nanoPerplexityAI 是一个信息检索工具，通过结合 Google 搜索引擎和大语言模型（LLM），生成带引用的信息回答。其核心功能包括接受用户查询，决定是否进行 Google 搜索，并将搜索结果整合成适合 LLM 处理的提示，最终生成带引用的答案。
要使用 nanoPerplexityAI，用户需要安装以下 Python 库：
- googlesearch-python
- requests
- beautifulsoup4
- lxml
- openai
安装命令如下：
pip install googlesearch-python requests beautifulsoup4 lxml openai
设置 OPENAIAPIKEY 后，运行脚本并输入问题，即可生成 Markdown 格式的答案文件。以下是一个简单的示例：
export OPENAI_API_KEY='your_openai_api_key'
python nanoPerplexityAI.py "What are the best AI stocks in 2024?"
生成的答案文件可以在 VScode、Markdown Playground 中查看，或者将其推送到 GitHub 仓库，方便分享和存档。
以下是 nanoPerplexityAI 生成的一些示例搜索结果：
- The 6 best smartphones with AI in 2024
- ** 描述 **：CBS Essentials is created independently of the CBS News editorial staff. We may receive commissions from some links to products on this page. Promotions are subject to availability and retailer …
- ** 时间 **：2024-07-30
- ** 链接 **：CBS News
- Best AI stocks in 2024 for performance
- ** 描述 **：Blueprint may earn a commission from affiliate partner links featured here on our site. This commission does not influence our editors’ opinions or evaluations. Please view our …
- ** 时间 **：2024-07-30
- ** 链接 **：USA Today
- Are We Witnessing the Weaponization of AI? | Opinion
- ** 描述 **：OpenAI 最近宣布任命退休的保罗・中曾根将军为董事会成员。这标志着公司在国家安全问题上的重大转变，这一发展…
- ** 时间 **：2024-07-22
- ** 链接 **：Newsweek
DreamDissector 将文本生成 3D 对象，其特点包括：
- ** 多对象生成 **：接受包含多个对象的文本生成 NeRF。
- ** 神经类别场（NeCF）**：利用 NeCF 和类别评分蒸馏采样（CSDS）生成独立的纹理网格。
- ** 解决独立性问题 **：克服现有方法中对象独立性和空间互动不足的难题。
DreamDissector 的应用包括：
- ** 对象级别的纹理引导 **：可以实现对象级别的纹理引导。
- ** 几何编辑 **：支持几何编辑，让用户可以根据需要调整对象的形状和结构。
- ** 可控对象替换 **：实现可控对象替换，方便在不同场景中应用。
DreamDissector 通过以下技术实现其功能：
- ** 深度概念挖掘模块（DCM）**：对输入的 NeRF 进行解耦，提取深度概念。
- **NeCF 优化 **：通过 NeCF 进一步优化几何和纹理，确保生成的纹理网格独立且高质量。
- ** 导出独立表面网格 **：最终导出独立的表面网格，供用户在不同应用中使用。