懂AI

WARC-GPT学习资料汇总 - 利用AI探索Web存档的开源工具

RayRay
WARC-GPTAIWeb ArchiveOpenAIEmbeddingGithub开源项目

📚 WARC-GPT简介

WARC-GPT是由哈佛大学法学院图书馆创新实验室(Library Innovation Lab)开发的开源工具,旨在利用人工智能技术探索Web存档集合。它允许用户创建自定义聊天机器人,使用一组Web存档文件作为知识库,让用户通过对话方式探索Web存档内容。

WARC-GPT Logo

🌟 主要特性

  • 为WARC文件提供检索增强生成(RAG)管道
  • 高度可定制,可与多种LLM、提供商和嵌入模型交互
  • REST API接口
  • Web用户界面
  • 嵌入可视化功能

🔧 安装与配置

安装步骤

  1. 克隆项目仓库:

    git clone https://github.com/harvard-lil/warc-gpt.git

  2. 安装依赖:

    poetry env use 3.11
poetry install

配置说明

  • 复制.env.example文件为.env,并根据需要进行编辑
  • WARC-GPT可以与OpenAI API和Ollama进行交互,至少需要配置其中一个
  • 默认情况下,程序会尝试与http://localhost:11434的Ollama API通信

📖 使用指南

摄取WARC文件

  1. 将WARC文件放入./warc目录
  2. 运行以下命令提取文本并生成嵌入: 
    poetry run flask ingest

启动服务器

运行以下命令在端口5000启动WARC-GPT服务器:

poetry run flask run

Web界面交互

访问http://localhost:5000使用Web界面与WARC-GPT交互。系统会尝试在知识库中找到相关摘录来回答问题。

WARC-GPT Screenshot

API交互

WARC-GPT提供了以下API端点:

  • GET /api/models: 返回可用模型列表
  • POST /api/search: 在向量存储中搜索相关内容
  • POST /api/complete: 使用LLM生成文本补全

🔬 进阶功能

嵌入可视化

WARC-GPT允许生成基本的交互式T-SNE 2D散点图来可视化生成的向量存储:

poetry run flask visualize

Embeddings Visualization

📚 相关资源

🚀 未来方向

  1. 测试更大规模、真实世界的集合
  2. 探索多模态嵌入和文本生成
  3. 开发集合级别的摘要组件

WARC-GPT为探索Web存档和人工智能的交叉领域提供了一个强大而灵活的工具。我们鼓励Web存档社区成员尝试使用,并为这个持续进行的实验提供反馈和贡献。🌐🤖

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多