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

  • 使用清华镜像安装tensorflow1.13.1

    安装tensorflow时,如果使用直接安装速度相对较慢,采取清华大学的镜像会提高速度。 pip3 install tensorflow-gpu==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple选择版本是1.13.1,并且是GPU版本 pypi 镜像使用帮助pypi 镜像每 5 分钟同步一次。 临时使用p…

    tensorflow 2023年4月7日
    00
  • caffe学习–cifar10学习-ubuntu16.04-gtx650tiboost–1g–02

    caffe学习–cifar10学习-ubuntu16.04-gtx650tiboost–1g–02   训练网络: caffe train -solver examples/cifar10/cifar10_quick_solver.prototxt I1025 09:52:16.952167 7453 sgd_solver.cpp:105] Itera…

    Caffe 2023年4月8日
    00
  • 在caffe中添加新的layer

    比如现在要添加一个vision layer,名字叫Ly_Layer:(一般命名第一个字母大写,其余小写。) 1、属于哪个类型的layer(共五种:common_layer, data_layer, loss_layer, neuron_layer, vision_layer ),就打开哪个 hpp文件(caffe-master/include/caffe/)…

    Caffe 2023年4月8日
    00
  • caffe神经网络加入训练日志和画出loss曲线

    1、记录训练日志在训练过程中的命令中加入一行参数 ,实现Log日志的记录其中目录改成自己项目的目录,这样训练结束之后,会在Log文件夹中生成每次训练的Log日志#!/bin/bashGLOG_logtostderr=0 GLOG_log_dir=fine-grained/Log/ caffe.bin train –solver fine-grained/s…

    2023年4月8日
    00
  • 《机器学习基石》—过拟合风险

    过拟合就是Ein很小,而Eout很大的情况。产生过拟合的三个原因是,使用了过大的VC维,噪声,数据量太小:   2 如何解决过拟合 (1)从简单的model开始做; (2)数据清理/裁剪: (3)收集更多的数据; (4)数据提示; (5)正则化(后面介绍); (6)验证(后面介绍)。   数据清理/裁剪:数据清理指修正标签,数据裁剪是指直接删除标签错误的数据…

    机器学习 2023年4月12日
    00
  • 100天搞定机器学习|Day60 遇事不决,XGBoost

    XGBoost 是一种集大成的机器学习算法,可用于回归,分类和排序等各种问题,在机器学习大赛及工业领域被广泛应用。成功案例包括:网页文本分类、顾客行为预测、情感挖掘、广告点击率预测、恶意软件分类、物品分类、风险评估、大规模在线课程退学率预测。 XGBoost是初学者最值得深度理解的模型之一,它将决策树、boosting、GBDT 等知识点串联起来,强烈建议大…

    机器学习 2023年4月13日
    00
  • PIoU Loss:倾斜目标检测专用损失函数,公开超难倾斜目标数据集Retail50K | ECCV 2020 Spotlight

    论文提出从IoU指标延伸来的PIoU损失函数,能够有效地提高倾斜目标检测场景下的旋转角度预测和IoU效果,对anchor-based方法和anchor-free方法均适用。另外论文提供了Retail50K数据集,能够很好地用于评估倾斜目标检测算法的性能 来源:晓飞的算法工程笔记 公众号 论文: PIoU Loss: Towards Accurate Orie…

    2023年4月6日
    00
  • 【tensorflow】tf.keras + Sequential() 6 步搭建神经网络

    tf.keras 是 tensorflow API,可以快速搭建神经网络模型。   六步: import 相关模块。 指定要喂入网络的训练集和测试集。 在 Sequential() 中搭建网络结构。 在 compile() 中配置训练方法。 在 fit() 中执行训练过程。 用 summary() 打印出网络的结构和参数统计。     Sequential(…

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