GreenOpen专注LLM和CV

摘要： 对于大部分文字工作者来说，wps/word仍然是人们熟悉且普遍擅长的编辑工具，那么就不可避免错别字的问题。这里从对现有校对工具的观察出发，并基于大语言模型开展实践探索。一、现有校对工具观察（一）黑马校对应该说，黑马校对给我最深刻的映像就是，直到2025年年末，“金山-黑马校对”仍然保持了10年前的风 阅读全文

摘要： 我想构建的程序，应该是如下的： ①私域场景，也就是说，使用本地部署的大模型； ②不要离开word/wps等工具，采用将大语言模型嵌入的方式； ③需要代码开源，能够自主控制全流程。 下面，我会利用vibeCoding的方法，开展探索实践。 暂时取名叫做GOWordAgent，首先立足在windows中实现。 里程碑①在word中插入侧边栏和顶栏；（ok） 里程碑②在侧边栏中集成AI对话；（ok） 里程碑③右侧能够读取正文的内容； 里程碑④添加审阅的功能 阅读全文

摘要： 一、原生向量代码，自己计算距离 import numpy as npfrom numpy import dotfrom numpy.linalg import normfrom sentence_transformers import SentenceTransformermodel = Sente 阅读全文

摘要： 因为涉及到体能训练成绩，所以接触到了很多表格，触发了对表格数据的思考：图表也是重要的数据来源，应该如何来进行处理？图表的数据不仅关系它本身，而且也和表格形式相关，此外还和背景材料相关。首先从一个比较干净的表格开始，它本身是可以编辑的pdf.鉴于chatglm3不带pdf处理、llama3目前还没有看 阅读全文

摘要： 有别于广为人知的Sobel、Canny等一阶算法，基于Hessian矩阵能够得到图像二阶结果，这将帮助我们深入分析图像本质。 Hessian矩阵在图像处理中有着广泛的应用：其中在图像分割领域，包括边缘检测、纹理分析等；在图像增强领域，包括边缘增强、边缘消除等。 本文从Hessian矩阵定义出发，通过清晰简洁的数学推导和讲解实现公式到C++代码的转化。为了帮助深入理解Hessian矩阵在图像处理中的能力，我们将详细讲解和实现经典的“血管增强”算法（Frangi算法） 阅读全文

摘要： vLLM 是一个快速且易于使用的库，用于进行大型语言模型（LLM）的推理和服务。这里通过运行实际的例子，来和传统原始方法进行比较。初步结论是vllm没有体现出明显优势。 阅读全文

摘要： 分析输入信息的类别，目前是一个闭集、但是要按照开集的方式来进行分析；名称越乱越好，让系统自己来进行划分。必须首先考虑传统的方法；优先考虑数据结构的构建；强化监控机制的构建、首先进行认知和技术积累。一、数据情况找到了清华大学整理的关于体育的新闻，每篇一个新闻，第一行是标题，而后是内容。基于现有工具，直 阅读全文

摘要： 一、基本chain from langchain_core.output_parsers import StrOutputParser from langchain_core.prompts import ChatPromptTemplate from langchain_community.llm 阅读全文

摘要： 一、和chatglm3通信，基于chromadbimport jsonimport requestsimport osfrom pdfminer.high_level import extract_pagesfrom pdfminer.layout import LTTextContainerimp 阅读全文

摘要： embeded模型基于m3e。 一、原生向量代码，自己计算距离 import numpy as np from numpy import dot from numpy.linalg import norm from sentence_transformers import SentenceTrans 阅读全文