原文：towardsdatascience.com/how-to-create-powerful-embeddings-from-your-data-to-feed-into-your-ai-995d834479bb从你的数据中创建高质量的嵌入对于你的 AI 系统的有效性至关重要。本文将展示你可以使用的不同方法，将你的数据从图像、文本和音频等格式转换为强大的嵌入，这些嵌入可以用于你的机器学习任务。

原文：towardsdatascience.com/how-to-create-a-powerful-ai-email-search-for-gmail-with-rag-88d2bdb1aedc在本文中，我将向您展示如何使用 RAG（关系抽取和问答）技术来开发应用程序以搜索 Gmail 电子邮件。首先，我会向您展示如何设置认证管道以访问用户的电子邮件（如果得到同意）。然后，使用 OpenAI 文

原文：towardsdatascience.com/how-to-color-polars-dataframe-8ada66161226由生成的 AI 图像。提示：在雪地景观中画一只北极熊。由于 Polars 库于 2022 年发布，它因其作为超快速 DataFrame 库而迅速获得了人气。与 Pandas 相比，白熊经过测试并被证明要快得多。根据官方，它声称性能提升了 30 倍以上。然而，没有什

我建议您使用一种平衡创造性和风险的框架，以决定您的 GenAI 应用或代理的架构。创造性指的是生成内容中所需的独特性水平。风险则与 LLM 生成不准确、有偏见或有毒内容的影响相关。应对高风险场景需要更多的工程复杂性，例如人工审核或防护措施。该框架包括八种架构模式，旨在应对不同的创造性与风险组合：1.每次生成：每次内容生成请求都调用 LLM API，提供最大的创造性，但成本和延迟较高。适用于风险较低

在上述用例中，我假设自己是一家在线书店的老板，并根据我的电子商务网站内容（HTML 格式）创建了一个聊天机器人。同样，您可以将“私人知识”以博客文件（例如 PDF、HTML、TXT）和各种网站的格式提供给 Google Cloud Storage，并创建自己的聊天机器人。这使得个人/企业能够充分利用 Google LLMs（如 text-bison、gemini 等）的强大功能，将其与私人知识结合

在上述用例中，我假设自己是一家在线书店的老板，并根据我的电子商务网站内容（HTML 格式）创建了一个聊天机器人。同样，您可以将“私人知识”以博客文件（例如 PDF、HTML、TXT）和各种网站的格式提供给 Google Cloud Storage，并创建自己的聊天机器人。这使得个人/企业能够充分利用 Google LLMs（如 text-bison、gemini 等）的强大功能，将其与私人知识结合

Canva 上的图片。客户最常向我提出的一个问题是，“我如何使用我的数据制作一个定制的聊天机器人？”六个月前，这可能需要数月时间来开发，但今天，情况并不一定如此。在这篇文章中，我提供了一个使用 OpenAI 的助手和微调 API 创建定制的 AI 的逐步指南。为每种方法提供了 Python。在深入示例代码之前，我想简要区分 AI 聊天机器人和助手。虽然这些术语经常互换使用，但在这里，我使用它们来表

Canva 上的图片。客户最常向我提出的一个问题是，“我如何使用我的数据制作一个定制的聊天机器人？”六个月前，这可能需要数月时间来开发，但今天，情况并不一定如此。在这篇文章中，我提供了一个使用 OpenAI 的助手和微调 API 创建定制的 AI 的逐步指南。为每种方法提供了 Python。在深入示例代码之前，我想简要区分 AI 聊天机器人和助手。虽然这些术语经常互换使用，但在这里，我使用它们来表

在这篇文章中，我们讲解了很多内容——我们介绍了 Burr、FastAPI 和 React，讨论了如何使用 OpenAI API 构建一个流式代理聊天机器人，构建了整个堆栈，并进行了数据流式传输！虽然你可能不会使用所有的技术，但每个单独的部分应该都能独立工作。请注意，您需要一个来自OpenAI 的 API 密钥来运行这个特定的示例。您可以在Burr + FastAPI 代码中找到相关代码，在前端代码

在这篇文章中，我们讲解了很多内容——我们介绍了 Burr、FastAPI 和 React，讨论了如何使用 OpenAI API 构建一个流式代理聊天机器人，构建了整个堆栈，并进行了数据流式传输！虽然你可能不会使用所有的技术，但每个单独的部分应该都能独立工作。请注意，您需要一个来自OpenAI 的 API 密钥来运行这个特定的示例。您可以在Burr + FastAPI 代码中找到相关代码，在前端代码