txt_world_domination
V1.0 Wise Books
CMS sem servidor ( apenas texto simples !!! ) com base no Markdown com extensões para classificação de taxonomia multidimensional, permitindo navegar no conteúdo com base em tópicos (eixos) e subtópicos (coordenadas).
Esses projetos têm como objetivo fornecer uma ferramenta fácil de usar para o gerenciamento de documentação de "vida longa" (anos ou dezenas de anos).
Recomendado para armazenar e classificar com segurança o trabalho de pesquisa (PhD), documentação complexa de software, procedimentos complexos, redação de livros, páginas da web "industriais". Alguns exemplos para o impaciente:
Como o conteúdo é apenas um texto simples (vs algum formato estranho de banco de dados binário), significa que muitas ferramentas podem ser reutilizadas para editar e gerenciar o conteúdo após a "faça uma coisa e faça certo!" Filosofia Unix.
Os próximos recursos vêm de graça:
┌──────────────────────────────────────────────────────────────┐
├─ 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) │
└──────────────────────────────────────────────────────────────┘
Conjuntos ou subconjuntos de arquivos de texto (Markdown, código -fonte) podem ser agrupados em uma única lista virtual final "Big" através das listas de "carga útil". A lista é apenas um arquivo TXT normal, indicando em uma nova linha a lista de arquivos de marcação para concatenar para formar o documento final de marcação. Exemplo:
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
Apenas alguns exemplos sobre como este projeto está sendo usado para documentar a documentação do mundo real:
Por que fazer anotações na era do aprendizado de máquina e de grandes modelos de linguagem?
Simplesmente coloque. Eles se complementam:
A IA funciona "bem" quando aplicada a contextos limitados (não necessários pequenos), por exemplo, tarefas básicas de programação ou (não tão básicas) tarefas matemáticas com um conjunto e operações bem definidos (problemas algébricos, problemas semelhantes a xadrez, ...).
Eu trabalho no mundo do desenvolvimento de software. Deixe -me resumir minha experiência:
Por outro lado, ao fazer anotações de especialistas, podemos marcar produtos concorrentes, destacar prós/contras, fazer folhas de trapaça, anotar com casos de uso, recursos pendentes, coisas assim.
Podemos buscar algumas "informações" e completar algumas nota anterior (talvez escrita há 4 anos), para que o conteúdo incompleto comece a "fazer sentido". Finalmente, podemos tomar decisões muito mais sensatas.
É possível através da engenharia rápida avançada para tornar a IA retornar respostas sensatas. Mas a engenharia pronta avançada é muito mais difícil e demorada que apenas pegando e classificando anotações . Na verdade, eu diria que tomar e classificar anotações, criar uma taxonomia bem definida e estável é uma "obrigação" para a engenharia rápida "avançada" .
Podemos perguntar a um Bot LLM sobre resolver uma tarefa e muitas vezes funcionará. Algumas perguntas surgem:
Estamos perguntando ao LLM porque ignoramos a solução em primeiro lugar, por isso provavelmente ignoramos soluções alternativas e provavelmente ignoramos muitas outras coisas (lembre -se do risco das incógnitas desconhecidas .). Se fizermos anotações sobre tarefas relacionadas e alternativas relacionadas para problemas semelhantes, agora podemos adicionar essas informações ao nosso prompt e também podemos considerar o preenchimento de aspectos "ortogonais" (controle de qualidade, segurança, autocomática, melhores padrões, ...). Dessa forma, ajudamos o LLM a reduzir a dimensionalidade do problema e nosso prompt será um prompt muito mais eficiente.
Necessidade de dizer, um LLM também pode nos ajudar a projetar nossa taxonomia, sugerindo tópicos e subtópicos. Nesse sentido, ambos os sistemas podem se alimentar em um loop infinito. Ótimo, não é?
