Różnice między wybraną wersją a wersją aktualną.
Poprzednia rewizja po obu stronachPoprzednia wersjaNowa wersja | Poprzednia wersja | ||
aktualnosci:ai_selfthough_blog [2025/05/09 11:07] – administrator | aktualnosci:ai_selfthough_blog [2025/05/09 11:14] (aktualna) – administrator | ||
---|---|---|---|
Linia 25: | Linia 25: | ||
Sam okazjonalnie korzystam z tego narzędzia ponieważ bardziej opłaca się płacić za poszczególne żądania do API OpenAI niż za całą subskypcje ChatGPT PLUS albo PRO. | Sam okazjonalnie korzystam z tego narzędzia ponieważ bardziej opłaca się płacić za poszczególne żądania do API OpenAI niż za całą subskypcje ChatGPT PLUS albo PRO. | ||
- | |||
- | Fajny materiał to omawiający na YT: | ||
{{youtube> | {{youtube> | ||
+ | |||
+ | Fajny materiał omawiający OpenWebUi na YT | ||
===== LMstudio ====== | ===== LMstudio ====== | ||
Linia 53: | Linia 53: | ||
W dokumentacji na stronie możemy przeczytać: | W dokumentacji na stronie możemy przeczytać: | ||
- | >How It Works A LocalDocs collection uses Nomic AI's free and fast on-device embedding models to index your folder into text snippets that each get an embedding vector. These vectors allow us to find snippets from your files that are semantically similar to the questions and prompts you enter in your chats. We then include those semantically similar snippets in the prompt to the LLM. To try the embedding models yourself, we recommend using the Nomic Python SDK | + | >How It Works. A LocalDocs collection uses Nomic AI's free and fast on-device embedding models to index your folder into text snippets that each get an embedding vector. These vectors allow us to find snippets from your files that are semantically similar to the questions and prompts you enter in your chats. We then include those semantically similar snippets in the prompt to the LLM. To try the embedding models yourself, we recommend using the Nomic Python SDK |
+ | |||
+ | Zapowiada się dobrze, z dokumentacji wynika że jest specjalne narządzie od Nomic AI które indeksuje foldery pliki zostają zamienione na snipetty i każdy znich ma wektor zagnieżdzania, | ||
+ | |||
+ | Z tego co mogliśmy przeczytać jest to coś co pozwala najbliżej się zbliżyć do tego co chciałem osiągnąć. | ||
+ | W jednym z następnych postów będziemy robić testy tego rozwiązania i będziemy patrzeć jak sobie radzi z większą ilością danych oraz czy w ogóle się do czegoś nadaje. | ||
+ | --- // | ||
~~DISCUSSION~~ | ~~DISCUSSION~~ | ||