上周五,Alex Garcia 和我主持了一场新型的 Datasette 公共办公时间会议,邀请 Datasette 社区的成员分享他们构建的项目的简短演示。会议持续了一个多小时,由六个不同的人进行了演示。
我们在 YouTube 上进行现场直播,但我现在已将会议剪辑成单独的视频。下面列出了这些内容,以及项目摘要和每个演示的演示说明。
您还可以观看此 YouTube 播放列表中的所有六个视频。
- llm-logs-feedback 作者:Matthias Lübken
- llm-model-gateway 和 llm-consortium 作者:Thomas Hughes
- 德里克·威利斯 (Derek Willis) 的国会旅行探险家
- llm-questioncache 与 Nat Knight
- Simon Willison 改进数据集丰富
- 与 Alex Garcia 一起进行数据集注释、固定和编写 UI
llm-logs-feedback 作者:Matthias Lübken
llm-logs-feedback是 Matthias Lübken 为LLM设计的一个插件,它使用新的llm feedback+1
和llm feedback-1
命令添加了存储提示响应反馈的功能。它们还接受可选注释,并且反馈存储在 SQLite 的feedback
表中。
您可以像这样从 PyPI 安装插件:
llm 安装 llm-logs-feedback
完整的插件实现位于 Matthias 的 GitHub 存储库中的llm_logs_feedback.py 文件中。
llm-model-gateway 和 llm-consortium 作者:Thomas Hughes
Tommy Hughes 一直在开发一系列 LLM 插件,包括他的llm-plugin-generator ,这是一个可以帮助编写新插件的插件!
他首先演示了llm-model-gateway ,这是一个添加llm serve
命令的插件,该命令启动一个本地主机服务器,运行针对 LLM 模型的 OpenAI API 模拟:
llm 安装 llm-model-gateway LLM服务
Tommy 的主要演示是llm-consortium ,这是一个可以使用协作 LLM 模型联盟来解决问题的登录程序。
llm 安装 llm 联盟 llm 联盟“准备鳄梨吐司的最佳方法” \ --模型克劳德-3.5-十四行诗 \ --型号 gpt-4o \ --仲裁者gegemini-1.5-pro-最新 \ --置信阈值 0.8 \ --最大迭代次数 3 \ --输出结果.json
我运行了这个并返回:
准备鳄梨吐司的最佳方法是选择优质原料并精心准备。从厚片优质面包开始,例如酵母面包或全麦面包。将其烘烤至您喜欢的脆度。烤面包时,准备一个成熟的鳄梨。将其切成两半,去掉果核,然后将果肉舀入碗中。用叉子将鳄梨捣碎,留下一些块以增加质地。用盐、黑胡椒和挤新鲜柠檬汁调味,以防止褐变。可选添加物包括少许红辣椒片。
吐司烤好后,让它稍微冷却,然后将调味牛油果均匀地撒在上面。考虑在热吐司上轻轻摩擦切好的蒜瓣,以获得额外的风味(可选)。
用您最喜欢的配料来增强您的鳄梨吐司。受欢迎的选择包括:百吉饼调味料、切片西红柿、萝卜、荷包蛋或煎鸡蛋(用于添加蛋白质)、微型蔬菜、烟熏三文鱼(用于更美味的选择)、菲达奶酪碎或少许辣酱。作为画龙点睛之笔,淋上优质橄榄油,撒上芝麻或奇亚籽以增加质感。
选择配料时考虑饮食需求。例如,那些遵循低碳水化合物饮食的人可能会不吃西红柿,而选择更多的蛋白质和健康脂肪。
最后,要注意演示。将配料排列整齐,以获得视觉上吸引人的吐司。立即上桌,享受新鲜的味道和香脆的吐司。
但真正有趣的是发送到 Claude 3.5 Sonnet 和 GPT-4o 的提示和响应的完整日志,然后是发送到 Gemini 1.5 Pro 的组合提示,让它在两个响应之间进行仲裁。您可以在此处查看完整记录的提示和响应。这是results.json输出文件。
德里克·威利斯 (Derek Willis) 的国会旅行探险家
德里克·威利斯 (Derek Willis) 在马里兰大学菲利普·梅里尔新闻学院教授数据新闻学。在最近的一个项目中,他的学生使用 Datasette、AWS Extract 和 Claude 3.5 Sonnet 构建了一个 国会旅行浏览器交互式程序,以分析国会议员披露的旅行信息。
该项目的成果之一是 Politico 上的这篇报道:在过去十年中,国会议员已参加了数百次由 AIPAC 资助的以色列之旅。
llm-questioncache 与 Nat Knight
llm-questioncache构建在https://llm.datasette.io/之上,用于缓存问题的答案,使用嵌入返回类似的答案(如果已存储)。
使用嵌入来对类似问题进行重复数据删除是应用LLM嵌入功能的一种有趣的方式。
Simon Willison 改进数据集丰富
我展示了过去几周对 Datasette 的丰富系统所做的改进。
丰富功能允许您对表中选定的行应用操作,例如地理编码、QuickJS JavaScript 转换或 LLM 提示。
最新版本的数据集丰富添加了可见的进度条以及暂停、恢复和取消针对表运行的丰富作业的功能。
与 Alex Garcia 一起进行数据集注释、固定和编写 UI
我们完成了 Alex 的三个插件演示,展示了我们为Datasette Cloud开发的协作功能:
- datasette-write-ui提供了用于编辑数据并将数据添加到 Datasette 表的工具。这里的一个新功能是能够按住 Shift 键并单击一行来打开该行的编辑界面。
- datasette-pins允许用户将表和数据库固定到其 Datasette 主页,以便更轻松地查找。
- datasette-comments为 Datasette 添加了注释界面,允许用户在表中的各个行上留下注释。
标签:社区、数据新闻、演示、 derek-willis 、 youtube 、 ai 、数据集、 alex-garcia 、 generative-ai 、 llms 、 llm 、丰富
原文: https://simonwillison.net/2025/Jan/22/office-hours-demos/#atom-everything