有哪些好用的 AI 学术研究工具和科研工具?

AI视频生成:小说文案智能分镜+智能识别角色和场景+批量Ai绘图+自动配音添加音乐+一键合成视频+百万播放量icon-default.png?t=N7T8https://aitools.jurilu.com/
AI 应用其实分两个层面,第一是模型,第二是应用。现在很多模型厂家都是既做 toC 的对话应用,也做 toB 的 API 服务,方便第三方的开发者们调用 API 来实现自己更定制化的 AI 功能。

模型厂商的应用里有一些很好用的工具,比如国外的 ChatGPT、Claude,国内的通义、Kimi 等,都能直接上传文件进行问答,效果也不错,后面会举一些例子,但这些产品往往更加通用,目的是服务更多的普通用户,具体到学术/科研还需要自己完善很多 Prompt。

第三方的开发者们其实基于 GPT API 做了很多好用的应用,有的是浏览器插件,有的是 Obsidian / Zotero 等软件插件,而且很多都在 Github 上开源了。

不过想用这些插件,有个必备的工作就是准备好自己的 API key。所谓 API key,就是大模型厂家发放给用户的一个密钥,用于鉴别身份,进而统计用量和费用。通过 API key 调用 AI 大模型是按量计费的,比如 GPT-4o 就是 $5/1M tokens 输入,$15/1M tokens 输出,价格说实话挺贵的。而且 OpenAI API 现在已经不允许国内直接调用了,所以我们还是找些替代方案。

好在现在国产大模型已经把价格卷到了白菜价,几块钱就能用上百万 tokens,各家平台还都推出了新用户的免费体验额度,够用很久了。

为了方便比较模型之间的效果,本文以 SiliconFlow 提供的接口为例,类似的 API 接口各厂都有,方法是相同的。

完成注册以后,来到后台点击创建新API密钥,得到一个sk-xx 的密钥并妥善保管。

SiliconFlow 的 API 调用地址是https://api.siliconflow.cn/v1/chat/completions,但要注意,不同的工具需要填写的地址可能是不同的,有的只需要填前面的域名即可,不需要后面的全部地址。

具体的模型列表可以看文档,推荐测试使用以下几个:

  • THUDM/glm-4-9b-chat (32K)
  • Qwen/Qwen2-72B-Instruct (32K)
  • deepseek-ai/DeepSeek-Coder-V2-Instruct (32K)
  • deepseek-ai/DeepSeek-V2-Chat (32K)
  • 01-ai/Yi-1.5-34B-Chat-16K (16K)

准备好 AI 的 API 之后,就能在很多插件里使用了。

沉浸式翻译 + Arxiv 网页版

看英文文献,需要过的第一关就是语言关。毫不夸张地说,去年有了沉浸式翻译和 GPT API 之后,我看英文网站、文献的效率提升了 N 倍。

沉浸式翻译

在浏览器插件中下载「沉浸式翻译」,点击左下角设置:

左侧选择「翻译服务」,然后在点击网页底部的「添加兼容 OpenAI 接口的自定义 AI 翻译服务」:

在设置中,填写接口地址、API key、自定义模型名称,这里的最大请求数要根据情况填,比如 SiliconFlow 的 RPM(每分钟请求)限制为100,RPS(每秒请求)为 3,这里就不宜填太高。

填完以后,点击右上角的点此测试服务,正常情况下会提示验证成功:

设置完成后,在沉浸式翻译的插件页面中选择刚才自定义的模型即可:

Arxiv 网页版

以前在 Arxiv 上读论文,一般需要先下载 PDF,虽然一些插件能翻译 PDF 全文,但使用起来不太方便。现在 Arxiv 为大多数新上传的论文增加了网页版的渲染支持,读起来就更容易了。

举个例子。论文 2406.20098 的地址是https://arxiv.org/abs/2406.20098 ,PDF 下载地址是https://arxiv.org/pdf/2406.20098,网页版则是 https://arxiv.org/html/2406.20098

通过沉浸式翻译,打开双语对照阅读的效果,读论文的效率就会提升很多了:

Zotero-GPT 插件

Zotero 是一个强大的、开源的参考文献管理工具,旨在帮助研究人员收集、组织、引用和分享研究资源,是一个功能全面、易于使用的参考文献管理工具,适合各种学术研究和写作需求。

由于 Zotero 的开源性质,其社区非常活跃,也有很多人为 Zotero 制作开源的插件。比如今天要用的Zotero-GPT插件。

Zotero 的安装略(还是建议用 Windows,Mac 上似乎有些位置的插件兼容问题),然后从https://github.com/MuiseDestiny/zotero-gpt/releases/latest/download/zotero-gpt.xpi 下载插件。

之后打开 Zotero 菜单栏 - 工具 - 附加组件:

点击右上角设置 - 从文件中安装插件,选择刚才下载的 xpi 文件即可:

安装完成后,可以在工具栏看到插件的图标,可以点击图标唤起插件,也可以使用快捷键ctrl+/

此时还需要配置自己的 API 地址和 API key。如果你在国内,能直接使用 OpenAI key 的话,就只需要在输入框中使用命令输入/sercretKey sk-xx即可。

不过由于我们要调用国内的 AI API,所以需要打开 Zotero 的设置(首选项)- 高级 - 编辑器,打开时会提示风险,点 accept 即可:

然后在顶部搜索框中输入 GPT,然后修改apimodelsecretKey三项,注意,这里的 API 地址只需要输入https://api.siliconflow.cn/即可:

设置完成后,就可以直接使用插件进行对话了:

Zotero-GPT 内置了一些功能模板,比如翻译、改写等,也可以自己自定义 Prompt 模板,不过需要一点点代码能力。

比如,想要自定义一个「一句话总结选中段落」的快捷方式,就可以这么做:

在插件中输入:

#一句话总结 [position=11][color=#D14D72][trigger=/^总结/]

一句话总结这段内容,用中文回答:

${

Meet.Zotero.getPDFSelection() ||

Meet.Global.views.messages[0].content

}

然后点击Ctrl+S保存,就可以看到增加了这个 tag,可以选中一段话试一下:

大家也可以到 Zotero-GPT 的开源项目页挖掘更多功能或者反馈 issue 问题。

总结一下这个回答,主要做了几件事:

  • 注册 SiliconFlow 并记录 API 地址、API key 和模型名称
  • 下载并配置沉浸式翻译,以 Arxiv 网页版为例
  • 下载并配置 Zotero-GPT 插件,并演示了简单的自定义 tag 功能

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/49445.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

GD 32 流水灯

前言: 通过后面的学习掌握了一些逻辑架构的知识,通过复习的方式将学到的裸机任务架构的知识运用起来,同时巩固前面学到的知识,GPIO的配置等。 开发板上LED引脚使用示意图 注:此次LED灯的点亮凡是是高电平点亮&#xff…

好用的电脑屏幕监控软件推荐,什么软件能够监控电脑?

在当今信息化时代,电脑屏幕监控软件成为了企业管理、家长监管以及教育培训等领域的必备工具。通过实时监控电脑屏幕,这类软件可以有效提高工作效率,防止信息泄露,保障网络安全。本文将详细盘点几款主流的电脑屏幕监控软件&#xf…

Linux shell编程学习笔记66:ping命令 超详细的选项说明

0 前言 网络信息是电脑网络信息安全检查中的一块重要内容,Linux和基于Linux的操作系统,提供了很多的网络命令,今天我们研究最常用的ping命令。 1 ping命令 的功能、格式和选项说明 1.1 ping命令 的功能 简单来说, ping 命令 会…

全网最适合入门的面向对象编程教程:23 类和对象的 Python 实现-抛出异常

全网最适合入门的面向对象编程教程:23 类和对象的 Python 实现-抛出异常 摘要: 本文主要介绍了在使用Python面向对象编程时,抛出异常的应用场景、raise语句的使用方法和raise语句语法格式,并举出相应示例辅助讲解。 原文链接&am…

【PyTorch】图像二分类项目

【PyTorch】图像二分类项目 【PyTorch】图像二分类项目-部署 【PyTorch】图像多分类项目 【PyTorch】图像多分类项目部署 图像分类是计算机视觉中的一项重要任务。在此任务中,我们假设每张图像只包含一个主对象。在这里,我们的目标是对主要对象进行分类。…

检索增强生成Retrieval-Augmented Generation(RAG)简介

检索增强生成Retrieval-Augmented Generation(RAG)简介 引言 在自然语言处理领域,生成式任务(如文本生成、机器翻译等)一直备受关注。传统的生成模型如GPT、BERT等虽然取得了显著成果,但在处理长文本、知…

C#数组复习

一、一维数组 using System.Collections; using System.Collections.Generic; using UnityEngine;public class ShuZu : MonoBehaviour {#region 知识点一 基本概念//数组是存储一组相同类型数据的集合//数组分为 一维、二维、交错数组//一般情况 一维数组 就简称为数组#en…

OpenAI从GPT-4V到GPT-4O,再到GPT-4OMini简介

OpenAI从GPT-4V到GPT-4O,再到GPT-4OMini简介 一、引言 在人工智能领域,OpenAI的GPT系列模型一直是自然语言处理的标杆。随着技术的不断进步,OpenAI推出了多个版本的GPT模型,包括视觉增强的GPT-4V(GPT-4 with Vision&…

PeRF: Preemption-enabled RDMA Framework——论文泛读

ATC 2024 Paper 论文阅读笔记整理 问题 远程直接内存访问(RDMA)为数据密集型应用程序提供了高吞吐量、低延迟和最小的CPU使用率。各种数据密集型应用程序,如大数据分析[4,5]、机器学习[2,11,15,33]、分布式存储[21,27,28,41]和键值存储[20,…

[用AI日进斗金系列]用码上飞在企微接单开发一个项目管理系统!

今天是【日进斗金】系列的第二期文章。 先给不了解这个系列的朋友们介绍一下,在这个系列的文章中,我们将会在企微的工作台的“需求发布页面”中寻找有软件开发需求的用户 并通过自研的L4级自动化智能软件开发平台「码上飞CodeFlying」让AI生成应用以解…

基于面向对象重构模型训练器

引言 深度学习领域我们常用jupyter来演练代码,但实际生产环境中不可能像jupyter一样,所有代码逻辑都在面向过程编程,这会导致代码可复用性差,维护难度高。 前面这篇文章 基于pytorch可视化重学线性回归模型 已经封装了数据加载器…

leetcode 116. 填充每个节点的下一个右侧节点指针

leetcode 116. 填充每个节点的下一个右侧节点指针 题目 给定一个 完美二叉树 ,其所有叶子节点都在同一层,每个父节点都有两个子节点。二叉树定义如下: struct Node { int val; Node *left; Node *right; Node *next; } 填充它的每个 next …

STM32 智能家居自动化控制系统教程

目录 引言环境准备智能家居自动化控制系统基础代码实现:实现智能家居自动化控制系统 4.1 数据采集模块 4.2 数据处理与控制模块 4.3 通信与网络系统实现 4.4 用户界面与数据可视化应用场景:家居控制与优化问题解决方案与优化收尾与总结 1. 引言 智能家…

【第一天】计算机网络 TCP/IP模型和OSI模型,从输入URL到页面显示发生了什么

TCP/IP模型和OSI模型 这两个模型属于计算机网络的体系结构。 OSI模型是七层模型,从上到下包括: 应用层,表示层,会话层,传输层,网络层,数据链路层,物理层 TCP/IP模型是四层模型&…

谷粒商城实战笔记-52~53-商品服务-API-三级分类-新增-修改

文章目录 一,52-商品服务-API-三级分类-新增-新增效果完成1,点击Append按钮,显示弹窗2,测试完整代码 二,53-商品服务-API-三级分类-修改-修改效果完成1,添加Edit按钮并绑定事件2,修改弹窗确定按…

C++学习笔记01-语法基础(问题-解答自查版)

前言 以下问题以Q&A形式记录,基本上都是笔者在初学一轮后,掌握不牢或者频繁忘记的点 Q&A的形式有助于学习过程中时刻关注自己的输入与输出关系,也适合做查漏补缺和复盘。 本文对读者可以用作自查,答案在后面&#xff0…

STM32--HAL库--定时器篇

一:如何配置定时器 打开对应工程串口配置好的工程(上一篇博客)做如下配置: 定时器的中断溢出时间计算公式是: 由图得T100*1000/100MHz 注:100MHz100000000 所以溢出时间等于1ms 关于上图4的自动重装…

ARM功耗管理之Suspend-to-RAM实验

安全之安全(security)博客目录导读 ARM功耗管理精讲与实战汇总参见:Arm功耗管理精讲与实战 思考:睡眠唤醒实验?压力测试?Suspend-to-Idle/RAM/Disk演示? 1、实验环境准备 2、软件代码准备 3、唤醒源 4、Suspen…

计算机技术基础 (bat 批处理)Note4

计算机技术基础 (bat 批处理)Note4 本节主要讲解一些 bat 批处理文件中的一些特殊符号,包括 , %, > 和 >>, |, ^, & 和 && 和 ||, " ", ,, ;, ()。 回显屏蔽符 回显屏蔽符 : 这个字符在批处理中的意思是关…

linux 部署flask项目

linux python环境安装: https://blog.csdn.net/weixin_41934979/article/details/140528410 1.创建虚拟环境 python3.12 -m venv .venv 2.激活环境 . .venv/bin/activate 3.安装依赖包(pip3.12 install -r requirements.txt) pip3.12 install -r requirements.txt 4.测试启…