全部新闻
使用 GPT-4o 创建 WhatsApp AI 代理
2024-12-22 18:01:07
使用 Meta 的 Cloud API 和 FastAPI 设置由法学硕士支持的 WhatsApp 聊天机器人，非常出色！您已经了解了很多知识，包括实时消息处理、音频转录和用户身份验证。以下是对下一阶段开发的一些补充建议：### 后续步骤：与 LangGraph 集成1. **数据库表创建**：- 代理应该能够根据传入数据动态创建数据库表。- 示例：如果新用户注册，则会自动为其个人资料和偏好创建一个表。2. **动态工具生成**：- 允许代理根据上下文或用户请求生成工具（例如功能）。- 例如，如果用户询问创建提醒，代理可以动态添加功能来设置提醒。3. **高级用户身份验证和安全性**：- 实施更强大的身份验证机制（例如 OAuth2）以提高安全性。- 使用 JWT 令牌进行安全会话管理。4. **增强的音频/视频处理**：- 通过添加对视频消息和文件附件的支持来改进多媒体处理。- 与语音转文本服务（例如 Google Cloud 语音转文本）集成，以提高转录准确性。5. **自定义模板和对话流程**：- 允许用户直接通过聊天机器人界面创建自定义消息模板。- 实施对话流（如 Dialogflow 或 Rasa）以实现更细致的交互。6. **分析和见解**：- 集成分析以跟踪用户参与度、消息频率和响应时间。- 深入了解代理决策过程中的常见查询和瓶颈。### 实现示例：动态表创建以下是如何使用 FastAPI 动态创建数据库表的基本示例：````蟒蛇从 fastapi 导入 APIRouter，取决于从 sqlalchemy.orm 导入会话从 app.database 导入 get_dbfrom app.models import UserTable # 假设您定义了一个用户表模型路由器 = APIRouter()@router.post("/创建用户表")异步 def create_user_table(user_id: str, db: Session = Depends(get_db)):尝试：# 检查该用户是否已存在于数据库中现有表 = db.query(UserTable).filter_by(user_id=user_id).first()如果不存在现有表：new_table = UserTable(user_id=user_id)db.add（新表）db.commit()return {"message": f"为 {user_id} 创建用户表"}别的：return {"message": "用户已存在"}除了异常 e：db.rollback()引发 HTTPException(status_code=500，detail=str(e))````### 动态工具生成以下是根据用户输入动态向代理添加工具的示例：````蟒蛇从 langchain.agents 导入 AgentExecutor从 langchain.tools 导入工具从 app.domain.message_service 导入 send_whatsapp_messagedefgenerate_reminder_tool（代理：AgentExecutor）：def set_reminder（用户id，提醒文本，时间）：# 设置提醒的逻辑（例如，使用外部服务）响应= f“为{时间}设置的提醒：{reminder_text}”send_whatsapp_message（用户 ID，响应）tool_name = "设置提醒"func = 设置提醒描述=“在特定时间设置提醒。”agent.add_tool(工具(名称=工具名称，func=func，描述=描述))````### 自定义模板以下是如何允许用户创建自定义模板的示例：````蟒蛇从 fastapi 导入 APIRouter，取决于导入 json路由器 = APIRouter()@router.post("/创建模板")异步 def create_template(名称: str, 消息: str, db: Session = Depends(get_db)):# 在数据库中创建和保存模板的逻辑return {"message": f"使用内容 '{message}' 创建的模板 '{name}'"}````### 安全增强实施 OAuth2 进行用户身份验证：````蟒蛇从 fastapi 导入 APIRouter、取决于、HTTPException从 fastapi.security 导入 OAuth2PasswordBearer、OAuth2PasswordRequestForm从 sqlalchemy.orm 导入会话从 app.database 导入 get_dbfrom app.models import User # 假设您定义了用户模型路由器 = APIRouter()oauth2_scheme = OAuth2PasswordBearer(tokenUrl="令牌")@router.post("/令牌")异步 def login_for_access_token(form_data: OAuth2PasswordRequestForm = Depends(), db: Session = Depends(get_db)):用户=authenticate_user(db, form_data.用户名, form_data.密码)如果不是用户：引发 HTTPException(状态代码=401，详细信息=“用户名或密码不正确”，headers={"WWW-Authenticate": "承载者"},）access_token = create_access_token(data={"sub": user.username})返回{“access_token”：access_token，“token_type”：“承载者”}````＃＃＃ 结论这些增强功能将使您的聊天机器人更加动态和安全。一次专注于一个方面，以确保在进入下一阶段之前稳健的实施和测试。祝你的项目好运！🚀如果您需要任何具体的代码示例或进一步的指导，请随时询问！😊
使用 Meta 的 Cloud API 和 FastAPI 设置由法学硕士支持的 WhatsApp 聊天机器人，非常出色！您已经了解了很多知识，包括实时消息处理、音频转录和用户身份验证。以下是对下一阶段开发的一些补充建议：### 后续步骤：与 LangGraph 集成1. **数据库表创建**：- 代理应该能够根据传入数据动态创建数据库表。- 示例：如果新用户注册，则会自动为其个人资料和偏好创建一个表。2. **动态工具生成**：- 允许代理根据上下文或用户请求生成工具（例如功能）。- 例如，如果用户询问创建提醒，代理可以动态添加功能来设置提醒。3. **高级用户身份验证和安全性**：- 实施更强大的身份验证机制（例如 OAuth2）以提高安全性。- 使用 JWT 令牌进行安全会话管理。4. **增强的音频/视频处理**：- 通过添加对视频消息和文件附件的支持来改进多媒体处理。- 与语音转文本服务（例如 Google Cloud 语音转文本）集成，以提高转录准确性。5. **自定义模板和对话流程**：- 允许用户直接通过聊天机器人界面创建自定义消息模板。- 实施对话流（如 Dialogflow 或 Rasa）以实现更细致的交互。6. **分析和见解**：- 集成分析以跟踪用户参与度、消息频率和响应时间。- 深入了解代理决策过程中的常见查询和瓶颈。### 实现示例：动态表创建以下是如何使用 FastAPI 动态创建数据库表的基本示例：````蟒蛇从 fastapi 导入 APIRouter，取决于从 sqlalchemy.orm 导入会话从 app.database 导入 get_dbfrom app.models import UserTable # 假设您定义了一个用户表模型路由器 = APIRouter()@router.post("/创建用户表")异步 def create_user_table(user_id: str, db: Session = Depends(get_db)):尝试：# 检查该用户是否已存在于数据库中现有表 = db.query(UserTable).filter_by(user_id=user_id).first()如果不存在现有表：new_table = UserTable(user_id=user_id)db.add（新表）db.commit()return {"message": f"为 {user_id} 创建用户表"}别的：return {"message": "用户已存在"}除了异常 e：db.rollback()引发 HTTPException(status_code=500，detail=str(e))````### 动态工具生成以下是根据用户输入动态向代理添加工具的示例：````蟒蛇从 langchain.agents 导入 AgentExecutor从 langchain.tools 导入工具从 app.domain.message_service 导入 send_whatsapp_messagedefgenerate_reminder_tool（代理：AgentExecutor）：def set_reminder（用户id，提醒文本，时间）：# 设置提醒的逻辑（例如，使用外部服务）响应= f“为{时间}设置的提醒：{reminder_text}”send_whatsapp_message（用户 ID，响应）tool_name = "设置提醒"func = 设置提醒描述=“在特定时间设置提醒。”agent.add_tool(工具(名称=工具名称，func=func，描述=描述))````### 自定义模板以下是如何允许用户创建自定义模板的示例：````蟒蛇从 fastapi 导入 APIRouter，取决于导入 json路由器 = APIRouter()@router.post("/创建模板")异步 def create_template(名称: str, 消息: str, db: Session = Depends(get_db)):# 在数据库中创建和保存模板的逻辑return {"message": f"使用内容 '{message}' 创建的模板 '{name}'"}````### 安全增强实施 OAuth2 进行用户身份验证：````蟒蛇从 fastapi 导入 APIRouter、取决于、HTTPException从 fastapi.security 导入 OAuth2PasswordBearer、OAuth2PasswordRequestForm从 sqlalchemy.orm 导入会话从 app.database 导入 get_dbfrom app.models import User # 假设您定义了用户模型路由器 = APIRouter()oauth2_scheme = OAuth2PasswordBearer(tokenUrl="令牌")@router.post("/令牌")异步 def login_for_access_token(form_data: OAuth2PasswordRequestForm = Depends(), db: Session = Depends(get_db)):用户=authenticate_user(db, form_data.用户名, form_data.密码)如果不是用户：引发 HTTPException(状态代码=401，详细信息=“用户名或密码不正确”，headers={"WWW-Authenticate": "承载者"},）access_token = create_access_token(data={"sub": user.username})返回{“access_token”：access_token，“token_type”：“承载者”}````＃＃＃ 结论这些增强功能将使您的聊天机器人更加动态和安全。一次专注于一个方面，以确保在进入下一阶段之前稳健的实施和测试。祝你的项目好运！🚀如果您需要任何具体的代码示例或进一步的指导，请随时询问！😊
下跌 44%，这只 AI 股票现在值得买入（提示：这不是 Nvidia）|杂七杂八的傻瓜
2024-12-22 17:15:00
英伟达的股价飙升主导了人工智能市场的发展，但美光科技等其他公司也出现了显着增长。尽管数据中心收入同比增长 400%，总体收入增长 84%，但美光科技的股价仍较峰值下跌 44%。这种折扣，加上该公司在人工智能领域的强劲表现，使其成为一个有吸引力的买入机会。最近的财报显示，在人工智能需求的推动下，数据中心收入现已超过总收入的 50%。尽管疲弱的第二季度指引导致美光科技股价下跌，但管理层预计这种情况将是短暂的，并预计 2025 财年下半年将出现更强劲的增长。随着 HBM 的潜在市场快速增长且交易价格处于远期市盈率E 仅为 10，美光科技呈现出巨大的上升潜力。英伟达
英伟达的股价飙升主导了人工智能市场的发展，但美光科技等其他公司也出现了显着增长。尽管数据中心收入同比增长 400%，总体收入增长 84%，但美光科技的股价仍较峰值下跌 44%。这种折扣，加上该公司在人工智能领域的强劲表现，使其成为一个有吸引力的买入机会。最近的财报显示，在人工智能需求的推动下，数据中心收入现已超过总收入的 50%。尽管疲弱的第二季度指引导致美光科技股价下跌，但管理层预计这种情况将是短暂的，并预计 2025 财年下半年将出现更强劲的增长。随着 HBM 的潜在市场快速增长且交易价格处于远期市盈率E 仅为 10，美光科技呈现出巨大的上升潜力。英伟达
下跌 44%，这只 AI 股票现在值得买入（提示：这不是 Nvidia）
2024-12-22 17:15:00
英伟达在人工智能市场的主导地位吸引了投资者，但领先的存储芯片制造商美光科技尽管最近有所下滑，但仍提供了巨大的增长潜力。美光公布最新季度收入同比增长 84%，数据中心收入增长 400%，但其股价较峰值下跌 44%。该公司的综合业务模式使其在蓬勃发展的半导体行业中占据有利地位，但由于存储芯片的周期性，波动性仍然是一个风险。尽管存在短期指导问题，美光的人工智能业务仍然表现强劲。英伟达
英伟达在人工智能市场的主导地位吸引了投资者，但领先的存储芯片制造商美光科技尽管最近有所下滑，但仍提供了巨大的增长潜力。美光公布最新季度收入同比增长 84%，数据中心收入增长 400%，但其股价较峰值下跌 44%。该公司的综合业务模式使其在蓬勃发展的半导体行业中占据有利地位，但由于存储芯片的周期性，波动性仍然是一个风险。尽管存在短期指导问题，美光的人工智能业务仍然表现强劲。英伟达
意见 |我的医疗人工智能假期愿望清单
2024-12-22 17:00:21
急诊科医生 Mary Meyer 博士讨论了她在繁忙的假期期间在医疗实践中使用人工智能的经验。虽然发现该工具在理解患者细微差别方面存在初步的怪癖和局限性，但迈耶博士仍然对人工智能提高效率和准确性的潜力持乐观态度。她概述了未来人工智能工具的愿望清单，包括详细的患者病史提醒、临床决策支持，甚至针对认知偏差和倦怠的警告等功能。总体目标是人工智能增强人类的错误率，而不是取代人类医生的需求，最终目标是让医生在高风险的医疗环境中更加高效。
急诊科医生 Mary Meyer 博士讨论了她在繁忙的假期期间在医疗实践中使用人工智能的经验。虽然发现该工具在理解患者细微差别方面存在初步的怪癖和局限性，但迈耶博士仍然对人工智能提高效率和准确性的潜力持乐观态度。她概述了未来人工智能工具的愿望清单，包括详细的患者病史提醒、临床决策支持，甚至针对认知偏差和倦怠的警告等功能。总体目标是人工智能增强人类的错误率，而不是取代人类医生的需求，最终目标是让医生在高风险的医疗环境中更加高效。
研究人工智能的佐治亚州众议院委员会发布初步调查结果
2024-12-22 16:30:01
佐治亚州众议院研究人工智能的委员会于 2024 年 12 月 19 日发布了初步调查结果，强调了为人工智能制定新的安全规则、更新针对虚假信息和通过深度造假进行利用的法律的意图，并加强了数据隐私法规。该委员会还旨在建立一个州人工智能委员会，并制定国家机构负责任地使用人工智能的道德行为准则。众议员托德·琼斯称赞这项工作成果是人们期望立法者能够产出的东西。最终报告将于一月份提交，其中的建议需要立法机关批准才能成为法律。
佐治亚州众议院研究人工智能的委员会于 2024 年 12 月 19 日发布了初步调查结果，强调了为人工智能制定新的安全规则、更新针对虚假信息和通过深度造假进行利用的法律的意图，并加强了数据隐私法规。该委员会还旨在建立一个州人工智能委员会，并制定国家机构负责任地使用人工智能的道德行为准则。众议员托德·琼斯称赞这项工作成果是人们期望立法者能够产出的东西。最终报告将于一月份提交，其中的建议需要立法机关批准才能成为法律。
将非法培训的法学硕士纳入公共领域作为惩罚
2024-12-22 16:22:00
去年，El Reg 上的一篇评论文章强调了 ChatGPT 等大型语言模型的潜在危害，主张因滥用个人数据而删除这些模型。此后，作者讨论了人工智能的道德发展，但等待 OpenAI 对法律要求的回应。该文章批评科技公司为了追求利润而无视法律，并概述了训练大型语言模型（LLM）对环境的影响。考虑到这些因素，作者现在建议将法学硕士转移到公共领域，而不是删除它们，以防止从非法活动中牟取暴利，同时通过经济后果强制合规。该提案面临挑战，但可以通过国际合作和欧盟数字市场法案下的新立法来实施。文章最后呼吁加强监管以保护人权，强调需要有效威慑非法人工智能培训行为。
去年，El Reg 上的一篇评论文章强调了 ChatGPT 等大型语言模型的潜在危害，主张因滥用个人数据而删除这些模型。此后，作者讨论了人工智能的道德发展，但等待 OpenAI 对法律要求的回应。该文章批评科技公司为了追求利润而无视法律，并概述了训练大型语言模型（LLM）对环境的影响。考虑到这些因素，作者现在建议将法学硕士转移到公共领域，而不是删除它们，以防止从非法活动中牟取暴利，同时通过经济后果强制合规。该提案面临挑战，但可以通过国际合作和欧盟数字市场法案下的新立法来实施。文章最后呼吁加强监管以保护人权，强调需要有效威慑非法人工智能培训行为。
研究：ChatGPT 和人工智能工具在搜索市场取得进展
2024-12-22 16:04:01
像 ChatGPT 这样的人工智能聊天机器人正在成为网站流量的重要来源，特别是在金融领域，挑战谷歌的搜索主导地位。Previsible 的一项研究表明，Perplexity 和 ChatGPT 约占人工智能语言模型 (LLM) 推荐流量的 37%，其中博客文章接收了大部分流量。虽然 LLM 驱动的流量增长很快，但目前仅占网站总访问量的一小部分 (0.25%)。金融行业在人工智能推荐方面处于领先地位，该研究强调了由于人工智能搜索结果中产品页面可见性较低而给电子商务策略带来的潜在挑战。增长率表明，如果趋势持续下去，人工智能可能会在一年内占总流量的 20%。
像 ChatGPT 这样的人工智能聊天机器人正在成为网站流量的重要来源，特别是在金融领域，挑战谷歌的搜索主导地位。Previsible 的一项研究表明，Perplexity 和 ChatGPT 约占人工智能语言模型 (LLM) 推荐流量的 37%，其中博客文章接收了大部分流量。虽然 LLM 驱动的流量增长很快，但目前仅占网站总访问量的一小部分 (0.25%)。金融行业在人工智能推荐方面处于领先地位，该研究强调了由于人工智能搜索结果中产品页面可见性较低而给电子商务策略带来的潜在挑战。增长率表明，如果趋势持续下去，人工智能可能会在一年内占总流量的 20%。
我尝试使用人工智能设计节日贺卡。它不断给我一个虚假的家庭
2024-12-22 16:01:21
自由记者阿曼达·史密斯 (Amanda Smith) 探索如何使用 Midjourney AI 创建数字节日贺卡。尽管最初很热情，但她发现 Midjourney 很难准确地合并个人照片，并且往往会生成不切实际或经过修改的图像。她的实验揭示了好坏参半的结果，并表明 VistaPrint 等传统方法对于个性化卡片可能仍然更可靠。最终，她得出的结论是，虽然人工智能可以创建可爱的图像，但它无法提供真正定制的节日问候。
自由记者阿曼达·史密斯 (Amanda Smith) 探索如何使用 Midjourney AI 创建数字节日贺卡。尽管最初很热情，但她发现 Midjourney 很难准确地合并个人照片，并且往往会生成不切实际或经过修改的图像。她的实验揭示了好坏参半的结果，并表明 VistaPrint 等传统方法对于个性化卡片可能仍然更可靠。最终，她得出的结论是，虽然人工智能可以创建可爱的图像，但它无法提供真正定制的节日问候。
Dexcom 在其非处方 CGM 中添加生成人工智能平台 - MedCity News
2024-12-22 15:44:03
Dexcom 成为第一家将生成式人工智能集成到其 Stelo 连续血糖监测仪中的医疗设备公司。该人工智能平台分析来自各种来源的数据，包括膳食日志和可穿戴技术，为用户提供个性化的健康见解。这种整合旨在帮助人们更好地了解他们的生活方式如何影响他们的血糖水平，并提供量身定制的改善建议。Dexcom 使用 Google Cloud 的人工智能模型构建了这个平台，但坚称用户数据仍然保密。该公司认为人工智能在加强糖尿病管理和改善长期代谢健康结果方面具有巨大潜力。
Dexcom 成为第一家将生成式人工智能集成到其 Stelo 连续血糖监测仪中的医疗设备公司。该人工智能平台分析来自各种来源的数据，包括膳食日志和可穿戴技术，为用户提供个性化的健康见解。这种整合旨在帮助人们更好地了解他们的生活方式如何影响他们的血糖水平，并提供量身定制的改善建议。Dexcom 使用 Google Cloud 的人工智能模型构建了这个平台，但坚称用户数据仍然保密。该公司认为人工智能在加强糖尿病管理和改善长期代谢健康结果方面具有巨大潜力。
如果人工智能生成的代码出现错误，谁将面临最大的责任风险？
2024-12-22 15:30:00
本文讨论了人工智能生成代码的法律影响，重点讨论了责任问题和潜在风险，例如功能责任、ChatGPT 等人工智能工具输出的专有代码，以及与人工智能生成作品相关的新兴子行业的可能性。。它还强调了当人工智能生成的代码导致灾难性后果时确定谁有过错的挑战，并强调虽然目前判例法有限，但彻底的测试对开发人员仍然至关重要。
本文讨论了人工智能生成代码的法律影响，重点讨论了责任问题和潜在风险，例如功能责任、ChatGPT 等人工智能工具输出的专有代码，以及与人工智能生成作品相关的新兴子行业的可能性。。它还强调了当人工智能生成的代码导致灾难性后果时确定谁有过错的挑战，并强调虽然目前判例法有限，但彻底的测试对开发人员仍然至关重要。