返回首页
最新
创建这个工具是因为处理大量文档集的用户没有免费的工具能够干净地进行批量处理。Tesseract是免费的，并且可以在本地运行。对于需要更高准确度的任务——如Google Vision、Gemini或任何OpenRouter模型——用户需要自带API密钥。没有订阅费用，也没有使用费用的加价。
可以导出为TXT、JSON、XML或PDF格式。AI引擎支持自定义提示，因此您可以在一步中进行翻译、提取表单字段或获取结构化输出。
应用地址：<a href="https://onlineocrfree.qzz.io" rel="nofollow">https://onlineocrfree.qzz.io</a>
源代码：<a href="https://github.com/naimurhasan/online-ocr-free" rel="nofollow">https://github.com/naimurhasan/online-ocr-free</a>
请分享 - 视频、博客文章、推文等。谢谢。
我是一名计算机科学学生，正在考虑在学习期间构建和维护一个小型服务或工具。理想情况下，它能带来一些额外收入，以帮助支付学费。
我还没有找到合适的想法，也许你们中的某个人有具体的想法或者知道如何获得灵感。
我并不是在寻找一个价值百万美元的创业点子（已经有很多人在做这件事），而是希望找到一些小而真实的痛点，能够转化为简单的收费解决方案。
提前谢谢大家！
我已经需要一台新的MacBook一段时间了，今天随着新款M5的发布，我决定下手购买。<p>我一直在想：为本地大语言模型（LLM）使用投资大量内存是否合理？有没有人用他们的MacBook Pro来做这个？使用体验如何？
嘿，HN——我是Memobase的开发者。
时机：Anthropic刚刚在昨天为Claude推出了记忆导入功能。你可以导出你的ChatGPT记忆并将其转移过来。这是朝着正确方向迈出的一步，但这仍然是将数据从一个孤岛转移到另一个孤岛。你并不真正拥有这些记忆。
我所看到的问题是：目前没有标准的AI记忆协议。你不能说“这是我的MCP服务器，可以在每个会话中使用它来存储记忆。”每个平台都在构建自己的封闭生态。号码可携带性需要监管，电子邮件互操作性需要SMTP。AI记忆也需要类似的东西。
Memobase是什么：一个通用的、与AI无关的记忆层。它构建一个结构化的个人资料——你的偏好、上下文、项目历史——任何连接的AI工具都可以读取这些信息。它不被锁定在ChatGPT、Claude或任何单一平台内。
技术方法：
- 基于个人资料的记忆，而不是原始对话记录。紧凑且快速（低于100毫秒的查找时间）。
- 你拥有你的数据。完全可见、可编辑、可删除、可导出。即将推出自托管选项。
- 正在朝着开放协议的方向努力，以便任何工具都可以接入——不仅仅是我们的集成。
目前的状态：核心记忆和主要工具的集成正在进行开放测试。尚不完善的地方：代理并不是在没有提示的情况下始终使用它，协议规范仍在正式化中，我们需要更多工具采用它，以便真正发挥作用。
我很想听听：
- 你希望你的AI记忆存储在任何单一平台之外，还是更喜欢每个工具自己处理？
- 这个协议需要是什么样子，才能让你进行开发？
- 对于我们的技术方法的反馈——我们选择了基于个人资料的RAG而不是知识图谱等，乐意深入讨论。
又是一天，又一次GitHub故障。<p>文件无法加载，无法创建仓库等。