隨著人工智慧市場的不斷成長。我們即將做出很多改變。
最近，我一直在思考在各個領域取得重大進展的最新新創公司。這些新創公司參與了開創性的工作，從增強資料互動性到探索大型語言模型在營運中的潛力（一種稱為 LLM Ops 的新概念）。此外，我對搜尋引擎和生成人工智慧的進步很著迷，它們正在徹底改變我們與技術互動的方式。
我在 DEV.to 上看到他們中的許多人，然後我想嘗試他們的專案。我對這些公司所付出的努力和創新感到驚訝。
Pezzo：開發者優先的人工智慧平台
GitHub 儲存庫：GitHub 上的 Pezzo
網址：片段
描述：
Pezzo 是一個為開發人員量身定制的開源雲端原生 LLMOps 平台。它透過提供簡化的提示設計、版本管理、即時交付等，徹底改變了人工智慧操作。該平台能夠有效觀察和監控人工智慧操作、顯著降低成本和延遲、無縫協作以及立即交付人工智慧變更。
主要特徵：
-
提示管理：提示的集中管理和版本控制，允許即時部署到生產。
-
可觀察性：提供有關人工智慧操作的詳細見解，優化支出、速度和品質。
-
故障排除：即時檢查提示執行，最大限度地減少除錯工作。
-
協作：促進同步團隊合作，以交付有影響力的 AI 功能。
加入社群：
加入他們的 Discord 社群，成為 Pezzo 創新之旅的一部分。透過為他們的 GitHub 儲存庫加註星標來為他們的使命做出貢獻並支持他們！
在 GitHub 上給 Pezzo 一顆星 🌟，加入 AI 維運革命！
https://github.com/pezzolabs/pezzo
Swirl：人工智慧驅動的多來源搜尋平台
GitHub 儲存庫：GitHub 上的 Swirl
網站：Swirl
描述：
Swirl 是一款創新的開源軟體，它利用人工智慧同時搜尋多個內容和資料來源。它使用人工智慧對結果進行排名，獲取最相關的部分，並使用生成式人工智慧來提供從您自己的資料得出的答案。該工具對於整合和從各種資料來源中提取有價值的見解特別有用。
主要特徵：
-
人工智慧驅動的搜尋：同時搜尋多個來源，提供人工智慧排名的結果。
-
生成式人工智慧整合：使用熱門搜尋結果提示生成式人工智慧提供全面的答案。
-
多樣化資料來源連線：連接到資料庫（SQL、NoSQL、Google BigQuery）、公共資料服務以及 Microsoft 365、Jira、Miro 等企業來源。
-
可自訂和可擴展：提供靈活的平台，用於資料豐富、實體分析以及整合各種應用程式的非結構化資料。
加入社群：
參與 Swirl 社區並貢獻您的想法！加入 Swirl Slack 社群，並透過為他們的儲存庫加入星標來支持他們的成長。
GitHub 上的 Star Swirl 並成為這令人興奮的人工智慧搜尋演化的一部分！ 🌟
https://github.com/swirlai/swirl-search
DeepEval：LLM評估架構
GitHub 儲存庫：GitHub 上的 DeepEval
網址：【Confident AI】(https://www.confident-ai.com/)
描述：
DeepEval 是大型語言模型 (LLM) 的開源評估框架。它簡化了 LLM 應用程式的評估，類似於 Pytest 進行單元測試的操作方式。 DeepEval 因提供一系列專為 LLMs 量身定制的評估指標而脫穎而出，使其成為嚴格績效評估的生產就緒替代方案。
主要特徵：
-
多樣化的評估指標：提供由 LLMs 評估或透過統計方法和 NLP 模型計算的多種指標。
-
自訂指標建立：允許輕鬆建立自訂指標，無縫整合到 DeepEval 的生態系統中。
-
批量資料集評估：以最少的編碼工作促進整個資料集的評估。
-
與 Confident AI 整合：能夠即時觀察評估結果並比較不同的超參數。
在GitHub上Star DeepEval並為LLM評估架構的進步做出貢獻！ 🌟
https://github.com/confident-ai/deepeval
LiteLLM：通用LLM API介面
GitHub 儲存庫：GitHub 上的 LiteLLM
網站：LiteLLM 文件
描述：
LiteLLM是一個開源工具，使用戶能夠使用統一的OpenAI格式呼叫各種LLM API。它支援廣泛的供應商，如 Bedrock、Azure、OpenAI、Cohere、Anthropic、Ollama、Sagemaker、HuggingFace、Replicate 等，提供與 100 多個LLMS合作的簡化方法。該工具對於以一致且高效的方式簡化不同LLMS的整合和利用至關重要。
主要特徵：
-
通用 API 格式：方便使用標準化 OpenAI 格式呼叫不同的 LLM API。
-
支援廣泛的LLMS：與眾多LLMS提供者相容，包括 OpenAI、Azure、Cohere 和 HuggingFace 等主要提供者。
-
一致的輸出和異常映射：確保統一的輸出結構並將跨提供者的常見異常映射到 OpenAI 異常類型。
-
易於使用：支援批量操作並簡化與LLMS的交互，使其更適合各種應用程式。
加入社群：
參與 LiteLLM 的開發並分享您的改進！克隆存儲庫，進行更改並提交 PR。
在 GitHub 上星標 LiteLLM 並立即簡化您與LLMS的工作！ 🌟
https://github.com/BerriAI/litellm
Qdrant：人工智慧高效能向量資料庫
GitHub 儲存庫：GitHub 上的 Qdrant
網址：Qdrant
描述：
Qdrant是專為下一代AI應用量身定制的高性能、大規模向量資料庫。它是一個向量相似性搜尋引擎和資料庫，透過易於使用的 API 提供生產就緒的服務。 Qdrant 對於神經網路或基於語義的匹配、分面搜尋以及其他需要有效處理具有相關負載的向量的應用特別有效。
主要特徵：
-
豐富的資料類型和查詢規劃：支援多種資料類型和查詢條件，包括字串比對、數值範圍、地理位置等，並利用有效負載資訊進行高效率的查詢規劃。
-
硬體加速和預寫式日誌記錄：利用現代 CPU 架構實現更快的效能並確保資料持久性和可靠性。
-
分散式部署：支援水平擴展，多台 Qdrant 機器形成集群，透過 Raft 協定進行協調。
-
集成：輕鬆與 Cohere、DocArray、LangChain、LlamaIndex 等平台集成，甚至與 OpenAI 的 ChatGPT 檢索插件集成。
加入社群：
成為 Qdrant 社區的一部分並為這個創新專案做出貢獻。加入他們的 Discord。
GitHub 上的 Star Qdrant 並幫助塑造 AI 中向量資料庫的未來！ 🌟
https://github.com/qdrant/qdrant
衷心的感謝
您有興趣探索和了解這些新創公司正在研究的不同主題。成為他們社群的一部分肯定會幫助您成長並了解不同的軟體和人工智慧領域。
原文出處：https://dev.to/fast/these-5-open-source-ai-startups-are-changing-the-ai-landscape-59dg
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式