最新

编辑、签名、合并、压缩、编辑、光学字符识别（OCR）、填写表单、提取表格，以及30多种其他工具——全部在浏览器中使用，无需注册。文件不会离开您的计算机。现在还提供桌面应用程序（适用于macOS、Windows和Linux）以及供开发者使用的命令行界面（CLI）和软件开发工具包（SDK）。

这是一个让你练习真实代码片段的网站，并显示你的每分钟字数（WPM）。免费使用，无需注册。

我一直在思考大型语言模型（LLM）如何改变我们作为工程师的学习习惯，并意识到一个令人担忧的事实。 人工智能现在能够快速帮助我们搜索和研究信息，将论文的核心内容提炼成简明的摘要。这让我们能够迅速掌握一个术语，并有话可说。 但真正的学习需要深入阅读、思考和实践。一个精炼的摘要远远不够。自从有了人工智能以来，你有多久没有真正研究一篇论文或深入阅读并实施一项技术了？你的思维能力和品味是提升了还是下降了？一旦这种能力减弱，你准备好让人工智能完全取代你吗？品味不是通过阅读摘要建立的，而是通过无数次错误的决策和卓越的实践锻造出来的。 老实说，大多数人在有人工智能之前也从未认真读完很多论文。人工智能并没有剥夺任何东西——它只是让浅尝辄止的学习变得更加高效和更具欺骗性。真正的风险不是人工智能让人懒惰，而是让“懒惰”看起来像是“高效”。花十分钟阅读一个摘要，发到社交媒体上，感觉自己跟上了前沿——但实际上什么都没有留下。 我绝对不是反对人工智能。我提倡的是将人工智能用于深入工作，而不是把它当作假装学习的TikTok。从“为我总结”到“和我辩论”，从“为我做”到“帮助我推理”——这才是关键所在。

我在作为学生经历求职申请过程后创建了Ceeve。<p>让我最沮丧的不是付出的努力，而是效率低下——一次又一次地重写同一份简历，试图猜测每个招聘者真正想要什么，常常得不到任何反馈。<p>在某个时刻，我意识到了问题所在：大多数人用同一份简历申请不同的职位，但每个工作都是不同的。<p>因此，我创建了Ceeve。<p>它可以让你：<p>在几秒钟内根据特定职位描述定制简历 生成个性化的求职信 在一个地方跟踪申请进度<p>我们的目标不是盲目地自动化一切，而是帮助人们将自己的经验与每个职位的实际需求对齐。<p>虽然现在还处于早期阶段，但已经有博科尼大学、帝国理工学院和伦敦政治经济学院的学生在使用，并且最近被Speedinvest提及为欧洲新兴的人工智能初创公司。<p>我正在努力理解哪些因素真正帮助人们获得面试机会，哪些则没有。<p>非常欢迎任何反馈，特别是来自招聘者或经历过招聘过程的人。