这几天在构建Chroma Docker版时复习了一下Docker的使用。在拉起Chroma Docker的功能时很顺利，一把就成功了。然后就是客户端的一个小修改，就可以正常使用了。 在权限方面，Chroma团队好像正在做这方面的改进提案，毕竟权限是数据库的标配。不过， chromadb服务端只可本机访问，安全方面倒也问题不大。 构建好的Chroma Docker版已发布在docker hub上了，可以直接拉取使用。

日本核污水排海这件事最近闹得沸沸扬扬的，与之相应的是国内开始抢盐了！听说很多超市的盐都卖光了！咦，还有这操作？难道多吃盐能对抗辐射？！可能有这方面的道理，否则日本人怎么会倒入大海，而不是倒入河流呢？

在正式的生产环境中，Chroma不推荐使用内存模式，而是要选用 httpClient服务端的模式。这个模式是封装在了docker中，运行起来超简单的。 Docker环境 补充点Docker的知识，安装和基本使用。已有的可以略过。 install 安装部署Docker docker-compose sudo apt install –y curl // 可以先检查下curl: whereis curl

在本地知识库的构建中，其中重要的一环是对文本的向量计算，然后存入数据库备查。在这种知识库的项目中除了知识文本的重要性之外，向量计算几乎占据了绝大多数的比重，可以说：成败在此计算。 现在比较流行的有三个向量计算库：OpenAIEmbeddings、shibing624/text2vec-base-chinese和GanymedeNil/text2vec-large-chinese。接下来就实际测试下看看。

这里算是做一个汇总，以及对它的细节做补充。Chroma向量数据库具备传统数据库所有的功能，还有它自身独特的特点。它还在不断的开发完善，在使用中也略有bug。 在项目中，我们可能不是单独使用，而是和langchain这样的工具一起使用，所以，在项目中，它们会结合在一起。 向量数据库 Chroma简介 bug 基本使用 Chroma embedding Chroma docker langchain中的使用

这次更新了图像模型，Stable Diffusion XL 1.0。试了几次，确实有了质的飞跃！用很少的关键词(prompt)就可以生成不错的效果，同时质量也不错，这就难能可贵了。感觉整体效果方面不输Midjourney,关键词技巧也还算简单。只是在中文方面的识别不是很好，有时中文会图不达意，还是得自行转成英文，把文字格式化。 试了几次，效果不错，其它的还有待挖掘。

更多细节请看github库， 有很多更新，Awesome-AI AI助手 大语言模型LLMs AutoGPT ChatGPT工具 AI社区 绘图 修图 设计 写作 编程 虚拟角色 图像生成关键词 关键词助手 视频 音频 三维化 AI专用语言 AI助手 ChatGPT OpenAI研发的聊天机器人程序，人工智能技术驱动的自然语言处理工具。 Google Bard LaMDA 模型驱动，谷歌出品 Claude

当一切都开发好后，就是打包和布署啰，开发体验还是很好的：轮子都造好了，放在了顺手的位置。这大概也是不少Vue的开发者转向Nuxt的原因吧。 更改服务器端口 1. yarn build , 得到， .output/server/index.mjs 2. 设置服务器端口 port 源码： .output\server\chunks\nitro\node-server.mjs //const port =

推流 推流就是一边获取一边传输的能力，常见是视频播放。在AI生成中也会常用到，推流有助于提高用户体验。在前端测试中，只有浏览器端的原生就去 fetch 才有 streaming 的能力，其它方法不行！Nuxt的 useFetch, $fetch都不行! const url = " const prompt = "天空为什么是蓝色的？" let query = [{role:

在湖边散步时，常见人们溜狗。狗狗们有大有小，欢声雀跃的，看来被主人们照顾得很好。看到主人们抱着狗狗们痛惜的模样，真感觉是他家小孩一样啰！ 狗狗们在家中的地位也不低，常有人调侃：自己在家排第四，狗狗排第三。由此可见人们对狗的热爱程度。人们对狗热度时恨不得所有的好东西都给到它，它也几乎成了家庭一员。可另一方面，却恰恰相反，最恶毒最经典的骂人又和狗紧密相关。 常形容骂人叫“狗血淋头”，

如果你正值高考，或是有朋友家人高考，有在关注高考这块，那么，有个人或许你不陌生，那就是唐尚珺。他是何许人呢，是高考状元？ 被清北录取了？！不，这些都不是。而是恰恰相反，他是个高考复读15次的人！

向量数据库的查询并不复杂，简单几条命令就可以搞定。而且，向量数据库的使用和传统数据库的使用逻辑相差不大，都是增删改查这一套。唯一有不同的就是向量计算和检索这块。 先简单来下Chroma在langchain中的检索： from langchain.vectorstores import Chroma import sentence_transformers from

最近听《庄子》，有不少心得。从无物之用，到鲲鹏九万里，虽然以前也读过，但现在再读，明显感受不同。很多典故、成语都是从《庄子》里来的，也是沿用了原意，比如庖丁解牛，越俎代庖等。但好像只有一个成语是例外，成了反义，那就是“呆若木鸡”。

作为开发ChatGLM的主公司：智谱AI提供了很方便的API接口，只需在页面注册后就可得到API KEY, 然后就可以直接调用了，这些和OpenAI API的做法是一样的。 流式传输 流式传输就是每生成一段就传一段，在页面上就是那种打字机的效果：逐字生成。这种方法比较人性，生成多少就可以看到多少。ChatGLM也有类似的方法。 import zhipuai zhipuai.api_key =

来岳阳有段时间了，适应还不错。这边水系众多，到处都是湖泊，按照广东这边的说法：“湖景房”到处都是，并不出奇！当然，这边最知名的当然还是洞庭湖和岳阳楼啰！ 烟波浩渺、无边无际，这种大湖确也少见啊！船倒不多，可能现代的水运过时了，各种快递都是公路和航空吧。

向量数据库大比拼 / ai #16

Chroma is a new AI native open-source embedding database.Chroma is the open-source embedding database. Chroma makes it easy to build LLM apps by making knowledge, facts, and skills pluggable for LLMs.

在做本地知识库时，对文本存储会首先对文本进行分割保存，这样是因为太长的文本不方便做AI的上下文。得到分割好的小段文本集后，再做向量计算，存入向量数据库后，就做好了前期准备。 实现文本分割器倒不算难，但也有几个坑，主要是对中文的支持。读取文本时必须使用encoding='gbk'，否则分割不了。 文本分割 pip install langchain # 依赖 from langchain.text_splitter

AI的火越烧越旺了！ 今天OpenAI公开了GP4的调用，是个不错的消息。不过与此同时，OpenAI却是时时（对国人）封号封卡的，很是没办法畅快地玩耍，要不，看看国产的大模型？ 国内呼声最高的开源模型大概是ChatGLM-6B。它小而美，性能也不错，看看它的介绍：

状态管理 useState useState用于创建响应式的且服务端友好的跨组件状态，类似于Vue中的state的功能。 const counter = useState('counter', () => Math.round(Math.random() * 1000)) counter++ counter.value = 20 //重新赋值 const user = useState('user',