受期待的Adobe Illustrator 2021 for Mac终于来啦！！！这是全球最著名的矢量图形软件，这次的Illustrator2021 mac版提升了软件的性 能，缩短了Illustrator 2021的启动时间并加快了文件打开速度，而且还改进和增强了不少功能，包括重新着色 图稿、增强型云文档、智能字形对齐、文字增强功能等各方面，另外ai 2021 mac中文版支持最新一代MacBook Pro的Touch Bar，能够有效提高工作效率，macos 11系统亲测，欢迎各位来体验哦！

Adobe Illustrator 2021 for Mac官方介绍

Adobe illustrator，常被称为“AI”，是一种应用于出版、多媒体和在线图像的工业标准矢量***画的软件。

作为一款非常好的矢量图形处理工具，该软件主要应用于印刷出版、海报书籍排版、专业***画、多媒体图像处理和互联网页面的制作等，也可以为线稿提供较高的精度和控制，适合生产任何小型设计到大型的复杂项目。

ai 2021 mac中文版新增功能

重新着色 图稿

由 Adobe Sensei 提供支持

我们改进了重新着色功能，可帮助您探索将不同颜色变化应用于图稿。现在，您可以使用颜色主题拾取器从任意图稿或图像中选取一种调色板，并将其应用于您的设计作品。此外，您还可以利用颜色库中预定义的颜色，快速使用各种颜色，或者使用色轮创建自己的颜色。

增强型云文档

Illustrator 云文档具备以下增强功能：

现在，您可以将 Adobe Photoshop 云文档嵌入到 Illustrator 文档中。

您可以轻松访问之前存储的云文档版本，根据需要进行预览、标记和还原为较早版本。

您可以将云文档设置为离线可用。

智能字形对齐

现在，您可以使用“对齐字形”功能，将图稿组件与文本或字形边界精确对齐。只需选择一个对齐线选项，即会在沿文本四周移动对象时看到参考线。可按照这些参考线对齐对象。您还可以通过使用文本上的锚点精确拖动和对齐形状。

文字增强功能

Illustrator 中的文本对齐具备以下增强功能：

垂直对齐文本

在文本框架中沿垂直方向对齐文本，包括顶对齐、底对齐、居中对齐。

字体高度变化

现在，Illustrator 中的“字符”面板可以设置实际的字体高度参考。当您想要将对象与文本精确对齐时，此功能非常有用。

与字形边界对齐

现在，您可以将对象与可视字形边界精确对齐。

想象一下这个工具，它可以简化您的网页抓取任务，使 HTML 解析和数据提取不仅易于访问，而且非常简单。不再需要处理复杂的代码，不再需要理清错综复杂的 HTML 字符串。这听起来好得令人难以置信吗？事实并非如此，这要归功于 OpenAI 最新的游戏规则改变者，即其非凡的 AI 模型 ChatGPT 中名为代码解释器的创新功能。

没错，已经令人印象深刻的 ChatGPT 现在又推出了一项新功能，这必将使您作为数据爱好者的生活变得更加顺利。您只需右键单击将网站保存为 HTML，通过拖动上传该 HTML 文件，然后要求代码解释器解析它并为您完成繁重的工作。哦，我有没有提到它集成了 BeautifulSoup 包？伙计们，我们在这里谈论的是更高水平的简单性和效率！

因此，如果您准备好将您的网络抓取技能提升到新的高度，请加入我的chatGPT自动化小组，将通过 ChatGPT 的代码解释器深入研究 HTML 解析和数据提取的奇迹。

现在开始吧！

代码解释器的实际应用

让我们看看代码解释器的实际应用。首先，您需要确保为 ChatGPT 中的新 GPT-4 聊天窗口激活代码解释器：

接下来，使用提示输入字段中的上传功能上传您要从中提取数据的 html 文件：

现在输入您的提示文本,让chatGPT来完成这个任务。

点击提交，让 ChatGPT 和 Code Interpreter 来解决这个任务。您将收到的第一个回复如下：

在这里您可以看到 Code Interpreter 使用 Python 脚本（利用网络抓取库 Beautiful Soup）从 HTML 文件中提取请求的数据。

接下来 Code Interpreter 正在生成生成显示提取数据的 Markdown 表所需的源代码：

执行代码后，ChatGPT 会为您提供前 5 个数据集的示例 Markdown 输出：

以下是chatGPT的代码编写器生成的完整代码：

from bs4 import BeautifulSoup

# Load the HTML file
with open("/mnt/data/answer.html", "r") as f:
    content = f.read()

# Create a BeautifulSoup object
soup = BeautifulSoup(content, 'html.parser')

# Print the first few lines of the parsed HTML content
print(str(soup.prettify())[:1000])
# Find all tables in the HTML
tables = soup.find_all('table')

# Check how many tables are found
len(tables)
import pandas as pd

# Function to parse a HTML table and convert it into a Pandas DataFrame
def html_table_to_df(table):
    # Find all rows in the table
    rows = table.find_all('tr')
    
    # Prepare a list to store the rows data
    data = []
    
    for row in rows:
        # Find all columns in the row
        cols = row.find_all('td')
        
        # Get the text from each column
        cols_text = [col.get_text(strip=True) for col in cols]
        
        # Add the columns data to the rows data list
        data.append(cols_text)
    
    # Convert the list of rows data into a Pandas DataFrame and return it
    return pd.DataFrame(data)

# Convert the first (and only) table into a DataFrame
df = html_table_to_df(tables[0])

# Display the first few rows of the DataFrame
df.head()

结论

亲爱的数据爱好者，我们已经得到了它！全面了解 ChatGPT 的新功能“代码解释器”如何大大简化您的网页抓取任务。HTML 解析和数据提取从未如此简单。手工解析复杂代码或错综复杂的嵌套 HTML 结构的日子已经一去不复返了。现在，您所需要做的就是将网页保存为 HTML，上传，然后让 Code Interpreter 发挥其魔力。

请记住，此功能的美妙之处不仅在于其效率，还在于其所拥有的潜力。通过集成 BeautifulSoup，您进行实体提取和数据解析的机会几乎是无限的。无论您是刚刚涉足网络抓取领域，还是经验丰富的数据管理员，Code Interpreter 都是数据提取工具箱中的宝贵工具。

大引领AI工程的JavaScript工具，为欲将LLM融入项目的开发者提供关键资源。

译自Top 5 JavaScript Tools for AI Engineering，作者 Alexander T. Williams。

传统上以在网页开发中扮演角色而闻名的JavaScript，令许多人惊讶的是，它在开发使用大语言模型（LLM）的应用程序方面也被证明是无价的。在本文中，我们将探讨五个主要用于AI工程的工具，突出一些对于希望将LLMs纳入其项目的开发人员而言至关重要的资源。我们选择这些工具是因为它们在简化复杂的AI流程和增强模型训练方面具有独特的能力，适用于经验丰富的AI工程师和刚接触AI的JavaScript开发人员。

Python或Mojo对于AI工程更为直接，然而，在2023年已经价值1420亿美元的市场中，为具有不同技能集的专业人士提供了丰富的机会。高级AI功能将随着时间的推移越来越容易访问更广泛的开发人员；即使在现在，存在许多JavaScript工具可以帮助开发、训练和部署AI模型。

让我们更仔细地看看五个可以帮助促进和改进AI工程的JavaScript工具。

1. TensorFlow.js

作为由Google创建的著名TensorFlow库的JavaScript适配版，TensorFlow.js专门面向Web和Node.js环境，以直接将机器学习能力带到浏览器和服务器端应用程序中。

TensorFlow.js的一个关键优势是其在浏览器内直接运行机器学习模型的能力。这个功能对于需要实时AI功能的应用程序特别有价值，比如LLMs以启用快速、无需服务器的处理。

其与Node.js的兼容性对于需要利用强大计算资源的服务器端应用程序同样重要，这些资源对满足LLMs的重要计算需求至关重要。

该库与现有JS应用程序的无缝集成使其成为许多开发人员的首选，因为它允许他们在其Web应用程序中整合AI功能，而无需进行大规模的重新工程或学习新语言。TensorFlow.js还提供了一系列预训练模型，以简化LLM集成的初始步骤。

在使用JavaScript进行AI工程时，TensorFlow.js是开发者工具包中引人注目的资源。它不仅降低了为应用程序添加复杂的AI功能（如LLM）的门槛，还支持在Web上创建实时、交互式的AI体验，从而为用户参与和应用功能开辟了新的途径。

2. AI.JSX（Fixie.ai）

由Fixie开发的AI.JSX是一个专为使用JavaScript和JSX构建基于React项目的对话式AI应用程序而设计的动态框架。

AI.JSX在AI工程工具中脱颖而出，因为它对提示工程提供了强大的支持，并且与外部API轻松集成。它代表了在开发交互式、以AI为驱动的应用程序方面的重大进步，特别是对于专注于对话式AI的应用程序。

AI.JSX的核心功能之一是其在运行时动态构建用户界面的独特能力，这是一个称为GenUI的特性。在这里，开发人员可以向LLM提供一组React组件，从而可以创建具有互动性且适应应用程序需求的UI。

Fixie的DocsQA允许模型以各种真实来源为基础，例如URL、文档、PDF，甚至是视频和音频文件。这增强了模型的理解和响应能力，以确保AI是互动的、知情的，并且准确无误。

AI.JSX还通过其工具功能扩展了应用程序的能力，该功能侧重于通过API启用面向行动的功能，以使最终用户能够更高效、更有效地完成任务。

3. ConvNetJS

ConvNetJS是一个JavaScript库，旨在直接在浏览器或Node.js环境中实现深度学习，使其对各种技能和经验水平的JavaScript开发人员都具有可访问性和便利性。

ConvNetJS以其实现深度学习架构的能力而脱颖而出，包括卷积神经网络，而无需外部依赖项或专业软件。

从理论上讲，像ConvNetJS这样的基于识别的库可以用于开发以威胁情报丰富为重点的安全应用程序，帮助识别未经授权的访问、恶意软件特征模式、网络钓鱼尝试、借记卡欺诈、身份盗窃等数字犯罪形式，这些犯罪留下可搜索的痕迹。

这个库的主要优势之一是其易用性，提供了一个直观的API，使开发人员能够相对轻松地定义、训练和部署神经网络。这种简单性对于可能在深度学习方面经验不丰富但试图将先进的AI功能整合到其应用程序中的JS开发人员来说尤为有价值。

该库促进了能够理解和生成人类语言的神经网络的创建和集成，这对于诸如聊天机器人、自动内容生成和语言翻译服务等应用程序至关重要。其神经网络模型可以在大型数据集上进行训练，以使它们能够捕捉人类语言的细微差别，并提高AI驱动应用程序的整体响应性和准确性。

4. Brain.js

Brain.js是我们列表中的一个显著条目，因为它提供了在JavaScript中实现神经网络的简化和易接近的方式，适用于浏览器和Node.js环境。Brain.js的一个关键潜在应用是自动化诸如文本分析、PDF文档合并、文档转换、图像分析等过程，总体上解决涉及处理大量数据的任何任务。

Brain.js的设计注重简单性和易用性，使其成为JavaScript开发人员的理想选择，尤其是那些在机器学习方面经验不丰富的开发人员。该库提供了一个直观的API，让您能够快速创建、训练和部署神经网络。

这个强大的工具在LLM开发中发挥着关键作用，通过创建能够处理和解释大量文本数据的神经网络，来增强人工智能应用的效果和准确性。通过在广泛的文本数据集上训练神经网络模型，Brain.js帮助捕捉人类语言的微妙差异。

5. Tabnine

Tabnine是一款由人工智能驱动的代码补全助手，显著增强了编码体验。具体而言，它加速了更广泛的开发过程，同时积极维护代码的完整性。

Tabnine的人工智能从代码库中学习，并根据自然语言注释提供相关的代码片段、函数完成，甚至整个代码块。这种支持水平在管理涉及人工智能应用开发的复杂细节方面非常宝贵。

Tabnine的集成能力引人注目，因为它与一系列流行的IDE和代码编辑器无缝配合，包括Visual Studio Code、IntelliJ IDEA等等。这种强大的兼容性有助于确保开发人员可以在不干扰其现有工作流程的情况下访问Tabnine的人工智能辅助编码功能。

Tabnine的另一个重要方面是其致力于维护代码的隐私和安全性。该工具经过精心设计，注重尊重开发人员代码的隐私，确保您正在处理的代码保持私密和安全。

今天我们在这里突出展示的每个工具都带来了自己独特的优势，它们共同代表了JavaScript在AI开发中可以发挥的重要作用。

在AI工程中，JavaScript因其在浏览器和服务器端环境中的无缝集成而脱颖而出，提供了无与伦比的灵活性。与经常局限于服务器端操作的Python不同，JavaScript直接在Web浏览器中实现实时、交互式的AI应用程序。

这使得开发人员能够创建更具动态性和响应性的AI驱动体验，利用JavaScript的全栈能力弥合后端AI算法与前端用户交互之间的差距。