txt_world_domination
V1.0 Wise Books
Serverless CMS ( Just Plain Text !!! ) Berdasarkan markdown dengan ekstensi untuk klasifikasi taksonomi multidimensi, memungkinkan untuk menavigasi konten berdasarkan topik (sumbu) dan subtopik (koordinat).
Proyek ini bertujuan untuk menyediakan alat dokumentasi yang mudah digunakan untuk "umur panjang" (tahun atau puluhan tahun) manajemen dokumentasi.
Direkomendasikan untuk menyimpan dan mengklasifikasikan penelitian (PhD) dengan aman, dokumentasi perangkat lunak yang kompleks, prosedur yang kompleks, penulisan buku, halaman web "industri". Beberapa contoh untuk tidak sabar:
Karena konten hanyalah teks biasa (vs beberapa format basis data biner yang aneh), itu berarti bahwa banyak alat dapat digunakan kembali untuk mengedit dan mengelola konten mengikuti "Lakukan satu hal dan lakukan dengan benar!" Filsafat Unix.
Fitur berikutnya datang secara gratis:
┌──────────────────────────────────────────────────────────────┐
├─ CONVENTIONAL CMS (CONFLUENCE, SHAREPOINT, ...) ────────────┤
├──────────────────────────────────────────────────────────────┤
│ │
│1) Central CMS Server 2) "Fool" Browser │
│ ────────────────── ────────────────│
│ DDBB <··· network···> Render conent │
│ Single place of failure │
│ (single place of attack) │
│ Binary format │
│ Server/CMS/Network Admins │
│ │
├──────────────────────────────────────────────────────────────┤
├─ STATIC SITE GENERATOR (NEXT, ...) ─────────────────────────┤
├──────────────────────────────────────────────────────────────┤
│ │
│1) "Source" Content 3) Web Server │
│ ───────────────── ┌····> ──────────── ···┐ │
│ (git versioned, p2p · Publish · │
│ distributed) · "compiled" html · │
│ · · · │
│ · · · │
│ · · v │
│ · 2) Compile 4)"Fool" Browser │
│ └─····> ───────────────── ────────────── │
│ Generates HTML Render content │
│ in opinionated ways │
│ using "complex" tooling │
│ (npm, transpilers, modules, │
│ packagers, ...) │
│ │
├──────────────────────────────────────────────────────────────┤
├─ TXT WORLD DOMINATION PROJECT ──────────────────────────────┤
├──────────────────────────────────────────────────────────────┤
│ │
│1) "Source" Content 2) "Inteligent" Browser │
│ ───────────────────────── ··> ─────────────────────────── │
│ markdown+topic.sub. tags Fetch local/remote "payload"│
│ (git versioned, p2p Processes it. Generate │
│ distributed) HTML, taxonomy, indexes, │
│ · extensions, ... │
│ · │
│ ├─·· or ··········>2) Printer │
│ · ─────────────────────────── │
│ · Print to paper │
│ · (extensions ignored) │
│ · │
│ ├─·· or ··········>2) LLM Learning Algorithm │
│ · ─────────────────────────── │
│ · - LLM training algorithm. │
│ · topics/subtopics provide │
│ · (huge) dimensionality │
│ · reduction!!! │
│ · │
│ ├─·· or ···········>2) JAVA/Rust/Python/... IDE │
│ · ─────────────────────────── │
│ · Improve source code │
│ · navigation based on │
│ · topics.subtopics concerns │
│ · like UI, QA, security, .... │
│ · │
│ ├─·· or ···········>2) (Fill with new ideas and │
│ · use-cases) │
└──────────────────────────────────────────────────────────────┘
Set atau himpunan bagian dari file teks (MarkDown, Code Sumber) dapat dikelompokkan ke dalam satu file virtual "besar" melalui daftar "payload". Daftar ini hanya file txt normal yang menunjukkan pada setiap baris baru daftar file markdown untuk menggabungkan untuk membentuk dokumen penurunan harga akhir. Contoh:
full_book.payload security_book.payload frontend_book.payload
----------------- --------------------- ---------------------
./introduction.md ./chapter4.md ./chapter1.md
./chapter1.md ./chapter5.md ./chapter2.md
./chapter2.md ./chapter9.md ./chapter9.md
./chapter3.md
./chapter4.md
./chapter5.md
./chapter6.md
./chapter7.md
./chapter8.md
./chapter9.md
Hanya beberapa contoh tentang bagaimana proyek ini digunakan untuk mendokumentasikan dokumentasi dunia nyata:
Mengapa membuat catatan di era pembelajaran mesin dan model bahasa besar?
Sederhananya. Mereka saling melengkapi:
AI berfungsi "baik" ketika diterapkan pada konteks terbatas (tidak terlalu kecil), misalnya, tugas pemrograman dasar atau tugas-tugas seperti matematika (tidak begitu mendasar) dengan set dan operasi yang didefinisikan dengan baik (masalah aljabar, masalah seperti catur, ...).
Saya bekerja di dunia pengembangan perangkat lunak. Izinkan saya meringkas pengalaman saya:
Di sisi lain, ketika membuat catatan dari para ahli kami dapat menandai produk yang bersaing, menyoroti pro/kontra, mengambil cheat-sheet, anotasi dengan kasus penggunaan, fitur yang tertunda, hal-hal seperti itu.
Kami dapat mengambil beberapa "informasi" dan menyelesaikan beberapa catatan sebelumnya (mungkin ditulis 4 tahun yang lalu) sehingga konten yang tidak lengkap mulai "masuk akal". Akhirnya, kita dapat mengambil keputusan yang jauh lebih masuk akal.
Dimungkinkan melalui rekayasa cepat canggih untuk membuat AI mengembalikan jawaban yang masuk akal .. tetapi rekayasa cepat canggih jauh lebih sulit dan memakan waktu yang hanya mengambil dan mengklasifikasikan catatan . Faktanya, saya akan mengatakan bahwa mengambil dan mengklasifikasikan catatan, menciptakan taksonomi yang didefinisikan dengan baik dan stabil adalah "harus" untuk rekayasa cepat "lanjutan" .
Kita dapat menanyakan bot LLM tentang menyelesaikan tugas dan berkali -kali akan berhasil. Beberapa pertanyaan muncul:
Kami bertanya kepada LLM karena kami mengabaikan solusi di tempat pertama, jadi kami mungkin mengabaikan solusi alternatif dan mungkin kami mengabaikan banyak hal lain (ingat risiko yang tidak diketahui yang tidak diketahui .). Jika kami membuat catatan tentang tugas terkait, dan alternatif terkait untuk masalah yang sama, kami sekarang dapat menambahkan informasi tersebut ke prompt kami dan kami juga dapat mempertimbangkan mengisi dengan aspek "ortogonal" (QA, keamanan, standarisasi, pola terbaik, ...). Dengan cara ini kami membantu LLM untuk mengurangi dimensi masalah dan prompt kami akan menjadi prompt yang jauh lebih efisien.
Tidak perlu untuk mengatakan, LLM juga dapat membantu kami merancang taksonomi kami dengan menyarankan topik dan subtopik. Dalam hal itu, kedua sistem dapat saling memberi makan dalam loop yang tak terbatas. Hebat, bukan?
