这你们都能忍?转换ChatGPT导出对话为Markdown文件

掌握「AI 提示工程」与「AI 自动化」,就掌握了AI未来的两大核心能力 👇

记得半年前 ChatGPT 刚上线对话导出功能的时候,我就调侃过这功能设计可能没经过产品经理,工程味十足,信息齐全,就是用起来整理起来并不方便。当时就让 GPT-4 帮忙写了一段代码,把导出的 JSON 文件按对话拆开,转换成单独的 Markdown 文件。然后就都扔到 DEVONthink 里面,想怎么用就怎么用了。

刚好今天又一次整理对话,就把代码分享给大家。操作方法请看视频:

https://youtube.com/shorts/DRXNPSGafM8?feature=share

如何运行Python请看以上视频的相关视频。

代码如下,请注意此代码并不完善,仅供参考

import json
import os

def create_markdown_files(json_file):
    with open(json_file, 'r', encoding='utf-8') as file:
        data = json.load(file)

    for chat in data:
        title = chat["title"]
        title = title.replace('/', '-')
        messages = chat["mapping"]

        # Use title to create markdown file
        with open(f'{title}.md', 'w', encoding='utf-8') as md_file:
            md_file.write(f'# Title: {title}\\n')

            # Write user and assistant messages in markdown file
            for key in messages:
                if messages[key]["message"] is not None:
                    role = messages[key]["message"]["author"]["role"]
                    try:
                        text = messages[key]["message"]["content"]["parts"][0]
                        # rename assistant to ChatGPT
                        role = 'ChatGPT' if role == 'assistant' else role.title()

                        md_file.write(f'### {role}:\\n{text}\\n')
                    except KeyError:
                        print(f"'parts' key not found in message: {key}")
                        continue

if __name__ == "__main__":
    # 获取脚本所在的目录
    script_dir = os.path.dirname(os.path.abspath(__file__))

    # 将当 前工作目录改为脚本所在的目录
    os.chdir(script_dir)
    
    create_markdown_files('conversations.json')

这是你离 AI 核心技能最近的一次机会!AI 实战派」不仅仅是一门课程,更是Prompt Engineering领域的真实实践与深度挖掘。我为你准备了超过8小时的视频,全心全意为你展示如何真正应用AI技术。这不仅仅是学习,更是一场关于未来技术的探索之旅。你准备好加入我们,一起探索Prompt Engineering的无限可能了吗?马上点击报名,未来等你开启!
扫码进入Axton的AI精英学院

感谢阅读!如果你喜欢这次分享的内容,请点个👍(或者点个👎)让我知道,同时请分享给你的一个朋友。也欢迎你去我的YouTube频道 『 回到Axton 』看我的视频内容,咱们一起好奇地看世界!

保持健康,保持快乐!

Axton

Twitter | YouTube | Newsletter | AI精英学院

Read more

AI 智能体工作流:用 Dify 打造本地、开源长文翻译神器

AI 智能体工作流:用 Dify 打造本地、开源长文翻译神器

今天我们来完成一个既有挑战性又有启发性的任务:我们来使用开源的 AI 开发平台 Dify 创建一个高质量的 AI 翻译助手。同时我们可以学习一种可以应用于不同平台的通用的方法。 虽然现在的 AI 翻译比传统的机器翻译提升了很多,但是依然不够令人满意。这就是为什么我们今天要学习一种新的方法来提升翻译的质量。这种方法就是 AI 界大神吴恩达老师最新开源的反思工作流。简单来说它就是一种让 AI 对自己的输出结果进行思考并进一步改进的方法。 反思工作流它的具体步骤实际上就是三步法:先让一个 AI 进行初始翻译打一个草稿,然后再让第二个 AI 去挑毛病,然后再让第三个 AI 对草稿进行最终的优化,形成最后的翻译结果。这就相当于是一个团队作业,三个臭皮匠胜过诸葛亮。这个过程不仅能够提高翻译的准确性,还可以让翻译更加符合目标语言的表达习惯。 在上期智图派,Coze 复刻吴恩达开源 AI 翻译神器 | 「智图派」 当中我使用 Coze 平台来实现过这个翻译的工作流,今天我们将使用另外一个 AI 开发平台 Dify 来再次实现这个工作流。我们可以通过这次实例来学习到如何把同一套思想同一套工作流在不

lock-1 By Axton
Coze 复刻吴恩达开源 AI 翻译神器 | 「智图派」

Coze 复刻吴恩达开源 AI 翻译神器 | 「智图派」

AI 最大的应用场景之一,就是翻译。虽然说现在的 AI 翻译比以前的机器翻译好了很多,但是常常还是不够完美。不过现在呢,有一种超强的方法可以显著提升 AI 翻译的水准,这就是 AI 界大神,吴恩达 Andrew Ng 教授最新开源的「反思工作流」 它利用prompt engineering,让AI不仅能翻译,还能"思考"如何改进翻译!这意味着,无论你要翻译的文档有多专业、多复杂,都能得到一个高度定制化的优质翻译。我们可以先看一下翻译效果。 吴恩达老师的反思翻译核心思路 吴恩达老师的翻译工作流可以归纳为两个核心要点: 第一,采用"初始翻译-反思-优化"的三步迭代流程,不断改进翻译质量。首先使用一个 AI 进行初始的翻译,然后让另一个 AI 对初始的翻译结果进行思考和评判,找出可以改进的地方,最后,由第三个

lock-1 By Axton
Jina Reader API 的四种用法 | 「智图派」

Jina Reader API 的四种用法 | 「智图派」

构建知识库,或者分析各种文章数据,是大家使用 AI 很重要的一个应用场景,因此我们常常会需要用到爬虫去爬取某个网站上的内容,现在,Jina 推出了一款非常简单好用的获取网页内容的工具,你只要把网址给它,它就能把网页内容整理成很适合大语言模型使用的格式,简直是构建知识库的利器。今天我就给大家介绍四种用法。分别包括在自动化工作流中使用以及在 AI 智能体中使用。 Jina Reader API 的网址是 读取器 API,你可以直接输入你需要爬取内容的网址 URL 在这边进行测试,输入之后直接点击按钮「获取内容」,就可以在右边得到结果了。 而他的用法也很简单,就是把你需要爬取内容的网页的 URL 写在 https://r.jina.ai 的后面就可以了。 什么是 Reader API Reader 是将任何URL转换为LLM友好的输入,只需简单添加前缀 https://r.jina.ai/ 无需付费即可获得改进后的适用于智能体或 RAG 系统的输出。

lock-1 By Axton
Coze 工作流获取 Tweets 详解 | 「智图派」

Coze 工作流获取 Tweets 详解 | 「智图派」

Coze是一个可以不用代码来搭建AI聊天机器人的平台。我在这期视频当中已经详细地讲解了Coze的各种功能,以及如何用到GPT-4 Turbo的模型。感兴趣的朋友可以回看一下。 自从 Twitter 被马斯克买了之后,如果你想从 Twitter 网站的外面来获取推文信息,也就是用 Twitter API,就需要每个月充值100美元了。但是 Coze 却很大方地让你可以免费地用部分 Twitter API 的功能了。今天我就先给大家演示一个可以批量获取多个 Twitter 作者的推文的工作流,把这个工作流嵌入到你的 AI 聊天机器人里面。比如我这里加了两个 Twitter 账号,我的和马斯克的,这样就可以一次性地获取到我们两个人的推文了。 今天我首先给大家演示一下在 Coze 上可以用到的 Twitter API 的功能,然后再演示一下批量获取推文的工作流,最后我们再聊一聊 Coze 的局限性。 Plugins 的基本功能 getUsers 首先第一个 "get users"

lock-1 By Axton