1 介绍 功能：加速 npm 安装 2 安装服务 1234$ docker pull verdaccio/verdaccio$ docker run --rm -d --name verdaccio -p 4873:4873 -v /exports/verdaccio:/verdaccio/storage verdaccio/verdaccio #注意将本地映射目录的权限# 调试用$ docker exec -it verdaccio sh 3 使用 设置环境变量 1$ echo "registry = http://localhost:4873/" >> $HOME/.npmrc

看了 2024 年 11 月斯坦福的论文《Generative Agent Simulations of 1,000 People》，通过机器对人的访谈模拟 1000 多个真人。很好奇：究竟要问哪些问题才能全面描绘一个人的画像？通过对这些问题的文本分析，可以预测出一个人的性格，以及他们在经济和社会生活中的选择，机器分析效果几乎与直接填写量表相当；甚至随机删除答案的 80%，得到的结果仍高于其它方法。 在《直觉泵和其他思考工具》一书中提到：“要了解一个人，仅仅询问他们的理想、希望、英雄主义或者过错就已足够。” 而这里的 99 个问题更加有血有肉，它们充满了生活的细节，揭示了一个人过去和现在正在经历的塑造过程。理想固然重要，但实际生活中需要权衡更多。 简单机翻了一下，内容如下，原文请见论文 https://arxiv.org/pdf/2411.10109 表 -7。 请告诉我你的生活故事。从头说起——从你的童年、教育、家庭和人际关系，以及你经历过的任何重大事件。 有些人告诉我们，他们在生活的某些时刻到达了十字路口，有多条道路可供选择，而他们当时的选择对定义他们是谁产生了重大影响。你呢？有 ...

1 探索与分享 在探索价值观和个性的过程中，看到了我执和因果。 这周轮到我知识分享，因为最近整理了很多网页收藏、聊天记录、摘抄、知识文档、日记、随笔和随手记录。想看看从中能挖掘沉淀点什么，于是找了一些相关的论文： 能从这些文字中提取出什么信息，哪些信息无法获取，缺少了什么？ 是否可以进一步抽象这些信息，化繁为简，代入模型？ 利用这些信息可以做什么？ 于是，我找了几篇论文，从获取和分析角度包括：从 Twitter 的内容中提取个性；通过真人访谈提取人格特征、经济学特征、社会学特征；从心理咨询对话中提取人格特征；探索道德困境的基本原理（不同价值观的冲突）；大五人格与大型模型的实验；以及每个 BFI 问题对大五人格各维度的贡献度。从使用角度：用大模型实现角色扮演，模拟投资策略，利用根据不同性格进行劝说，甚至分析欺骗背后的心理逻辑。 坦白讲，分享的有点稀松，因为要在一个来小时内串讲十篇论文，只能简单触及表面。其实每篇论文我都进行了认真的梳理，并明确了它们在整个思维地图中的位置，后面会陆续发到我的网站和公众号上。 其中，让我最有感触的两篇文章： 第一篇来自华盛顿大学，艾伦人工智能研究所，20 ...

1 chatgpt-on-wechat 无法登录 最近几天，chatgpt-on-wechat 微信聊天使用了（以下简称 COW）。这个项目目前已经获得了 32.5K 的 Star。现在只要用微信登录，扫码后就会出现错误提示： 123Start auto replying.Unexpected sync check result: window.synccheck={retcode:"1102",selector:"0"}LOG OUT! 在 GitHub 的 issue 中发现，昨天（240110）很多人也遇到了同样的问题，一些用户甚至在线等解决方案。 更麻烦的是，扫码的微信号也需要重新登录，并且显示： 该账号违反了《微信个人帐号使用规范》…… 需要签署承诺书才能继续使用。这可视为一种警告：你如果继续这样使用，小心微信账号被封。在现在这个坐车、支付都要扫码的世界里，这还真挺可怕的。 2 为什么要整治 这一点其实很容易理解。推销诈骗在引入大型语言模型（LLM）后，如果不考虑开发成本，人工成本至少降低了不止 100 倍。其实 ...

1 简介 devpi 是一个 Python 包索引服务，可以帮助管理 Python 包的缓存、发布和安装。它可以让开发者在本地构建自己的 Python 包索引，用于组织和分享包。 2 创建镜像 Dockerfile 如下 12345678910111213141516FROM python:3.9-slim# 安装 devpiRUN pip install devpi-server devpi-web devpi-client# 创建数据目录RUN mkdir /data# 设置数据目录为工作目录WORKDIR /data# 暴露 devpi 端口EXPOSE 3141# 启动 devpi-serverCMD ["devpi-server", "--serverdir", "/data", "--host", "0.0.0.0"] 打镜像： 1docker build -t devpi-server . 3 初始化 123$ docker run --rm -it --name de ...

1 引入 今天和大家分享一个我自己制作的小工具，其中包含我认为非常实用、但在现有工具中找不到的功能。它的核心理念是更好地将自然语言大模型与 Obsidian 结合，同时还能相对节省调用成本。 在 Obsidan 中写文章常常会让大模型帮助修改文字，比如：润色、翻译、改错。 起初，我将需要处理的文本复制粘贴到大模型的聊天界面中，再加上提示词，得到模型的回应后，再将内容粘回到 Obsidian。 大约一年前，我开始使用 Obsidian 的 Text Generator 插件，把常用的提示词写入模板中，在需要的时候选择模板。不过也遇到了一些问题：有些模板需要经常调整，而有些操作并不在现有模板中，也不属于常见问题。每次修改模板非常麻烦，而且模板数量众多，每次定位模板也很容易打断思路。 于是，就想能不能直接输入提示词，并记忆使用过的提示词，并将高频使用和最近使用的提示词排列在最前面。这样一来，无需鼠标操作，只需在键盘上敲击两三个按键，就可以调用大模型了。 进而，想到利用大模型来生成文章的标签和摘要，将文章移动到合适的目录，让大模型帮我们做些事务性工作，也能很好的提升效率，于是把它们整合成一个工 ...

1 引言 GitHub Copilot 的新版本发布已经有几个星期了，实际使用后才发现它确实非常出色，极大地提升了效率。 2 旧版的问题 旧版包含的一些常用功能有：聊天、编辑时代码自动生成、选中代码块的编辑和解释。 但有几个使用上的不便之处： 聊天功能位于左侧栏，但通常左侧栏不会设置得很宽，这导致文字多次换行，查看时需要上下滚动，比起网页版的聊天界面要逊色不少。 代码自动生成功能要求在生成函数前必须先写注释，完成后还需自行删除注释，这个过程显得有些繁琐。 当选中代码块并点击右键以解释或编辑时，需要操作多步，修改只针对代码块本身，功能上会受到一些限制。 背后的大模型在功能上不尽如人意，理解力和代码能力稍显不足。 生成和修改代码时无法指定参考哪些文件。 3 新版的优势 新版针对上述问题进行了优化。 3.1 更多大模型可选 新版提供了 gpt-4o、o1 系列模型，以及 claude。 不仅我这样认为，我的朋友和网友也一致发现，Claude 在代码领域表现出色，代码能力非常强，甚至优于多步推理的 o1 系列模型。而 gpt 则在综合能力上更胜一筹，因此在 Copilot 的编辑和聊天功 ...

1 说明 做完 Github Actions -> Release 后，通过以下项目添加到社区插件市场。 2 操作 2.1 fork 项目 https://github.com/obsidianmd/obsidian-releases 2.2 修改 community-plugins.json 2.3 pull request 在 Fork 的项目中提交 Pull Request: 打开 Fork 的项目后，在 Pull Request 选项卡，点击 "Create Pull Request" 以提交请求。 上传皮肤和插件时，请选择相应的模板并在预览中填写必要的内容 (如：add description->preview->community plugin，界面切换后再点 Create Pull Request，模板内容自动出现在 Add a description 的 Write 框中，按实际情况打勾)。 新增插件和更新插件时需使用不同的标题和描述。 错误提示（关注红色反馈）: 若提交的格式或编译问题未通过审核，将收到提示信息：“validation fai ...

123456789英文名称：Generative Agent Simulations of 1,000 People中文名称：生成代理模拟1000个真人链接: http://arxiv.org/pdf/2411.10109v1代码: https://github.com/joonspk-research/generative_agent作者: Joon Sung Park, Carolyn Q. Zou, Aaron Shaw, Benjamin Mako Hill, Carrie Cai, Meredith Ringel Morris, Robb Willer, Percy Liang, Michael S. Bernstein机构: 斯坦福大学，西北大学，华盛顿大学，Google DeepMind日期：2024-11-15正文：10页，附录资料比较多 1 摘要 目标：探索模拟人类行为的通用计算代理在政策制定和社会科学中的应用潜力。 方法：提出一种新的代理架构，使用大语言模型对 1052 名真实个体的生活访谈进行分析，以模拟他们的态度和行为，并测量这些代理的模拟准确性。 结论：生成 ...

12345678英文名称：Predicting the Big Five Personality Traits in Chinese Counselling Dialogues Using Large Language Models中文名称：使用大型语言模型预测中文咨询对话中的大五人格特质链接: http://arxiv.org/pdf/2406.17287v1代码: https://github.com/kuri-leo/BigFive-LLM-Predictor作者: Yang Yan, Lizhi Ma, Anqi Li, Jingsong Ma, Zhenzhong Lan机构: 浙江大学，西湖大学，杭州职业技术学院日期：2024-06-25引用次数: 1 摘要 目标：准确评估人格特征的传统方法耗时且有偏见，探讨大型语言模型能否直接从咨询对话中预测大五人格特征，并提出了一种创新框架来执行该任务。 方法：框架通过角色扮演和问卷提示将大型语言模型应用于咨询会话，模拟客户对大五人格量表的反应。对 853 个真实咨询会话进行了评估，并通过细化优化与监督微调的 Llama3-8B 模 ...