月份: 2023 年 12 月

發佈日期: 作者:

讓你的ChatGPT更強大 – PDF分析

讓ChatGPT可以上傳、分析PDF的好工具

這個工具可以讓ChatGPT可以閱讀內容很長的PDF檔案，而且不用Plus也可以使用，可以讓使用者就PDF的內容來發問，CHATGPT會依照PDF的內容來回答

現在有人開發了AI PDF的工具，也可以嘗試看看: https://chat.openai.com/g/g-V2KIUZSj0-ai-pdf

但是這個工具一定要付費的ChatGPT Plus才可使用，所以如果沒有Plus的人，可以使用下面的Chrome插件的方式

Chrome插件下載

ChatGPT Sidebar & File Uploader

啟用之後你的ChatGPT會增加上傳檔案的按鈕(非Plus用戶也可以唷!)

設定外掛

至下列網址設定外掛行為: chrome://extensions/

如果沒有設定的話，這個的Sidebar在每個站都會有，我在這邊讓他只能夠影響到ChatGPT這個站，下面的三個開關則請憑自己的喜好去設定

設定PDF檔案內容分段的prompt

這邊我是建議要改用中文來寫，不然他回答都會一直是英文，後面問答用中文問的效果也會很差，但一開始prompt就用中文下的話，回答的內容都還算正確

下面是我設定的值

Single Part Prompt

#zh-TW
下面是文件完整的資訊，請幫我做此文件資料的總結

Multi Part First Prompt

#zh-TW
我所分享的此份文件會被分成很多個部分，請等待我輸入所有部分，接著再做全部資料的總結，在這之前，請單單回應 “了解，我會等待其餘的部分輸入”

Multi Part Consecutive Prompts

#zh-TW
這是此份文件分段的其中一部份，請回應”了解，我會等待其餘部分的輸入”

Last Part Prompt

#zh-TW
這是最後一部分，請仔細地觀看全部的文件，在之後的問題中，回應我這份文件的相關資訊 ，請單單回應 “了解，我會整理從第一部份至最後一部分的資訊”

設定分段的長度

這邊可視你的ChatGPT的版本來設定，一般來說，就是Token長度，不可以超過長度上限

特點/模型Bard (Google)ChatGPT (OpenAI)ChatGPT Plus (OpenAI)Bing (Microsoft)Claude (Anthropic)
上下文窗口 長度(Token)32K4K8K8K100K
推理能力不錯最佳最佳不明不錯
網路連接功能原生支持網路搜尋無法讀取網頁需連至Bing取得網頁內容所有用戶可用的連接功能無法讀取網頁
多模態能力支持文字、圖像、語音輸入無支持圖像、語音及文字輸入，以及圖像、文字、檔案輸出支持文字輸入，圖像、文字輸出支持PDF等檔案的文字讀取
建議用途圖像辨識初次接觸者皆可資訊搜尋長文PDF摘要
費用免費免費每月$20美金免費免費
主要用途研究、資料分析、聊天程式碼開發、聊天多模態及與其他服務的串接應用網路搜尋、聊天研究、分析
發佈日期: 作者:

讓你的ChatGPT更強大 – Zapier AI Actions

Zapier是甚麼

Zapier 是一個無需編寫代碼的自動化工具，用於連接和自動化不同應用程序。它允許你創建自動化工作流程（Zaps），觸發事件（如新郵件）將啟動操作（如將附件上傳到雲端硬盤），提高生產力並節省時間。 Zapier 支持數千種應用程序，包括常見的工作工具、社交媒體和電子郵件服務。

在ChatGPT Plus使用API連接Zapier可以做到甚麼

與其他應用程式連動 – 通訊錄

與其他應用程式連動 – 日曆

與其他應用程式連動 – Gmail

如何建立連動

首先，你一定要付費成為ChatGPT Plus會員，這樣才會能夠在你的ChatGPT裡面串接外部API

接著，建立一個你自己專屬的My GPTs，選擇Create a GPT

接著，這邊有詳細的設定教學(https://actions.zapier.com/docs/platform/gpt)

首先，複製這串網址

https://actions.zapier.com/gpt/api/v1/dynamic/openapi.json?tools=meta

選擇最下面的Create new action，接著選擇Import from URL，把剛剛的網址貼上去

設定Zapier方的權限

這邊的設定就和ChatGPT本身無關，而是Zapier這邊的權限控管，如果ChatGPT的這個對話功能不會只有自己使用的話，也要教所有使用者如何允許ChatGPT去存取他的Zapier帳號

提供配置 URL

我們為您提供了一個支援自然語言參數的網址，供您在 GPT 中使用，您可以在其中指定操作名稱，也可以選擇包含特定欄位值詳細資訊。使用 https://actions.zapier.com/gpt/start 作為基礎。

它支援兩個可選的查詢參數：

  • setup_action 與操作名稱
  • setup_params 用於欄位指令（提供某些欄位值，例如進行 AI 猜測，或說不包含某些欄位）

例如，下面的連結將為 Google 日曆尋找電子郵件設定新操作，並將開始時間和結束時間欄位設為讓 AI 猜測.立即嘗試此處或造訪此網址：

https://actions.zapier.com/gpt/start?setup_action=google calendar find event&setup_params=set have AI guess for Start and End time

把下面的文字加入ChatGPT的Instructions欄位裡面，教導GPT如何引導使用者去開啟Zapier權限

###Rules:
- 在操作之前，我需要確認您是否已登入並設定了 Zapier 的 AI Actions。這是進行下一步所必需的。
- 假入已經登入的話，開始下面的步驟

###Instructions for Zapier Custom Action:
Step 1. 我將首先檢查您是否擁有完成此請求所需的 Zapier AI Actions。我會呼叫 /list_available_actions/ 來列出可用的操作。 假如REQUIRED_ACTION可以在AVAILABLE ACTIONS之中找到的話，則到Step 4，否則則到Step 2。

Step 2. 如果所需的操作不可用，我將向您發送所需操作的配置連結。您需要根據該連結配置 Zapier AI Action，並在完成後通知我。

Step 3. 一旦您確認已配置所需的操作，我將繼續處理您的原始請求。

Step 4. 使用在/list_available_actions/ 的JSON 回應中傳回的id 欄位（在results 陣列中），我將填寫運行操作所需的字串。我將根據您的請求填寫指令和任何其他必要的欄位。 

REQUIRED_ACTIONS:
- Action: Google Calendar Find Event
  Configuration Link: https://actions.zapier.com/gpt/start?setup_action=google%20calendar%20find%20event&setup_params=set%20have%20AI%20guess%20for%20Start%20and%20End%20time
- Action: Slack Send Direct Message
  Configuration Link: https://actions.zapier.com/gpt/start?setup_action=Slack%20Send%20Direct%20Message

日曆功能的GPT 演示

實驗心得

這個Action應該非常花費額度， 因為我的Plus沒呼叫幾個Action就會額度用完了，而且在呼叫Action的時候，或許是驗證問題，或許是額度不足失敗問題，會導致很多機會沒辦法照著我們的想法去走。

但是在ChatGPT內可以串接自己的API連接到自己的網站功能裡，真的非常強大，很期待日後系統越來越穩定，功能越來越健全後此功能的可能未來性

參考資料

Create custom versions of ChatGPT with GPTs and Zapier

AI Actions

發佈日期: 作者:

YOLOv8使用範例

建模的範例

先用下面指令安裝好所需的套件

pip install ultralytics

然後在Roloflow下載要訓練的素材集，選擇YOLOv8

把裡面的資料(含data.yaml)解壓縮在同層資料夾下，如圖

接著直接執行下面的程式，yolov8會自動下載所需要的yolov8.yaml及yolov8n.pt

import multiprocessing
import os
from ultralytics import YOLO
os.environ['CUDA_LAUNCH_BLOCKING'] = '1'

def my_function():
    model = YOLO('yolov8.yaml').load("yolov8n.pt")
    # Train the model
    model.train(data='./data.yaml', epochs=300, imgsz=640)
    model.val(data="./data.yaml")

if __name__ == '__main__':
    multiprocessing.freeze_support()  # Optional, if you're freezing the script
    my_function()

這時候會出現錯誤如下，因為資料集放在哪邊也是剛剛才自動下載的，所以我們要打開一下這個設定檔案，設定一下我們的資料集的正確位置(datasets_dir)

看到這些訊息就代表成功的開始建模型囉!

模型使用範例

重點是在這行

model = YOLO('best.pt')

這行在載入我們建好的模型

results = model(image, show=False, verbose=False)

model這個預測方法有很多可控制的參數，例如要不要直接秀出圖片、要不要存圖片等等

YOLOv8非常貼心的是在於說，其吐出的物件如result，只要print這個物件，就會有非常詳細的結構和屬性意義教學，在開發上非常的方便

import VideoStream
import cv2
import numpy as np
from ultralytics import YOLO


videostream = VideoStream.VideoStream((1280, 720), 30, 0).start()
cam_quit = 0
model = YOLO('best.pt')
# 繪製邊框和標籤
def detect(image):
    results = model(image, show=False, verbose=False)
    # Show the results
    result = list(results)[0]
    for i in range(len(result.boxes)):
        r = result[i].boxes
        cls = int(r.cls[0].item())
        xywh = r.xywh[0].tolist()
        x_center, y_center, width, height = [int(x) for x in xywh[:4]]
        if width < 100 and height < 100:
            x1 = int(x_center - (width / 2))
            y1 = int(y_center - (height / 2))
            x2 = x1 + width
            y2 = y1 + height
            cv2.rectangle(image, (x1, y1), (x2, y2), (0, 0, 255), 3)
            cv2.putText(image, result.names[cls], (x1, y1), cv2.FONT_HERSHEY_SIMPLEX, 0.8, (0, 255, 255), 1, cv2.LINE_AA) 

while cam_quit == 0:
    imageSource = videostream.read()
    imageSource = cv2.resize(imageSource, (960, 540))
    detect(imageSource)
    cv2.imshow("image", imageSource)
    key = cv2.waitKey(1) & 0xFF
    if key == ord("q"):
        cam_quit = 1

videostream.stop()
cv2.destroyAllWindows()