Chroma AI
发表于|更新于
|浏览量:
名不徒生,誉不自长。——佚名
github:
https://github.com/zhao-stanley/chroma-ai
官方网址:
功能为:
写下您当前的心情、您最喜欢的歌曲的歌词,甚至是您脑海中突然冒出的随机想法 - AI 将完成剩下的工作。
需要一个OPENAI_API_KEY,如果本地运行,则放入.env文件
本地运行命令:
1 | npm run dev |
然后打开 http://localhost:3000 访问应用
此应用程序使用 OpenAI 的 gpt-3.5-turbo 模型和 Vercel Edge 函数进行流式处理。该模型被指示分析所提供文本的情感并识别文本中存在的情感。使用这些情绪,该模型生成一个通常与这些情绪相关的 4 种颜色的列表,以创建渐变。
相关推荐
2026-02-05
ChatDev
懂得生命真谛的人,可以使短促的生命延长。——西塞罗 ChatDev 2.0(DevAll):零代码编排多智能体,开发“一切”的平台当多智能体协作从“帮我写个模块”走向“帮我完成一条完整的业务链路”,你需要的就不仅是一个大模型,而是一套能把角色、工具、流程与回放串成体系的“编排平台”。OpenBMB 的 ChatDev 2.0(代号 DevAll)正是这样一款零代码的多智能体协作平台:你无需编程,只用可视化工作流与少量配置,就能快速定义角色、串联工具、执行任务,覆盖从数据可视化、3D 生成,到游戏开发、深度研究、教学视频等丰富场景。 仓库:OpenBMB/ChatDev 简述:ChatDev 2.0: Dev All through LLM-powered Multi-Agent Collaboration 许可:Apache 2.0 技术栈:后端 FastAPI + Python(uv 管理),前端 Vite + Vue 3,工作流与运行时模块化组织 本文根据项目 README 与文档梳理 ChatDev 2.0 的定位、功能与上手方法,并提供可直接复制的命令与...
2025-06-22
WeClone
一个人在学校里表面上的成绩,以及较高的名次,都是靠不住的,唯一的要点是你对于你所学的是否心里真正觉得很喜欢,是否真有浓厚的兴趣。——邹韬奋 https://github.com/xming521/WeClone/ https://www.weclone.love/ WeClone:基于聊天历史一站式创造你的数字分身WeClone 是一个极具创新性的开源项目,致力于为用户提供“从聊天记录生成数字分身”的一站式解决方案。它不仅支持基于个人历史对话微调大模型(LLM),让 AI 聊天机器人具备你独特的表达风格和知识结构,还能实现数字分身的多平台部署和多模态交互,助力每个人拥有自己的“AI 数字自我”。 一、项目愿景与定位WeClone 并不是传统意义上的 IM 或简单的聊天机器人,而是一个围绕“数字分身”理念构建的完整生态: 打造属于你的数字分身:通过收集、整理你的聊天历史,结合大模型微调,让 AI 能够最大程度还原你的语言习惯、知识体系和个性表达。 一站式流程体验:涵盖数据清洗、格式转换、微调训练、分身生成、多端集成等全流程自动化,普通用户也能轻松上手。 多场景应用:分身...
2026-09-04
magnitude
我学习了一生,现在我还在学习,而将来,只要我还有精力,我还要学习下去。——别林斯基 Magnitude:让本地模型真正走进智能体工作流当越来越多的人开始把智能体当作日常开发与创作的伙伴,一个问题也变得越来越具体:如果希望模型运行在自己的设备上,如何让它不只是“能跑起来”,而是真正自然地接入已经在使用的智能体工具? Magnitude 给出的答案很直接:把本地模型推理能力做成一个开源推理服务器,让它能够根据机器硬件条件,为用户推荐合适的模型,并连接到已有的智能体之中。 项目地址:https://github.com/magnitudedev/magnitude Magnitude 的核心愿景,可以浓缩为一句很有力量的话:让智能体运行在本地模型之上,并且做到免费、私密、离线。 它不是要让用户从繁杂的配置、模型选择和性能判断中独自摸索,而是试图把这些原本分散的问题收拢起来:先认识你的设备,再推荐适合它的模型,随后下载并运行模型,最后把智能体切换到这套本地能力上。 本地模型不该是一场硬件猜谜游戏本地运行模型,听起来像是一个简单的目标,真正开始实践后却常常会遇到一连串问题。 机器有多少...
2026-08-22
llmfit
学习中经常取得成功可能会导致更大的学习兴趣,并改善学生作为学习的自我概念。—— 布鲁姆 llmfit:让本地大模型选择不再靠猜项目地址:https://github.com/AlexsJones/llmfit 本地运行大语言模型这件事,常常从一个看似简单的问题开始: 我的电脑,到底能跑什么模型? 但真正面对这个问题时,答案很少是一句型号名称就能说清的。内存容量、CPU、GPU、显存、后端、模型架构、量化方式、上下文长度、推理速度,这些因素会在同一台机器上彼此交织。一个模型也许能装进内存,却未必有令人满意的速度。一个模型也许运行很快,却未必适合当前的任务。一个模型看起来参数规模合适,却可能因为上下文或硬件条件而失去实际意义。 llmfit 正是为这类选择而生的终端工具。 它面向数百个模型与提供方,通过一条命令帮助用户寻找能够在当前硬件上运行的模型。llmfit 会检测系统的 RAM、CPU、GPU 与显存条件,再从内存适配度、预估速度、质量和上下文四个维度为模型评分,最终给出适合当前机器的模型选择。 它不是让用户先记住一长串模型名称,再逐个下载、运行、观察结果。它更像一个站在终...
2026-04-19
open-agents
志不强者智不达。——墨翟 Open Agents:一套会“自己干活”的云端编码代理参考应用(它不住在沙盒里,它指挥沙盒干活)Open Agents 站在门口,像个带着工牌的工程队长,先把自我介绍写得清清楚楚: 它是一个 开源参考应用,用来在 Vercel 上构建和运行 后台(background)编码代理(coding agents)。它把你想要的关键部件都端上桌了:Web UI、Agent 运行时、沙盒(Sandbox)编排、GitHub 集成。 它还顺手提醒你一句,语气非常“我懂你要拿我去改造”的那种: 这个仓库的设计目标是:让你 fork 走、再按你的需求改,而不是把它当成一个黑盒产品供着。 它的 GitHub description 也很直给: An open source template for building cloud agents. 换句话说:Open Agents 不是来当“成品”的,它更像一张 云端代理系统的工程图纸,你可以照着搭,也可以直接拿去改成你自己的代理工厂。 它是什么:三层结构,像一条干净的流水线Open Agents 把自己拆成了...
2026-08-23
nodeterm
聪明在于学习,天才在于积累。所谓天才,实际上是依靠学习。—— 华罗庚 nodeterm:把终端与 AI 编码代理铺进一张无限画布项目地址:https://github.com/eneskirca/nodeterm 终端本来是开发者最熟悉的工作空间之一。 可当终端标签不断增加,项目不断切换,多个命令同时运行,AI 编码代理也开始并行工作时,熟悉的窗口布局很容易变成一叠叠被遮住的上下文。某个任务正在构建,另一个任务在等待确认,一段代理会话跑到了哪里,某个分支又对应哪一个终端,往往需要在层层标签之间来回寻找。 nodeterm 尝试用一种更具空间感的方式回应这件事。 它是一个基于节点的终端管理器,将终端与 AI 编码代理放到可无限平移和缩放的画布上。每一个真实运行的终端都可以成为一个可拖动的节点,每一个项目既是一张画布,也是一块类似看板的实时会话面板。终端不再只是藏在标签栏后面的一行标题,而是可以被放置、分组、命名、缩放和持续保留的工作单元。 对于工作流容易分散、任务经常并行、需要长期维护上下文的人来说,nodeterm 不再把终端视作一摞窗口,而是将它们组织成一张可见的地图。 当...

阿超
我的名字叫阿超 年龄25岁 家在北京市 职业是软件开发 每天最晚也会在八点前回家 不抽烟 酒浅尝辄止 晚上十二点上床 保证睡足八个小时 睡前写一篇博客 再做二十分钟俯卧撑暖身 然后再睡觉 基本能熟睡到天亮 像婴儿一样不留下任何疲劳和压力 就这样迎来第二天的早晨 健康检查结果也显示我很正常 我想说明我是一个不论何时都追求内心平稳的人 不拘泥于胜负 不纠结于烦恼 不树立使我夜不能寐的敌人 这就是我在这社会的生活态度
Follow Me公告
This is my Blog