加权error。 假设我们对数据集D做的取样如下: 那…

    机器学习 2023年4月12日
    00
  • 机器学习面试问题整理(2) — SVM支持向量机

    文章目录 概述 SVM原理及推导 SVM与随机森林比较 SVM为什么要引入拉格朗日的优化方法。 SVM原问题和对偶问题关系? SVM在哪个地方引入的核函数, 如果用高斯核可以升到多少维? SVM怎么防止过拟合 ? SVM的目标函数。 常用的核函数。 SVM硬软间隔对偶的推导 概述 基本推导和理论还是以看李航老师的《统计学习方法》为主。各种算法的原理,推荐理解…

    机器学习 2023年4月10日
    00
  • 如何保存Keras模型

    我们不推荐使用pickle或cPickle来保存Keras模型 你可以使用model.save(filepath)将Keras模型和权重保存在一个HDF5文件中,该文件将包含: 模型的结构,以便重构该模型 模型的权重 训练配置(损失函数,优化器等) 优化器的状态,以便于从上次训练中断的地方开始 使用keras.models.load_model(filepa…

    Keras 2023年4月6日
    00
  • 循环神经网络(三)-RNN进阶

    这部分许多内容要类比CNN来进行理解和解释,所以需要对CNN比较熟悉。   RNN的特点 1. 权值共享 CNN权值共享,RNN也有权值共享,在入门篇可以看到RNN结构图中,权重使用的是同样的字母 为什么要权值共享 a. 减少weight,减少计算量,这点其实比较好理解。 试想10X10的输入,全连接隐藏层如果是1000个神经元,那就有100000个weig…

    2023年4月5日
    00
  • Github热门AI技术推荐——目标检测之YOLO

    此篇文章灵感来源于一位正在做车端感知算法的程序员,本人在这之前并不了解YOLOv3的强大,但亲身感受后,不得不说YOLO的创造者-Joseph Redmon和Ali Farhadi等人简直是鬼才。随后本人翻阅了大量的文献和内容,发现如要想了解 YOLO v3必须得从之前的论文开始,因为关于YOLO v3的论文写的实在是随意。   2015年,Joseph R…

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