让AI给你写代码(七)- 结合语意匹配,引导AI小助手逐步完善代码,新增功能(下)案例说明

这篇具有很好参考价值的文章主要介绍了让AI给你写代码(七)- 结合语意匹配,引导AI小助手逐步完善代码,新增功能(下)案例说明。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

结合上一篇 让AI给你写代码(六)- 结合语意匹配,引导AI小助手逐步完善代码,新增功能(上)
我们看一个实际的通过提示引导小助手逐步集成构建代码的实例
例子很简单: 获得指定股票最近一定时间的(最)高|开(盘)|(最)低|收(盘)价格,然后画一个K线图
图例说明:
黑体是对话主体,分为
master:主人提示输入
小助手: AI小助手回复
from AI : 千问大模型给出的信息
斜体: 是执行匹配过程,可以验证语意匹配结果
【说明】: 我加的说明,不是程序显示

第一轮,给出初始需求, 获得指定股票最近一定时间的高开低收价格

master:请使用python给出例子,通过akshare接口获取指定股票最近5天的行情,如果股票代码包含“300”,请增加前缀“sz“,例如”300001”转换成“sz300001”,如果股票包含“600”,请增加前缀“sh“,例如"600029"转换成“sh600029”,请先用最新历史行情接口,按个股获取最近5天的开盘价、收盘价,最高价,最低价,返回列表,并用print方法打印数据
tensor([[0.0921, 0.0712, 0.2320, 0.2590, 0.0598]])
torch.return_types.max(
values=tensor([0.2590]),
indices=tensor([3]))

【说明:语意匹配,没有一个高于0.7,因此小助手会提交AI】

from AI:首先,你需要安装akshare库,可以通过pip进行安装:

pip install akshare

然后,你可以使用以下Python代码来实现你的需求:

import akshare as ak

def transform_stock_code(stock_code):
    if stock_code.startswith("300"):
        return "sz" + stock_code
    elif stock_code.startswith("600"):
        return "sh" + stock_code
    else:
        return stock_code  # 对于非300和600开头的股票代码,这里假设它们已经是正确格式

def get_recent_5_days_quotes(stock_code):
    adjusted_stock_code = transform_stock_code(stock_code)
    stock_daily_df = ak.stock_zh_a_spot(symbol=adjusted_stock_code, period="5d")
    
    # 提取开盘价、收盘价、最高价、最低价
    quotes_data = [
        {
            "open": float(row["open"]),
            "close": float(row["close"]),
            "high": float(row["high"]),
            "low": float(row["low"])
        } for index, row in stock_daily_df.iterrows()
    ]
    
    return quotes_data

# 测试
stock_code = "300001"
quotes = get_recent_5_days_quotes(stock_code)
for quote in quotes:
    print(quote)

stock_code = "600029"
quotes = get_recent_5_days_quotes(stock_code)
for quote in quotes:
    print(quote)

注意:akshare的stock_zh_a_spot接口可能无法直接获取最近5天的数据,它通常返回的是最新的交易日数据。如果你需要获取最近5个交易日的历史数据,你可能需要调用stock_zh_a_daily接口并自行处理日期范围。以上代码仅作为逻辑参考,实际获取特定日期范围内的历史行情,请查阅akshare相关文档以获得准确的接口调用方式。

【说明:请注意生成的代码,ak.stock_zh_a_spot这个接口是错的】

第二轮: 试图直接修正 ak.stock_zh_a_spot接口

master:ak.stock_zh_a_spot接口错误,请修正为akshare库获取历史行情接口,并给出代码
tensor([[0.1464, 0.0556, 0.2491, 0.2474, 0.0199]])
torch.return_types.max(
values=tensor([0.2491]),
indices=tensor([2]))

**from AI:**在 akshare 库中,获取沪深A股历史行情数据的正确接口是 stock_zh_a_daily,以下是示例代码:

import akshare as ak

# 获取沪深A股历史日线行情数据
df_stock = ak.stock_zh_a_daily(symbol="600848", start_date="20200101", end_date="20201231")

# 输出数据
print(df_stock)

上述代码将获取股票代码为 “600848” 的从 2020 年 1 月 1 日到 2020 年 12 月 31 日的历史日线行情数据。

请注意,你需要先通过 pip install akshare 安装 akshare 库。同时,日期格式为 “YYYYMMDD”,并且需要确保输入的日期区间在 akshare 支持的数据范围内。

【说明:大失所望,AI虽然修正了接口,但前面的内容却遗忘了,只好另起炉灶】

第三轮: 重新提出要求

master:请使用python给出例子,通过akshare接口获取指定股票最近5天的行情,如果股票代码包含“300”,请增加前缀“sz“,例如”300001”转换成“sz300001”,如果股票包含“600”,请增加前缀“sh“,例如"600029"转换成“sh600029”,请先用最新历史行情接口,按个股获取最近5天的开盘价、收盘价,最高价,最低价,返回列表,并用print方法打印数据
【说明: copy+paste 第一轮…】
tensor([[0.0921, 0.0712, 0.2320, 0.2590, 0.0598]])
torch.return_types.max(
values=tensor([0.2590]),
indices=tensor([3]))
from AI:首先,确保你已经安装了akshare库。如果没有,可以通过pip进行安装:

pip install akshare

以下是一个示例代码片段,它将获取指定股票最近5天的行情数据并按照要求添加股票代码前缀:

import akshare as ak

# 输入股票代码
stock_code = "300001"  # 或 "600029"

# 根据股票代码添加前缀
if "300" in stock_code:
    stock_code = "sz" + stock_code
elif "600" in stock_code:
    stock_code = "sh" + stock_code

# 获取最近5天的历史行情数据
stock_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="qfq", start_date=(ak.get_today_date() - "5d"))

# 提取开盘价、收盘价,最高价,最低价
data_list = stock_df[["open", "close", "high", "low"]].values.tolist()

# 打印数据
for day_data in data_list:
    print(day_data)

注意:akshare的stock_zh_a_daily接口默认获取的是最近一个交易日的数据,但是目前不支持直接获取最近N天的数据,你需要自己处理日期范围。上述代码中 (ak.get_today_date() - "5d") 是尝试获取五天前的日期,但实际使用时可能需要根据akshare接口的实际情况调整日期获取方式。

另外,akshare库在获取历史数据时,通常是从其数据库中获取,可能无法获取到实时的最近5个交易日数据。如果你需要实时获取最近5个交易日的数据,可能需要寻找其他API或服务。

【说明:这次主要接口终于正确,像那么回事了,但很显然start_date=(ak.get_today_date() - “5d”) 这是胡说八道,但是如果要AI修改,怎么避免重蹈覆辙呢? 】

第四轮: 先保存代码,再打开代码,然后再和修改的需求一起提交

master:请保存代码
tensor([[0.3954, 0.5478, 0.8770, 0.7324, 0.3002]])
torch.return_types.max(
values=tensor([0.8770]),
indices=tensor([2]))
【说明,匹配“保存代码“”成功】
小助手:保存成功

master:麻烦打开文件 pyTest_2024-03-27_10:53:33_57.py
tensor([[0.9382, 0.5697, 0.3258, 0.3463, 0.3775]])
torch.return_types.max(
values=tensor([0.9382]),
indices=tensor([0]))
Error: [Errno 2] No such file or directory: ‘/home/cfets/gitea/pyWebTest1/example/server/麻烦打开文件 pyTest_2024-03-27_10:53:33_57.py’
小助手:打开文件失败: [Errno 2] No such file or directory: ‘/home/cfets/gitea/pyWebTest1/example/server/麻烦打开文件 pyTest_2024-03-27_10:53:33_57.py’ ,请重新输入
【说明,匹配“打开文件“”成功,但文件名忘记加/】

master:麻烦打开文件 /pyTest_2024-03-27_10:53:33_57.py
tensor([[0.9382, 0.5697, 0.3258, 0.3463, 0.3775]])
torch.return_types.max(
values=tensor([0.9382]),
indices=tensor([0]))
小助手: 【说明:反显打开的文件】
import akshare as ak

#输入股票代码
stock_code = “300001” # 或 “600029”

#根据股票代码添加前缀
if “300” in stock_code:
stock_code = “sz” + stock_code
elif “600” in stock_code:
stock_code = “sh” + stock_code

#获取最近5天的历史行情数据
stock_df = ak.stock_zh_a_daily(symbol=stock_code, adjust=“qfq”, start_date=(ak.get_today_date() - “5d”))

#提取开盘价、收盘价,最高价,最低价
data_list = stock_df[[“open”, “close”, “high”, “low”]].values.tolist()

#打印数据
for day_data in data_list:
print(day_data)

master:请修改 ak.get_today_date()接口不存在,请替换成正确的接口,并给出代码
【说明: 要求AI替换接口】
tensor([[0.1946, 0.0094, 0.3125, 0.3662, 0.1470]])
torch.return_types.max(
values=tensor([0.3662]),
indices=tensor([3]))
from AI:首先,ak.get_today_date() 并不是 akshare 库中的一个有效接口。我们可以使用 Python 自带的 datetime 模块来获取今天的日期。然后,根据 akshare 库文档,我们需要在调用 stock_zh_a_daily 接口时传入具体的日期格式而非字符串计算。以下是修改后的代码:

import akshare as ak
from datetime import datetime, timedelta

# 输入股票代码
stock_code = "300001"  # 或 "600029"

# 根据股票代码添加前缀
if "300" in stock_code:
    stock_code = "sz" + stock_code
elif "600" in stock_code:
    stock_code = "sh" + stock_code

# 获取当前日期并推算最近5天的日期
today = datetime.today()
start_date = (today - timedelta(days=5)).strftime("%Y%m%d")

# 获取最近5天的历史行情数据
stock_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="qfq", start_date=start_date)

# 提取开盘价、收盘价,最高价,最低价
data_list = stock_df[["open", "close", "high", "low"]].values.tolist()

# 打印数据
for day_data in data_list:
    print(day_data)

这样就可以正确获取并使用最近5天的日期来获取历史行情数据了。
【说明: 这会至少看上去对了,试验一下】

第五轮: 试验一下
master:请执行代码
tensor([[0.4540, 0.2975, 0.6759, 0.9279, 0.3049]])
torch.return_types.max(
values=tensor([0.9279]),
indices=tensor([3]))
[19.97, 19.85, 20.14, 19.7]
[19.79, 19.52, 19.97, 19.49]
[19.51, 19.65, 20.0, 19.44]
【说明: 执行结果】

小助手:执行成功

master:请保存代码
tensor([[0.3954, 0.5478, 0.8770, 0.7324, 0.3002]])
torch.return_types.max(
values=tensor([0.8770]),
indices=tensor([2]))
小助手:保存成功
【说明: 还记得初始需求么? 获得指定股票最近一定时间的高开低收价格—— 现在他做完了,看看保存的文件,并执行一下】
让AI给你写代码(七)- 结合语意匹配,引导AI小助手逐步完善代码,新增功能(下)案例说明,人工智能,自然语言处理,AI辅助编码

第六轮: 增加一个功能,画K线图,老办法,先打开文件,再新增提示一起喂给AI

master:请打开 /pyTest_2024-03-27_10:56:40_62.py
tensor([[0.7642, 0.3032, 0.2531, 0.3085, 0.4983]])
torch.return_types.max(
values=tensor([0.7642]),
indices=tensor([0]))
小助手:

import akshare as ak
from datetime import datetime, timedelta

#输入股票代码
stock_code = “300001” # 或 “600029”

#根据股票代码添加前缀
if “300” in stock_code:
stock_code = “sz” + stock_code
elif “600” in stock_code:
stock_code = “sh” + stock_code

#获取当前日期并推算最近5天的日期
today = datetime.today()
start_date = (today - timedelta(days=5)).strftime(“%Y%m%d”)

#获取最近5天的历史行情数据
stock_df = ak.stock_zh_a_daily(symbol=stock_code, adjust=“qfq”, start_date=start_date)

#提取开盘价、收盘价,最高价,最低价
data_list = stock_df[[“open”, “close”, “high”, “low”]].values.tolist()

#打印数据
for day_data in data_list:
print(day_data)

master:请在上述程序中增加一个功能,根据data_list 绘制K线图,给出python
【说明: 给出画K线图的需求】
tensor([[0.2303, 0.1861, 0.3891, 0.4901, 0.0989]])
torch.return_types.max(
values=tensor([0.4901]),
indices=tensor([3]))
from AI:为了实现绘制K线图的功能,你需要使用matplotlib和pandas库。这里是一个示例,将上述代码修改并添加绘制K线图的部分:

import akshare as ak
import pandas as pd
from datetime import datetime, timedelta
import matplotlib.pyplot as plt
import mplfinance as mpf

# 输入股票代码
stock_code = "300001"  # 或 "600029"

# 根据股票代码添加前缀
if "300" in stock_code:
    stock_code = "sz" + stock_code
elif "600" in stock_code:
    stock_code = "sh" + stock_code

# 获取当前日期并推算最近5天的日期
today = datetime.today()
start_date = (today - timedelta(days=5)).strftime("%Y%m%d")

# 获取最近5天的历史行情数据
stock_df = ak.stock_zh_a_daily(symbol=stock_code, adjust="qfq", start_date=start_date)

# 提取开盘价、收盘价,最高价,最低价
data_list = stock_df[["date", "open", "close", "high", "low"]].values.tolist()

# 将数据转换为DataFrame以供mplfinance使用
df = pd.DataFrame(data_list, columns=["date", "open", "close", "high", "low"])
df['date'] = pd.to_datetime(df['date'])

# 绘制K线图
mpf.plot(df.set_index('date'), type='candle', volume=False, figsize=(10, 6))

# 显示图形
plt.show()

这段代码首先导入了所需的库,并在获取数据后,将日期列与其他价格列一起处理以便于mplfinance库进行绘图。最后,我们使用mplfinance的plot函数绘制K线图并显示结果。

【说明: 一气呵成,果然不错,试一下…】

第七轮: 试一下
master:请保存文件
tensor([[0.5802, 0.8098, 0.5561, 0.2771, 0.3232]])
torch.return_types.max(
values=tensor([0.8098]),
indices=tensor([1]))
小助手:保存成功

master:请执行代码
tensor([[0.4540, 0.2975, 0.6759, 0.9279, 0.3049]])
torch.return_types.max(
values=tensor([0.9279]),
indices=tensor([3]))
小助手:执行失败: serWarning: FigureCanvasAgg is non-interactive, and thus cannot be shown
plt.show(block=config[‘block’]).
UserWarning: FigureCanvasAgg is non-interactive, and thus cannot be shown
plt.show(): .
【说明: 不给面子啊… 按保存的文件执行,也是这个错,查了一下,貌似和mpl的交互模式有关,但很遗憾没有解决… 只好另外想办法 】

第八轮: 改用Pecharts画K线,先打开,后修改,然后一起喂给AI

master:请打开/pyTest_2024-03-27_11:03:05_70.py
tensor([[0.7642, 0.3032, 0.2531, 0.3085, 0.4983]])
torch.return_types.max(
values=tensor([0.7642]),
indices=tensor([0]))
小助手:
import akshare as ak
import pandas as pd
from datetime import datetime, timedelta
import matplotlib.pyplot as plt
import mplfinance as mpf

#输入股票代码
stock_code = “300001” # 或 “600029”

#根据股票代码添加前缀
if “300” in stock_code:
stock_code = “sz” + stock_code
elif “600” in stock_code:
stock_code = “sh” + stock_code

#获取当前日期并推算最近5天的日期
today = datetime.today()
start_date = (today - timedelta(days=5)).strftime(“%Y%m%d”)

#获取最近5天的历史行情数据
stock_df = ak.stock_zh_a_daily(symbol=stock_code, adjust=“qfq”, start_date=start_date)

#提取开盘价、收盘价,最高价,最低价
data_list = stock_df[[“date”, “open”, “close”, “high”, “low”]].values.tolist()

#将数据转换为DataFrame以供mplfinance使用
df = pd.DataFrame(data_list, columns=[“date”, “open”, “close”, “high”, “low”])
df[‘date’] = pd.to_datetime(df[‘date’])

#绘制K线图
mpf.plot(df.set_index(‘date’), type=‘candle’, volume=False, figsize=(10, 6))

#显示图形
plt.show()

master:请修改,绘制K线图的部分换成 pyecharts 绘制
tensor([[0.2846, 0.2497, 0.2852, 0.2464, 0.2667]])
torch.return_types.max(
values=tensor([0.2852]),
indices=tensor([2]))
from AI:```python
import akshare as ak
import pandas as pd
from datetime import datetime, timedelta
import pyecharts.options as opts
from pyecharts.charts import Kline

#输入股票代码
stock_code = “300001” # 或 “600029”

#根据股票代码添加前缀
if “300” in stock_code:
stock_code = “sz” + stock_code
elif “600” in stock_code:
stock_code = “sh” + stock_code

#获取当前日期并推算最近5天的日期
today = datetime.today()
start_date = (today - timedelta(days=5)).strftime(“%Y%m%d”)

#获取最近5天的历史行情数据
stock_df = ak.stock_zh_a_daily(symbol=stock_code, adjust=“qfq”, start_date=start_date)

#提取开盘价、收盘价,最高价,最低价
data_list = stock_df[[“date”, “open”, “close”, “high”, “low”]].values.tolist()

#转换日期格式
stock_df[‘date’] = pd.to_datetime(stock_df[‘date’])
data_list = [
[d.strftime(“%Y-%m-%d”), o, c, h, l]
for d, o, c, h, l in data_list
]

#使用pyecharts绘制K线图
kline = (
Kline()
.add_xaxis(xaxis_data=[item[0] for item in data_list])
.add_yaxis(
series_name=“Stock Data”,
y_axis=[item[1:] for item in data_list],
itemstyle_opts=opts.ItemStyleOpts(color=“#ef232a”),
)
.set_global_opts(title_opts=opts.TitleOpts(title=f"{stock_code} K线图"))
)

#渲染图表
kline.render()
‘’’

上述代码首先导入了pyecharts库,并用其Kline类绘制K线图。将原始数据处理成pyecharts所需的格式后,配置图表的标题等信息,并最后渲染显示图表。注意,pyecharts并不会在Jupyter notebook中直接显示图表,而是生成HTML文件,你需要通过浏览器打开这个HTML文件查看图表。在非Jupyter环境或者配合jupyterlab_pyecharts扩展时可以直接在notebook中显示图表。

master:请执行代码
tensor([[0.4540, 0.2975, 0.6759, 0.9279, 0.3049]])
torch.return_types.max(
values=tensor([0.9279]),
indices=tensor([3]))
小助手:执行成功

master:请保存代码
tensor([[0.3954, 0.5478, 0.8770, 0.7324, 0.3002]])
torch.return_types.max(
values=tensor([0.8770]),
indices=tensor([2]))
小助手:保存成功

**master:**结束对话
tensor([[0.3998, 0.2404, 0.2743, 0.3043, 1.0000]])
torch.return_types.max(
values=tensor([1.0000]),
indices=tensor([4]))
小助手:好的,再见
Process finished with exit code 0

【说明: 图呢? 别急,在这儿 render.html,代码也集成保存】

让AI给你写代码(七)- 结合语意匹配,引导AI小助手逐步完善代码,新增功能(下)案例说明,人工智能,自然语言处理,AI辅助编码
让AI给你写代码(七)- 结合语意匹配,引导AI小助手逐步完善代码,新增功能(下)案例说明,人工智能,自然语言处理,AI辅助编码

圆满成功…

后续,还会继续改进…文章来源地址https://www.toymoban.com/news/detail-861844.html

到了这里,关于让AI给你写代码(七)- 结合语意匹配,引导AI小助手逐步完善代码,新增功能(下)案例说明的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 一张网页截图,AI帮你写前端代码,前端窃喜,终于不用干体力活了

    简介 众所周知,作为一个前端开发来说,尤其是比较偏营销和页面频繁改版的项目,大部分的时间都在”套模板“,根本没有精力学习前端技术,那么这个项目可谓是让前端的小伙伴们看到了一丝丝的 曙光 。 将屏幕截图转换为代码(HTML/Tailwind CSS、React、Vue 或 Bootstrap)。它

    2024年04月29日
    浏览(11)
  • 【无人机协同任务】基于虚拟引导结合MPC的人工势场算法实现无人机群系统协同攻击附Matlab代码

     ✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进, 代码获取、论文复现及科研仿真合作可私信。 🍎个人主页:Matlab科研工作室 🍊个人信条:格物致知。 更多Matlab完整代码及仿真定制内容点击👇 智能优化算法       神经网络预测       雷达通信    

    2024年02月04日
    浏览(13)
  • QT初体验:手把手带你写一个自己的串口助手

    本文记录一下用QT Creator 写一个基本功能齐全的串口助手的过程,整个工程只有几百行代码,跟着做下来对新手来说可以更快了解整个QT项目的开发过程和一些常用控件的使用方法。对新手学习QT能增强信心,话不多说,正文开始 先看成品: (1) 创建QMainWindow工程。这一步就不

    2024年02月05日
    浏览(13)
  • CodeWhisperer:强大的AI代码助手,大大提高编程效率

    亚马逊云科技在2023年4月18日宣布,实时 AI 编程助手 Amazon CodeWhisperer 正式可用,同时推出的还有供所有开发人员免费使用的个人版(CodeWhisperer Individual)。CodeWhisperer 经过数十亿行代码的训练,可以根据您的评论和现有代码实时生成从代码片段到全函数的代码建议。CodeWhispe

    2024年02月08日
    浏览(9)
  • Amazon CodeWhisperer 免费 AI 代码生成助手体验分享

            今年上半年,亚马逊云科技正式推出了实时AI编程助手 Amazon CodeWhisperer,还提供了供所有开发人员免费使用的个人版版本。经过一段时间的体验,我觉得 CodeWhisperer 可以处理编程工作中遇到的很多问题,并且帮助开发人员提高编程效率。最重要的是 CodeWhisperer 在代码

    2024年02月04日
    浏览(16)
  • AI —— 一看就懂的代码助手Copilot获取教程

            随着chatgpt的发布,人工智能领域近期站上了风口浪尖。GitHub Copilot由github与 OpenAI 合作创建,是世界上第一个使用 OpenAI 的 Codex 模型(GPT-3 的后代)制作的大规模生成式 AI 开发工具。GitHub Copilot 作为 AI 结对程序员开启了软件开发的新时代,通过自动完成注释和代

    2024年02月02日
    浏览(21)
  • Prompt 策略:代码库 AI 助手的语义化搜索设计

    在过去的一周里,为了更好的构建 AI Agent 框架 Chocolate Factory(以下简称 CF),我们加入了一个新的应用:代码库 AI 助手。 在设计时,为了更好的在框架底层提供这种能力,我们参阅了 Bloop 应用、LangChain、Spring AI、LlamaIndex 框架等的代码与思想,参考/复制(基于 Apache 2.0 协议

    2024年02月08日
    浏览(6)
  • 全方位深度测评AI代码助手Amazon CodeWhisperer

    随着互联网技术的不断发展,程序员们面临着越来越多的挑战,如代码复杂度不断提高、代码错误难以避免、团队协作效率低下等。传统的开发工具已经无法满足程序员们的需求,因此这几年基于人工智能技术的代码助手应运而生。AI代码助手的目的是通过自动化的方式帮助

    2024年02月08日
    浏览(16)
  • 【AI编程工具】目前市面上常见的AI代码助手(AI Coding Assistant)

    目前市面上常见的AI代码助手(AI Coding Assistant)有: Github Copilot:提供更高效的代码编写、学习新的语言和框架以及更快的调试 通义灵码_智能编码助手_AI编程_人工智能-阿里云 Amazon CodeWhisper:实时代码建议 CodeGeeX:国产免费编程AI助手 iFlyCode:科大讯飞发布的编程新时代的智

    2024年01月17日
    浏览(18)
  • 【AI编程工具合集】42 款 AI 代码助手工具大盘点!开发效率神器!

    未来百科(https://nav.6aiq.com),是一个知名的AI产品导航网站 —— 为发现全球优质AI工具而生 。目前已 聚集全球3000+优质AI工具产品 ,旨在帮助用户发现全球最好的AI工具,同时为研发AI垂直应用的创业公司提供展示窗口,迎接未来的AI时代。未来百科,每天带你了解好玩儿的A

    2024年02月12日
    浏览(17)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包