【开源项目】GitHub 2023十大最佳开源项目
开源软件(OSS)已经彻底改变了当今软件开发的方式。有数百万个开源GitHub项目可用,导航并找到符合您需求的最佳开源项目可能会让人应接不暇。
本文列出了你应该知道的增长最快的10个开源GitHub存储库。
【Web应用】2023年你应该开始使用的7款杀手级网络应用
7 free websites you should use to increase productivity
有很多应用程序可以帮助你提高生产力,但并不是所有的应用程序都是平等的。在这篇文章中,我们将分享一些最好的网络应用程序,这些应用程序将帮助您节省时间并提高生产力。
【开发工具】7人工智能驱动的开发工具:改变发展格局
人工智能正在改变世界,软件开发也不例外。人工智能正在帮助开发人员创建比以往任何时候都更快、更智能、更高效的应用程序。在这篇文章中,我们将讨论7种人工智能驱动的工具,它们正在为开发者改变游戏。
1. TabNine
【知识库工具】2023年为开发人员提供的35个知识库工具
在2023年,不应就软件项目中优秀文档的附加值展开争论。软件工程师应该能够访问适当的知识库,这取决于资源类型和他们需要的时间。软件开发人员的技术文档可以采取多种形式,包括常青文档(例如,建立项目的程序)、开发人员在项目中应遵循的体系结构原则、发布文档,编码标准和指南、入职指南等等。
技术受众的文档是一项艰巨的挑战,原因有很多:它需要一个严格的组织来保持最新。它很快就会被那些经常不喜欢花时间维护文档的工程师搁置一边。一个常见的错误是将所有类别的文档都放在同一级别:例如,安装软件的绿色程序与定期发展的编码标准不同。你不需要在同一时间和同一频率掌握这些知识。一旦您了解了这一点,就可以定义不同的流程和渠道来管理您的技术文档
在这篇文章中,我们概述了35种现有的技术知识管理工具,这些工具可以分为以下主要类别:
Angular开发
- 阅读更多 关于 Angular开发
- 登录 发表评论
【Angular】Angular:2023年最佳实践
Angular开发以其健壮性、可扩展性和性能而闻名,因此在web开发公司和开发人员中很受欢迎。因此,在Angular开发中采用最佳实践可以带来一致性、代码可读性、性能、可维护性和可扩展性。
它可以帮助团队成员更有效地合作,减少出现错误的机会,并确保代码库能够支持不断发展的需求。本文的目标是列出Angular开发人员应该遵循的最佳实践,以确保他们的应用程序获得高水平的接受和成功。
Angular CLI的定期使用
Angular CLI是一个非常强大的工具。强烈建议您安装并尽可能多地使用它。使用预定义的命令,而不是手工完成所有操作,非常节省时间。列出一些常用的命令
ChatGPT
- 阅读更多 关于 ChatGPT
- 登录 发表评论
【ChatGPT】使用ChatGPT汇总数据
熟悉data.world的人都知道,该公司的使命是建立世界上最有意义、最协作、最丰富的数据资源。data.world完成这项任务的一种方法是提供一个社区数据门户,当你创建一个免费帐户并登录data.worlds时,你会看到这个门户。目前,社区网站上有超过15万个开放数据资源,包括美国人口普查局、美国国家航空航天局和data.gov.uk等来源。
我在另一篇博客中概述了你如何成为这个数据资源的策展人之一。如果你尝试过,你就会知道,要想真正让别人使用你的数据,你需要的不仅仅是将电子表格上传到data.world这样的托管和查询服务,让你的数据公平,但这只是一个开始。你需要做的事情之一是描述你的数据,也许为它制作一个数据字典,甚至可能向数据的潜在用户做广告。
到目前为止,ChatGPT能够在所有这些任务中提供帮助并不奇怪。作为一个例子,我使用ChatGPT提供了先正达提供的数据摘要,以跟踪其良好增长计划的进展。
先正达是一家国际农药公司。他们的业务是提供化学品和专业知识,帮助世界各地的农民生产粮食。早在2014年左右,先正达就推出了“良好增长计划”,这一系列承诺不仅旨在通过销售化学品赚钱,还旨在提高世界各地粮食生产的效率和可持续性。
【LLM】LangChain 资料大全
【LLM】LangChian自动评估( Auto-Evaluator )机会
编者按:这是兰斯·马丁的一篇客座博客文章。
TL;DR
我们最近开源了一个自动评估工具,用于对LLM问答链进行评分。我们现在发布了一个开源、免费的托管应用程序和API,以扩展可用性。下面我们将讨论一些进一步改进的机会。
上下文
文档问答是一个流行的LLM用例。LangChain可以轻松地将LLM组件(例如,模型和检索器)组装成支持问答的链:输入文档被分割成块并存储在检索器中,在给定用户问题的情况下检索相关块并传递给LLM以合成答案。
问题
质量保证系统的质量可能有很大差异;我们已经看到由于特定的参数设置而产生幻觉和回答质量差的情况。但是,(1)评估答案质量和(2)使用此评估来指导改进的QA链设置(例如,块大小、检索到的文档数)或组件(例如,模型或检索器选择)并不总是显而易见的。