Искусственный интеллект. Оптимизируем работу с файлами и поиск в сети при помощи ИИ

58b65c4c232c9ae079aa34693c0ee021.png

Введение

Приветствуем дорогих читателей! Это вступительная статья по использованию ИИ в оптимизации различных задач. В этой статье мы рассмотрим установку бесплатного ИИ Llama и рассмотрим некоторые инструменты для распознавания и переименовывания файлов исходя из их содержимого, оптимизации работы в файловом менеджере и поисковике.

Дисклеймер: Все данные, предоставленные в статье, взяты из открытых источников. Не призывают к действию и предоставлены только для ознакомления и изучения механизмов используемых технологий.

Немного теории

LLM (Large Language Model) — это крупная языковая модель, созданная для обработки и генерации текста.

LLaMA (Large Language Model Meta AI) — это серия языковых моделей, разработанная компанией Meta (ранее Facebook). Она была представлена в начале 2023 года и предназначена для выполнения различных задач обработки естественного языка.

Ollama — фреймворк для запуска и управления большими языковыми моделями (LLM) на локальных вычислительных ресурсах. Он обеспечивает загрузку, развертывание выбранной LLM и доступ к ней.

Переименовывание файлов при помощи ai-renamer

Что это?

Node.js CLI, который использует модели Ollama и LM Studio (Llava, Gemma, Llama и т.д.) для интеллектуального переименования файлов по их содержимому.

Установка и использование

Для начала устанавливаем npx:

apt install nodejs npm

Устанавливаем Ollama и языковую модель.

curl -fsSL https://ollama.com/install.sh | sh

В качестве языковой модели рекомендуем использовать llava, т.к она ещё понадобится нам далее, и по личным тестам, это самая успешная модель. А установить можно её одной командой:

ollama pull llava

Для установки потребуется скачать репозиторий и запустить его через npx (в директорию инструмента не заходим):

git clone https://github.com/ozgrozer/ai-renamer
npx ai-renamer --help

6a322050dd2cfec24d312ad58fccc23e.png

Запуск инструмента простой, пишем путь к папке где нужно навести порядок с названиями:

npx ai-renamer /path

К примеру у нас есть папка с несколькими файлами непонятного названия и разного содержимого.

0f04a791a35006d5665e5078bc29c028.pnge8f69288eb8e19e71e8be78aa89adb5e.png

Запускаем и наблюдаем следующий результат:

8a2e7cebc03681d26b7f0f0ab99c771f.png1f7e9a0e184fdb866fbe36090a2ba90f.pnga588b2509ec44224e1c15fe88ea75eaf.png

Модель отлично справилась и переименовала файлы в зависимости от содержимого.

Самоорганизующийся файловый менеджер not-llama-fs

Небольшая предыстория

Есть оригинальный проект Llama-FS. Он поддерживается, судя по обновлениям в репозитории. Но запустить его полностью не удалось. Проблема в файле с API, который не читался при запуске. Поэтому мы нашли альтернативный репозиторий. Он хорошо выполняет задачу, но запускается как CLI. Он только прописывает лес обновлённой директории на основе содержимого файлов. Сами действия над файлами (переименование и сортировку) он не производит. Если у кого-то была такая же проблема с Llama-FS и удалось её решить, дайте знать в комментариях!

Что это?

NotLlamaFS — это самоорганизующийся ИИ файловый менеджер. Он автоматически переименовывает и организует ваши файлы на основе их содержания и известных соглашений (например, времени), используя ИИ. В настоящее время поддерживаются текстовые файлы и изображения.

Установка и использование

Устанавливается всё очень просто и удобно:

git clone https://github.com/drforse/not-llama-fs.git
cd not-llama-fs
pip install -r requirements.txt

Для запуска нужно прописать следующее:

python -m app demo "path/to/directory/with/files/to/organize" --producer ollama 

Запустили в той же директории и спустя некоторое время инструмент выдал следующий лес файлов и папок:

eff8cdf55ee734c1fc171d80e45d7732.png

Инструмент отлично справился со своей задачей и рассортировал все файлы и папки.

Поисковая система Farfalle

Что это?

Farfalle — это поисковая система с открытым исходным кодом, основанная на искусственном интеллекте. Она может работать как на локальных моделях, таких как llama 3, gemma и mistral, так и на облачных решениях, таких как Groq или gpt4-o.

Использование

В официальном репозитории доступна демоверсия поисковика, в статье мы рассмотрим её эффективность.

28d81605d0008732bf057033fc9025bf.png

Как можем наблюдать, нам доступны 3 модели, в статье будет использоваться модель GPT, которая стоит по умолчанию. Пишем запрос и наблюдаем следующий результат:

93b16120073b0f2e5fd07ddf5e9a489e.png

GPT сразу написал инструкцию к действиям и дал нужные источники, но также у нас имеются и наводящие запросы, как в любом другом поисковике, из которых мы уже сможем вывести точные, нужные нам результаты как можно быстрее.

37d9c903c89cf0dffa5c12124717ea76.png

На самом деле, поясняющие инструкции от ИИ во многом могут сократить время на поиск этой же информации на различных сайтах, как это обычно и бывает. В целом идея и реализация такого поисковика достаточно полезны на сегодняшний день, когда чаще всего важна скорость работы.

Заключение

В этой статье мы разобрали примеры простого внедрения и использования инструментов, работающих на основе ИИ. Целью этой рубрики является демонстрация большой доступности и эффективности работы с искуственным интеллектом даже в повседневных рутинных задачах. Спасибо за внимание!

Полезные OSINT инструменты в телеграме (всегда рабочие ссылки)

LHMedia в телеграме:

© Habrahabr.ru