Jupyter AI 教程
本教程将引导您了解并安装 Jupyter AI,一个用于在 Jupyter 环境中探索和使用生成式人工智能模型的开源扩展。
1. 项目目录结构及介绍
典型的 Jupyter AI 项目目录结构可能如下:
jupyter-ai/
├── setup.py # 安装脚本
├── jupyter_ai # 主要代码库
│ ├── __init__.py # 初始化模块
│ └── ... # 其他相关模块
├── tests # 单元测试
│ ├── test_*.py # 测试脚本
├── docs # 文档源代码
│ ├── source # Markdown 和其他文档资源
│ └── build # 构建后的 HTML 文档
└── requirements.txt # 依赖项列表
setup.py 是 Python 包安装的标准入口点。jupyter_ai 模块包含了 Jupyter AI 的核心功能。tests 目录用于存放单元测试,确保代码质量。docs 文件夹存储了项目文档的源码,通常使用 Sphinx 进行构建。requirements.txt 列出了项目运行所需的依赖包。
2. 项目的启动文件介绍
Jupyter AI 的启动通常不是通过单独的启动文件进行,而是作为 JupyterLab 或 Jupyter Notebook 的扩展安装。一旦安装,该扩展会在你的 Jupyter 环境中自动激活。要启动 JupyterLab 并使用 Jupyter AI,请按照以下步骤操作:
- 打开终端(Terminal)。
- 安装 Jupyter AI 扩展:
pip install 'jupyter-ai>=1.0,<2.0' # 对于 JupyterLab 3.x pip install jupyter-ai # 对于 JupyterLab 4.x - 启动 JupyterLab:
jupyter lab
在 JupyterLab 中,你将能够看到 Jupyter AI 提供的功能,如聊天界面和 %%ai 魔法命令。
3. 项目的配置文件介绍
Jupyter AI 的配置主要通过 JupyterLab 或 Notebook 的配置系统进行。通常,你可以创建一个名为 .jupyter/jupyter_notebook_config.py 的配置文件来定制设置。例如,如果你想要自定义默认使用的 AI 模型或设置,可以在该配置文件中添加对应的代码。具体配置选项可以在 Jupyter AI 的官方文档中找到。
要查看或编辑这个配置文件,你可以执行以下命令:
jupyter notebook --generate-config
这将在用户的家目录中创建或更新 ~/.jupyter/jupyter_notebook_config.py 文件。然后你可以手动打开此文件进行编辑。
请注意: 目前的 Jupyter AI 版本可能没有特定的配置文件,但更多的是通过 API 参数或交互式界面上的设置来配置。具体配置方法需参考官方文档或代码库中的说明。
在安装和使用过程中遇到任何问题,可以查阅 Jupyter AI 的用户文档(在 ReadTheDocs 上提供),以获取更详细的指南和支持。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00