技术,生活,随看 \随转
🤳 独立开发者故事 #67 - “用技能来交朋友，用Swap来交换人生新可能！”
1、介绍下你自己和目前所做的产品
哈喽，大家好，我是Swap创始人世杰，互联网从业者、摄影爱好者，坐标上海。
Swap是以技能共享为载体的年轻人社区，目前是微信小程序。
“技能交换”、“兴趣搭子”、“技能集市”，用户可以在这里找到志同道合的伙伴，并可以把自己的手艺变现。
当前已有超过2万位技能达人入驻，其中不乏大厂员工、高校学子、钢琴十级、网球教练、健身达人等。
欢迎大家前往【Swap技能交换微信小程序】体验～
2、做这个产品的灵感来源是什么？
在前些年刚来上海的时候，每天处于两点一线的生活，渴望社交但对低质量无意义社交感到疲倦，偶尔间发现上海的技能交换社群，通过几次线下活动对我的感受不错，以兴趣技能为话题进行陌生人破冰可以获得更棒的交友体验。
近些年在各个社交媒体可以看到很多关于技能交换的帖子，但在国内并未发现有一个成熟的平台可以把信息聚合起来，此时创立Swap的种子在心中萌芽。
经过近半年的打磨，Swap 1.0版本于2023年中旬正式上线微信小程序。
“Swap”意为交换，每个人的人生都不应仅限于此，来Swap交换人生新可能。
3、10分满分的话，你愿意给你的产品打几分？理由是？
8分，在创造 Swap的 300 多天里，我收到了很多用户真诚的反馈与评价。陪我们走过了一遭春夏。如今Swap3.0版本上线，Swap主体功能已经闭合。
用心做产品，把用户体验放在首位，是我们一直所坚持的底线。
4、除了自己的产品，你还有在用哪些产品（App、网站、小程序等）？
近期有在使用一些AI产品，像是ChatGPT、Midjourney、Notion等，如何让AI在Swap上更好的服务用户也是我最近在探寻的。
5、你有哪些工作/生活习惯？
把时间花在更有意义的事情上，做产出最大化的事。
留出时间来思考为达成某件目标需要走的路线，这个过程有点像象棋中的“走一步看三步”。
6、请用一句话打动用户并让她使用你的产品
Swap——以技能交朋友，用兴趣搞点钱
PS. Ελάτε να πιείτε ένα φλιτζάνι καφέ.
频道：@NewlearnerChannel
作为一款求职工具，Reactive Resume 最大的优势在于能根据不同岗位灵活调整简历内容，提高匹配度，并且可以将简历翻译成多语言版本。
🐙 GitHub：https://github.com/AmruthPillai/Reactive-Resume
🚀 一键部署：https://bja.sealos.run/?openapp=system-template%3FtemplateName%3DReactive-Resume
主要亮点：
隐私至上
- 零用户追踪，零广告
- 可自托管，完全掌控数据
功能强大
- 实时编辑，所见即所得
- 支持拖放定制，页面布局随心组合
- 集成 OpenAI API，一键增强写作
- 通过 ChatGPT 翻译，轻松创建多语言版本
- 自定义板块，适配不同行业需求
- 一份主账号，管理多份简历
设计出众
- 提供数十款专业、现代的模板选择
- 支持 EuroPass 欧盟标准简历模板
- 可使用 Google Fonts 中任意字体
- 自定义配色
便捷分享
- 生成个性化的分享链接
- 追踪简历浏览和下载次数
- 随时更新，确保展现最新状态
技术栈：
- 前端：React (Vite)
- 后端：NestJS
- 数据库：Postgres,Prisma ORM
- 对象存储：Minio
- 其他：OAuth、Sentry、Crowdin 等
📢关注频道：@cloud_native_share
💬加入群聊：@cloudnativer
📮欢迎投稿：@cloud_native_yang
🎁访问主页： icloudnative.io
📢 太强了！这个项目从零实现了 Meta 的开源大模型 llama3！
🧩 从 #tokenizer 到 #attention，再到 #feedforward 层，这个 notebook 详细展示了如何从零开始实现 #llama3 的每一个模块。它直接从 #Meta 为 llama3 提供的模型文件加载 tensor，通过一个 #tensor、一次矩阵乘法来构建模型的每一个部分。
🔍 亮点：
1️⃣ 使用 #tiktoken 作为 tokenizer，将输入文本转换为模型可读的 token
2️⃣ 详细展示了如何将 token 映射为对应的 #embedding 向量
3️⃣ 利用 RoPE(Rotary Positional Embedding) 对 embedding 进行位置编码，为 attention 模块提供位置信息
4️⃣ 从头实现了 self-attention 模块，包括 query、key、value 矩阵的计算和注意力分数的计算
5️⃣ 使用 #SwiGLU 作为前馈网络，为模型引入非线性能力
6️⃣ 将 attention 和前馈层堆叠为一个完整的 #transformer 模型，实现了 llama3 的整体架构
📚 无论你是想学习如何从零实现一个大模型，还是想知道 llama、alpaca、vicuna 等大型语言模型的技术细节，这份 #notebook 都是一个绝佳的学习资源。
https://github.com/naklecha/llama3-from-scratch
📢关注频道：@cloud_native_share
💬加入群聊：@cloudnativer
📮欢迎投稿：@cloud_native_yang
🎁访问主页： icloudnative.io
🧩 从 #tokenizer 到 #attention，再到 #feedforward 层，这个 notebook 详细展示了如何从零开始实现 #llama3 的每一个模块。它直接从 #Meta 为 llama3 提供的模型文件加载 tensor，通过一个 #tensor、一次矩阵乘法来构建模型的每一个部分。
🔍 亮点：
1️⃣ 使用 #tiktoken 作为 tokenizer，将输入文本转换为模型可读的 token
2️⃣ 详细展示了如何将 token 映射为对应的 #embedding 向量
3️⃣ 利用 RoPE(Rotary Positional Embedding) 对 embedding 进行位置编码，为 attention 模块提供位置信息
4️⃣ 从头实现了 self-attention 模块，包括 query、key、value 矩阵的计算和注意力分数的计算
5️⃣ 使用 #SwiGLU 作为前馈网络，为模型引入非线性能力
6️⃣ 将 attention 和前馈层堆叠为一个完整的 #transformer 模型，实现了 llama3 的整体架构
📚 无论你是想学习如何从零实现一个大模型，还是想知道 llama、alpaca、vicuna 等大型语言模型的技术细节，这份 #notebook 都是一个绝佳的学习资源。
https://github.com/naklecha/llama3-from-scratch
📢关注频道：@cloud_native_share
💬加入群聊：@cloudnativer
📮欢迎投稿：@cloud_native_yang
🎁访问主页： icloudnative.io
GitHub
GitHub - naklecha/llama3-from-scratch: llama3 implementation one matrix multiplication at a time
llama3 implementation one matrix multiplication at a time - naklecha/llama3-from-scratch
📊 表格界面：类似电子表格的操作方式，支持单元格编辑、公式、条件格式、图表等功能。
🗂 丰富视图：除了表格视图，还提供看板、日历、画廊、表单、甘特图等多种数据展现方式。
🚀 卓越性能：可以轻松处理数百万数据，支持批量操作，有自动索引优化。
👨💻 原生 #SQL 支持：可以使用 SQL 直接查询，兼容 #Metabase、#PowerBI 等 #BI 工具。
🧠 AI Copilot：通过 AI 对话来辅助开发应用、生成图表、调整视图、设置自动化等。
🔒 数据安全：支持数据本地存储，有完善的权限管理。
⚡️ 实时协作：数据可实时更新，支持协作成员管理。
🧩 可扩展：基于 #React，可以低成本定制和扩展应用。
🤖 流程自动化：可通过 #AI 或可视化方式设计自动化流程。
🗄 多数据库支持：兼容 #Sqlite、#PostgreSQL、#MySQL 等数据库。
可以将 #Teable 视为 #Airtable 的大数据替代品，在保留电子表格式的易用性的同时，还兼具传统数据库的高性能和稳定性，非常适合企业级的数据管理应用开发。
🌐 链接：https://github.com/teableio/teable
🚀 一键部署：https://bja.sealos.run/?openapp=system-template%3FtemplateName%3Dteable
📢关注频道：@cloud_native_share
💬加入群聊：@cloudnativer
📮欢迎投稿：@cloud_native_yang
🎁访问主页： icloudnative.io
3.6TB云资源-CG课程
介绍
这是包含了上百个CG相关的课程相关资源，我已将链接整理为txt及excel文件，其中包括文件目录
大小：约3.6T
云：百度
下载：夸克：https://pan.quark.cn/s/5992b9fb0689
百度链接: https://pan.baidu.com/s/1aAUCh6wGKV-LCE36H8wCmw 提取码: dt8g
蓝奏云：https://noise.lanzoul.com/iaiPV21mz19g
批量转存根据可参考：https://github.com/hxz393/BaiduPanFilesTransfers
WIN打包程序下载：https://pan.quark.cn/s/55338a74cb3e
📡发布：https://noisevip.cn/18328.html
🪧关注频道：@quanshoulu
💬频道社群：https://www.noisework.cn/qun/
📬投稿bot：@noisewowbot
📇搜索bot：@Efficiencysearchbot
🎁访问主页： www.noisework.cn
适用于快速构建和扩展知识图谱，支持自定义模型和缓存功能，优化成本和效率
集成OpenAI、Groq、ElevenLabs、CartesiaAI和Deepgram API，以及通过Ollama支持本地模型。适合语音技术研究和开发
#windows 小米坡word文档转视频生成工具，是一款基于windows平台下使用的word文档转视频工具。可以把word文档的图片转成视频、提取文档里边的文字转成配音、并生成字幕同步在视频上展示，支持加背景音乐。最终形成一个有配音、画面、字幕、背景音乐的完整视频。
https://github.com/feng8088/word2video
https://github.com/feng8088/word2video
GitHub
GitHub - feng8088/word2video: 小米坡word文档转视频生成工具，是一款基于windows平台下使用的word文档转视频工具。可以把word文档的图片转成视频、提取文档里边的文字转成配音、并生成字幕同步在视频上展示，支持加背…
小米坡word文档转视频生成工具，是一款基于windows平台下使用的word文档转视频工具。可以把word文档的图片转成视频、提取文档里边的文字转成配音、并生成字幕同步在视频上展示，支持加背景音乐。最终形成一个有配音、画面、字幕、背景音乐的完整视频。 - feng8088/word2video
主要特征
轻量级：快速且模块化，可以轻松集成到现有项目中
易于使用：管理 goroutine、等待组和错误处理的复杂性被抽象出来
并发：控制所有操作的并发级别
批处理：提供一种简单的方法来批量组织和处理数据
错误处理：提供一种结构化的方法来处理并发应用程序中的错误
流式传输：以最小的内存占用处理实时数据流或大型数据集
顺序保存：提供保存数据原始顺序的功能，同时仍允许并发处理
高效利用资源：goroutine 和分配的数量与数据大小无关
通用：所有操作都是类型安全的，可以与任何数据类型一起使用
函数式编程：基于函数式编程概念，使 map、filter、flatMap 等操作可用于基于通道的工作流程
