你自己的服务器管理大文件？一般来说 GB 级了用 OSS 更方便吧

@numoone flower

两年前开始我的项目都用 PDM 管理了，支持一个

如果没时间或者没兴趣学前端的话，可以考虑 AMIS （ https://baidu.github.io/amis/zh-CN/docs/index ），就只是取个数展示啥的完全够用了。

之前遇到过一个类似的问题，windows 下无法正常识别 javascript 类型的文件，需要在代码里手动配置：

import mimetypes

mimetypes.add_type("application/javascript", ".js")

没看出来比特鹰具体是干啥的

@noahlias 还真是，没通知，再去发现已经有权限了

@947347 是的，但是目前大部分 LLM 特别是开源的 LLM 还是以 32k 为主，而且如果要自己部署生产环境的开源 LLM ，考虑硬件配置的话，32k 现阶段比较合适。

大部分的 LLM 上下文长度也就 32k ，导致很难把一个完整的中型项目或者小型项目+文档放到上下文里，也就无从谈起跨文件理解架构和函数调用之类的需求。所以目前比较期待 Google 的 1M 上下文长度 Gemini 1.5 Pro 来实现完整理解代码项目。根据一些内测用户的反馈确实能够达到放一个完整代码项目进去然后实现新功能。

我已经 report 了，Github 刚刚给我回复处理了

单纯从一道题目来看大语言模型的性能还是有失偏颇，评测肯定是从多个维度多方面评价的。单一题目考核最容易出现的问题是数据泄露的问题，即原题目本身出现在了模型训练数据里，这是目前很多 LLM 榜单存在的问题（当然也有对应的检测和新的考核方案）。

对于这道题目本身，对比了几个模型的输出，除了 OpenAI 外，ChatGLM 和 Qwen 看起来都还行。
https://vectorvein.com/public/workflow-run-record/04ef976b300848b9b0318dc233b8f29d

我倾向于还是训练数据的问题，不完全能代表模型能力本身。目前一个热点研究也是在小模型上增加更多的训练数据达到更好的效果。

手动从终端启动应用，看看终端里有什么报错提示

如果只是关键字提取、文本摘要这种的需求的话用 1~2B 的模型就可以了，llama.cpp 量化部署，纯 CPU 跑就行，内存不要太小都没问题。

如果是 Windows 下长期做开发的话，可以考虑打开全局 utf-8 ，能避免大部分编码问题 https://i.imgur.com/hXNuMV8.jpeg

如果是 Windows 下长期做开发的话，可以考虑打开全局 utf-8 ，能避免大部分编码问题


@MegatronKing #20 二级域名一般管得不严了，没人搞你的话一般都不会管，我就有二级域名放海外服务器的

@W3Cbox #31 爬虫 + 数据分析的 SaaS 很容易就上亿了

一眼 AI