Logo

#JSON

awesome-llm-json入门学习资料-利用LLM生成结构化JSON数据的开源资源汇总

1 个月前
Cover of awesome-llm-json入门学习资料-利用LLM生成结构化JSON数据的开源资源汇总

Wiktextract:从维基词典中提取结构化数据的强大工具

2 个月前
Cover of Wiktextract:从维基词典中提取结构化数据的强大工具

使用whisper-node在Node.js中实现本地语音转文字功能

2 个月前
Cover of 使用whisper-node在Node.js中实现本地语音转文字功能

Jaiqu: 革命性AI驱动的JSON重构工具

2 个月前
Cover of Jaiqu: 革命性AI驱动的JSON重构工具

Chat Templates: 为大型语言模型打造对话模板的开源项目

2 个月前
Cover of Chat Templates: 为大型语言模型打造对话模板的开源项目

深入探索LLM生成JSON的技术与工具:awesome-llm-json项目解析

2 个月前
Cover of 深入探索LLM生成JSON的技术与工具:awesome-llm-json项目解析

相关项目

Project Cover
typechat.net
TypeChat.NET 是一个跨平台库,利用强类型和类型验证构建自然语言接口,提升语言模型的确定性和可靠性。支持 JSON 翻译、验证和程序合成,集成 Microsoft Semantic Kernel 提供多种功能和插件。项目在积极开发中,附带示例和文档,适用于使用 OpenAI 模型的用户,并提供 API 密钥配置,便于运行和测试各种示例项目。
Project Cover
whisper-node
Whisper-node是OpenAI Whisper的Node.js绑定,支持本地转录,输出格式包括JSON、.txt、.srt和.vtt。该项目经过CPU优化,支持Apple Silicon ARM,并提供单词级精度的时间戳。通过npm可快速安装,并可选下载模型。未来将增加浏览器兼容性、语言检测和说话者识别等新功能。
Project Cover
openapi-typescript-codegen
OpenAPI Typescript Codegen是一个轻量且稳健的Node.js库,能够根据OpenAPI规范生成TypeScript客户端。支持Fetch、Node-Fetch、Axios、Angular和XHR等多种HTTP客户端,兼容OpenAPI v2.0和v3.0规范,并可通过CLI、Node.js及NPX等工具生成。由于项目不再维护,建议迁移至@hey-api/openapi-ts。
Project Cover
jnv
此工具提供交互式的JSON查看和jq过滤器编辑功能,支持多种JSON格式、语法高亮和自动补全。通过集成jaq,用户无需自行配置jq,大大简化了构建过程,同时可处理文件和标准输入的JSON数据,适用于多场景应用。
Project Cover
awesome-api-devtools
该项目汇集了构建RESTful HTTP+JSON API的全面资源,包括API规范语言、框架、开发工具、文档、调试、设计、安全、监控和测试等方面。为开发者提供了一站式参考,助力选择适合的API开发工具和资源。内容定期更新,开放社区贡献。
Project Cover
rinha-de-compiler
Rinha de Compiler 项目是一个开源的编译器挑战赛,旨在开发能在2核2G RAM环境下运行的解释器或编译器。参与者需处理JSON格式的抽象语法树,实现动态编程语言特性,并通过多种算法测试。该项目为开发者提供了一个展示和提升编译器构建技能的平台,同时促进了轻量高效解释器的创新开发。
Project Cover
yq
yq是一个用于处理YAML、JSON和XML数据的命令行工具。它使用类似jq的语法,支持读取、更新、合并文件和复杂的数据操作。yq由Go语言开发,提供跨平台二进制文件,易于安装使用。这款工具能够高效处理多种格式的结构化数据,适用于开发和系统管理场景。
Project Cover
Bear
Bear是一个开源工具,用于生成Clang工具链的编译数据库。它在构建过程中创建JSON格式的编译数据库,特别适用于不支持原生生成此类数据的项目。使用Bear只需在构建命令前添加'bear --'。该工具支持多平台,并提供详细文档和活跃的社区支持。Bear生成的'compile_commands.json'文件便于开发者重新编译或使用其他工具进行代码分析。
Project Cover
awesome-llm-json
本资源列表提供了丰富的资源,用于使用大语言模型(LLMs)生成JSON或其他结构化输出。内容包括术语解释、托管模型、本地模型、Python库、博客文章、视频和Jupyter笔记本,介绍了函数调用(Function Calling)、指导生成(Guided Generation)和工具使用等多种技术和工具,探索高效生成和处理结构化数据的方法。
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号