Keep on to blur preview images; turn off to show them clearly
Hell is “10-12 hours of zoom meetings”
ceo @replit. civilizationist
RT @ArondeParon: Gym: day one ✅ @florinpop1705
I build stuff. On my way to making $1M 💰 My projects 👇
GitHub 上 Awesome Health 这份精心整理的资源合集，为我们提供了一份高质量的医疗领域开源项目清单。 覆盖了各个方面，从电子病历系统到医学影像处理，从远程医疗到机器学习，每个项目都经过精心筛选。 GitHub：https://t.co/AOjtHQN6ek 主要内容： - 电子病历系统（EHR）：包含 OpenMRS、Bahmni、HospitalRun 等 20+ 个开源系统； - 医学影像处理：涵盖 DICOM 服务器、图像查看器、3D 可视化等工具； - 开发框架和库：提供 FHIR、HL7 等标准的实现库，支持多种编程语言； - 医疗数据标准：整理了 FHIR、HL7、DICOM 等核心标准规范； - 机器学习工具：收录专门用于医疗健康的 AI 工具和数据集； - 医疗物流管理：包含供应链、资产管理等实用系统。 适合医疗软件开发者、医院 IT 人员和医疗研究人员，可以快速找到所需的开源解决方案。
💡 挖掘开源的价值 🧑🏻💻 坚持分享 GitHub 上高质量、有趣、实用的教程、AI工具、前沿 AI 技术 🧐 A list cool, interesting projects of GitHub. ✏️ 公众号：GitHubDaily
![[课程推荐] @DeepLearningAI「Agentic AI」：构建自主智能体实用指南
吴恩达老师主讲，聚焦于 Agentic AI 的核心概念与实践。帮助学习者从基础原理入手，构建能够自主规划、迭代执行复杂任务的智能体系统。它将 LLM 与工具集成，模拟人类般的多步工作流，实现从简单生成到生产级部署的全链路自动化。课程强调实用性：通过 Python 代码实现设计模式，避免框架依赖，先从零构建再扩展，适合希望将 AI 融入软件开发的从业者。
核心学习目标
课程帮助你掌握智能体系统的四大设计模式：
· 反思（Reflection）：让 AI 自我审视输出并迭代优化，例如自动代码审查，提升质量。
· 工具使用（Tool Use）：连接外部工具，如数据库、API、网络搜索或代码执行，扩展 AI 超出文本生成的行动能力。
· 规划（Planning）：将复杂任务分解为可执行步骤，并动态调整。
· 多智能体协作（Multi-Agent）：协调多个专精智能体分工处理工作流。
此外，你将学会剖析业务流程，转化为智能体工作流；构建测试框架，进行系统性错误分析；以及优化部署，确保生产环境稳定。
课程结构
全课程分为 5 个模块，自定进度推进：
1. 基础与反思：引入智能体概念，实践自我迭代机制。
2. 工具集成：探索 API 和外部服务连接。
3. 规划与执行：分解任务，实现动态适应。
4. 多智能体系统：设计协作框架。
5. 评估与优化：性能指标、错误诊断及部署策略。
每个模块结合理论讲解、代码示例和案例，帮助你逐步构建完整应用。
课程地址](/_next/image?url=https%3A%2F%2Fpbs.twimg.com%2Fmedia%2FG40m5FGbMAARUT3.jpg&w=3840&q=75 "[课程推荐] @DeepLearningAI「Agentic AI」：构建自主智能体实用指南
吴恩达老师主讲，聚焦于 Agentic AI 的核心概念与实践。帮助学习者从基础原理入手，构建能够自主规划、迭代执行复杂任务的智能体系统。它将 LLM 与工具集成，模拟人类般的多步工作流，实现从简单生成到生产级部署的全链路自动化。课程强调实用性：通过 Python 代码实现设计模式，避免框架依赖，先从零构建再扩展，适合希望将 AI 融入软件开发的从业者。
核心学习目标
课程帮助你掌握智能体系统的四大设计模式：
· 反思（Reflection）：让 AI 自我审视输出并迭代优化，例如自动代码审查，提升质量。
· 工具使用（Tool Use）：连接外部工具，如数据库、API、网络搜索或代码执行，扩展 AI 超出文本生成的行动能力。
· 规划（Planning）：将复杂任务分解为可执行步骤，并动态调整。
· 多智能体协作（Multi-Agent）：协调多个专精智能体分工处理工作流。
此外，你将学会剖析业务流程，转化为智能体工作流；构建测试框架，进行系统性错误分析；以及优化部署，确保生产环境稳定。
课程结构
全课程分为 5 个模块，自定进度推进：
1. 基础与反思：引入智能体概念，实践自我迭代机制。
2. 工具集成：探索 API 和外部服务连接。
3. 规划与执行：分解任务，实现动态适应。
4. 多智能体系统：设计协作框架。
5. 评估与优化：性能指标、错误诊断及部署策略。
每个模块结合理论讲解、代码示例和案例，帮助你逐步构建完整应用。
课程地址")
[课程推荐] @DeepLearningAI「Agentic AI」：构建自主智能体实用指南 吴恩达老师主讲，聚焦于 Agentic AI 的核心概念与实践。帮助学习者从基础原理入手，构建能够自主规划、迭代执行复杂任务的智能体系统。它将 LLM 与工具集成，模拟人类般的多步工作流，实现从简单生成到生产级部署的全链路自动化。课程强调实用性：通过 Python 代码实现设计模式，避免框架依赖，先从零构建再扩展，适合希望将 AI 融入软件开发的从业者。 核心学习目标 课程帮助你掌握智能体系统的四大设计模式： · 反思（Reflection）：让 AI 自我审视输出并迭代优化，例如自动代码审查，提升质量。 · 工具使用（Tool Use）：连接外部工具，如数据库、API、网络搜索或代码执行，扩展 AI 超出文本生成的行动能力。 · 规划（Planning）：将复杂任务分解为可执行步骤，并动态调整。 · 多智能体协作（Multi-Agent）：协调多个专精智能体分工处理工作流。 此外，你将学会剖析业务流程，转化为智能体工作流；构建测试框架，进行系统性错误分析；以及优化部署，确保生产环境稳定。 课程结构 全课程分为 5 个模块，自定进度推进： 1. 基础与反思：引入智能体概念，实践自我迭代机制。 2. 工具集成：探索 API 和外部服务连接。 3. 规划与执行：分解任务，实现动态适应。 4. 多智能体系统：设计协作框架。 5. 评估与优化：性能指标、错误诊断及部署策略。 每个模块结合理论讲解、代码示例和案例，帮助你逐步构建完整应用。 课程地址
专注 - Context Engineering, AI(Coding)Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴 🔗 信息卡提示词 🔽
这个对AI未来的预测有点疯狂。 部分已有共识，如学讲故事，提升品味。真人出镜，真人手作，建立与他人的信任。 但有些偏乐观了，待验证。 现在就可以启动的： 1. 培养品味和讲故事的能力。 2. 学习编排组合AI工具的能力，掌控足够多的AI Agent。 3. 建立自己的“作品”集，哪怕是人机协作创造的。 4. 寻找"AI + 垂直行业"的机会，快速实验试错。
喜欢摇滚乐、爱钓鱼的PM 网站：https://t.co/vnUpLt752o
纯想讲道家哲学。您不妨来听听。 b站100万播放，抖音3600万播放。
独立开发：口袋粉丝App、胃之书App，陌生人闹钟App 💿 出版小说集：《坏一坏》、《人生灿灿》 ✒️ 目前在做：https://t.co/XZdd83lfuN
