Le blog de jls

Babel Fish AI : Une Extension Chrome Portée par l’IA et une Vision Globale

16 Mar 2025

Je suis ravi de vous présenter Babel Fish AI, une extension Chrome open source que j’ai développée sans écrire une seule ligne de code moi-même. Grâce à Roo Code, un agent IA autonome, j’ai créé une solution de transcription et traduction vocale performante, tout en explorant des technologies comme Heygen, FFmpeg, et DALL-E pour enrichir le projet. Ce n’est pas qu’un outil technique : c’est une aventure d’apprentissage, de veille technologique, et un effort pour offrir une expérience utilisateur de qualité à une audience internationale. Voici comment tout cela a pris forme.

#Roo Code #Heygen #FFmpeg #DALL-E

Lire la suite →

Déploiement Automatisé de LibreChat sur AWS EC2 : Une Solution DevOps Innovante et Accessible

15 Mar 2025

Je suis ravi de vous présenter mon dernier projet : le déploiement entièrement automatisé de LibreChat sur AWS EC2, une solution open-source disponible sur GitLab. Ce projet illustre mon savoir-faire en DevOps et cloud engineering, en s’appuyant sur Terraform pour une infrastructure as code (IaC), un script User-Data en Bash, une pipeline GitLab CI/CD, et une gestion centralisée via AWS Systems Manager (SSM). Résultat : une instance LibreChat opérationnelle en moins de 6 minutes, avec des coûts optimisés, une sécurité renforcée et une accessibilité maximale.

15 Mar 2025

12 Jan 2025

12 Jan 2025

Estoy feliz de anunciar que mi proyecto de despliegue automatizado de LibreChat en AWS EC2 ha sido actualizado para corregir problemas relacionados con los cambios recientes en la forma de instalar LibreChat, y ahora soporta la versión v0.7.6. Esta actualización incluye también la posibilidad de elegir entre instancias On-Demand y Spot, así como mejoras para simplificar su uso, incluso para principiantes.

#AWS #Terraform #LibreChat #GenAI

Lire la suite →

在Python脚本中集成OpenAI o1-preview模型并处理LaTeX表达式

05 Oct 2024

05 Mar 2024

21 Jan 2024

在本文中，我将与您分享使用人工智能的博客翻译脚本的演进，并整合了 Mistral AI 技术。要在所有语言中查看结果，请访问此页面：使用 Mistral AI 进行翻译。

为什么要这个脚本？

我的翻译脚本的目标是使我的博客文章能够在多种语言中获得，通过自动化其翻译。想象一下一个智能翻译器，能够阅读法语文章并忠实地将其还原为英语、西班牙语或其他语言，同时保留原始格式。这就是我的脚本所做的，它利用了最新的人工智能进步。

初始脚本的主要功能

自动翻译：使用 OpenAI 或 Mistral AI API 进行精确翻译。
保留格式：脚本保留了原始格式，包括代码块和链接。
多语言：能够翻译成多种语言。
支持 Markdown：适用于常用于博客中的 Markdown 文件。
自动化：通过单个命令翻译多篇文章。

整合 Mistral AI 的新功能

Mistral AI 整合

Mistral AI 是一个提供自然语言处理服务的先进人工智能平台。通过整合 Mistral AI，我可以扩大我的脚本的翻译和自动化能力，充分利用另一个强大的人工智能资源。此外，Mistral AI 是一家法国公司！

智能文本分段

脚本现在可以将长文本分段，以便更好地适应 AI 模型的令牌限制，从而更有效地管理大量文本的翻译。

添加翻译说明

新功能可以在翻译后的文档末尾添加翻译说明，告知读者翻译过程。

选择 OpenAI 和 Mistral AI

脚本现在提供了选择 OpenAI 和 Mistral AI 进行翻译的灵活性，根据用户的具体需求和首选项。

文件和目录管理

改进了文件和目录的管理，允许在必要时排除某些部分的翻译过程。

脚本代码

更新后的脚本可以在我的 GitLab 上查找。

您还可以在此处找到它的当前版本：

#!/usr/bin/env python3

import os
import argparse
import time
from openai import OpenAI
import re
from mistralai.client import MistralClient
from mistralai.models.chat_completion import ChatMessage

EXCLUDE_PATTERNS = ["traductions_"]

# Initialisation de la configuration avec les valeurs par défaut
DEFAULT_OPENAI_API_KEY = "votre-clé-api-openai-par-défaut"
DEFAULT_MISTRAL_API_KEY = "votre-clé-api-mistral-par-défaut"
DEFAULT_MODEL_OPENAI = "gpt-4-1106-preview"
DEFAULT_MODEL_MISTRAL = "mistral-medium"
DEFAULT_SOURCE_LANG = "fr"
DEFAULT_TARGET_LANG = "en"
DEFAULT_SOURCE_DIR = "content/posts"
DEFAULT_TARGET_DIR = "traductions_en"
MODEL_TOKEN_LIMITS = {
    "gpt-4-1106-preview": 4096,
    "gpt-4-vision-preview": 4096,
    "gpt-4": 8192,
    "gpt-4-32k": 32768,
    "gpt-4-0613": 8192,
    "gpt-4-32k-0613": 32768,
}


def segment_text(text, max_length):
    """
    Divise un texte Markdown en segments ne dépassant pas la longueur maximale spécifiée,
    en essayant de conserver des points de coupure naturels.

    Args:
        text (str): Texte Markdown à diviser.
        max_length (int): Longueur maximale de chaque segment.

    Returns:
        list[str]: Liste des segments de texte Markdown.
    """
    segments = []
    while text:
        if len(text) <= max_length:
            segments.append(text)
            break
        segment = text[:max_length]
        next_index = max_length

        # Recherche de points de coupure naturels (fin de phrase, fin de paragraphe, fin de titre)
        last_good_break = max(
            segment.rfind(". "), segment.rfind("\n\n"), segment.rfind("\n#")
        )
        if last_good_break != -1:
            next_index = last_good_break + 1

        segments.append(text[:next_index])
        text = text[next_index:]

    return segments


def translate(text, client, args, use_mistral=False, is_translation_note=False):
    """
    Traduit un texte en utilisant les services de traduction d'OpenAI ou Mistral AI.
    Cette fonction segmente d'abord le texte pour s'assurer qu'il respecte la limite de tokens du modèle.
    Elle utilise un argument optionnel 'is_translation_note' pour gérer différemment les notes de traduction.

    Args:
        text (str): Texte à traduire.
        client: Client de l'API de traduction (OpenAI ou Mistral AI).
        args: Arguments contenant les informations de configuration.
        use_mistral (bool): Indique si l'API Mistral AI doit être utilisée (True) ou l'API OpenAI (False).
        is_translation_note (bool): Indique si le texte est une note de traduction, ce qui nécessite un traitement spécial.

    Returns:
        str: Texte traduit.
    """
    model_limit = MODEL_TOKEN_LIMITS.get(args.model, 4096)

    segments = segment_text(text, model_limit)
    translated_segments = []

    for segment in segments:
        try:
            prompt_message = ""
            if is_translation_note:
                prompt_message = f"Translate this exact sentence to {args.target_lang}, without any additions or explanations: '{segment}'"
            else:
                prompt_message = f"Please translate this text from {args.source_lang} to {args.target_lang}, and do not translate or change URLs, image paths, and code blocks (delimited by ```) : {segment}"

            if use_mistral:
                messages = [ChatMessage(role="user", content=prompt_message)]
                response = client.chat(model=args.model, messages=messages)
            else:
                messages = [
                    {"role": "system", "content": prompt_message},
                    {"role": "user", "content": segment},
                ]
                response = client.chat.completions.create(
                    model=args.model, messages=messages
                )
            translated_text = response.choices[0].message.content.strip()
        except Exception as e:
            raise RuntimeError(f"Erreur lors de la traduction : {e}")

        translated_segments.append(translated_text)

    return " ".join(translated_segments)


def add_translation_note(client, args, use_mistral):
    """
    Génère et traduit une note de traduction.

    Args:
        client: Objet client de traduction.
        args: Arguments contenant les informations de langue source et cible, et le modèle utilisé.
        use_mistral (bool): Indique si l'API Mistral AI doit être utilisée pour la traduction.

    Returns:
        str: Note de traduction traduite.
    """
    translation_note_src = f"Ce document a été traduit de la version {args.source_lang} par le modèle {args.model}."
    try:
        # Utiliser un prompt très spécifique pour Mistral AI
        if use_mistral:
            prompt_message = f"Translate this exact sentence to {args.target_lang}, without any additions or explanations: '{translation_note_src}'"
            messages = [ChatMessage(role="user", content=prompt_message)]
            response = client.chat(model=args.model, messages=messages)
            translated_note = response.choices[0].message.content.strip()
        else:
            # Pour OpenAI
            messages = [
                {
                    "role": "system",
                    "content": f"Translate this exact sentence to {args.target_lang}, without any additions or explanations: '{translation_note_src}'",
                },
                {"role": "user", "content": translation_note_src},
            ]
            response = client.chat.completions.create(
                model=args.model, messages=messages
            )
            translated_note = response.choices[0].essage.content.strip()

        return f"\n\n**{translated_note}**\n\n"
    except Exception as e:
        raise RuntimeError(f"Erreur lors de l'ajout de la note de traduction : {e}")


def translate_markdown_file(
    file_path, output_path, client, args, use_mistral, add_translation_note=False
):
    """
    Traduit un fichier Markdown en utilisant les modèles de traitement du langage naturel de OpenAI ou Mistral AI.

    Args:
        file_path (str): Chemin complet vers le fichier d'entrée.
        output_path (str): Chemin complet vers le fichier de sortie.
        client: Objet client de traduction.
        args: Arguments supplémentaires pour la traduction.
        use_mistral (bool): Indique si l'API Mistral AI doit être utilisée pour la traduction.
        add_translation_note (bool): Indique si une note de traduction doit être ajoutée.

    Returns:
        None
    """
    try:
        # Calcul des chemins relatifs pour un affichage plus lisible
        relative_file_path = os.path.join(
            args.source_dir, os.path.relpath(file_path, start=args.source_dir)
        )
        relative_output_path = os.path.join(
            args.target_dir, os.path.relpath(output_path, start=args.target_dir)
        )

        print(f"Traitement du fichier : {relative_file_path}")
        start_time = time.time()

        # Lecture du contenu du fichier
        with open(file_path, "r", encoding="utf-8") as f:
            content = f.read()

        # Extraction et remplacement temporaire des blocs de code pour éviter leur traduction
        code_blocks = re.findall(
            r"(^```[a-zA-Z]*\n.*?\n^```)", content, flags=re.MULTILINE | re.DOTALL
        )
        placeholders = [f"#CODEBLOCK{index}#" for index, _ in enumerate(code_blocks)]
        for placeholder, code_block in zip(placeholders, code_blocks):
            content = content.replace(code_block, placeholder)

        # Traduction du contenu
        translated_content = translate(content, client, args, use_mistral)

        # Restauration des blocs de code dans le contenu traduit
        for placeholder, code_block in zip(placeholders, code_blocks):
            translated_content = translated_content.replace(placeholder, code_block)

        # Ajout de la note de traduction si nécessaire
        if add_translation_note:
            translation_note = translate(
                "Ce document a été traduit de la version "
                + args.source_lang
                + " par le modèle "
                + args.model
                + ".",
                client,
                args,
                use_mistral,
                True,
            )
            translated_content += "\n\n**" + translation_note + "**\n\n"

        # Écriture du contenu traduit dans le fichier de sortie
        clean_output_path = os.path.normpath(output_path)
        with open(clean_output_path, "w", encoding="utf-8") as f:
            f.write(translated_content)

        end_time = time.time()
        print(
            f"Fichier '{relative_file_path}' traduit en {end_time - start_time:.2f} secondes et enregistré sous : {relative_output_path}"
        )
    except IOError as e:
        print(f"Erreur lors du traitement du fichier '{relative_file_path}': {e}")
    except Exception as e:
        print(
            f"Une erreur inattendue est survenue lors de la traduction du fichier '{relative_file_path}': {e}"
        )


def is_excluded(path):
    """
    Vérifie si le chemin donné correspond à l'un des motifs d'exclusion.

    Cette fonction parcourt la liste des motifs d'exclusion définis dans EXCLUDE_PATTERNS.
    Si l'un de ces motifs est trouvé dans le chemin fourni, la fonction renvoie True,
    indiquant que le chemin doit être exclu du processus de traduction.

    Args:
        path (str): Le chemin du fichier ou du répertoire à vérifier.

    Returns:
        bool: True si le chemin correspond à l'un des motifs d'exclusion, False sinon.
    """
    for pattern in EXCLUDE_PATTERNS:
        if pattern in path:
            return True
    return False


def translate_directory(
    input_dir, output_dir, client, args, use_mistral, add_translation_note
):
    """
    Traduit tous les fichiers markdown dans le répertoire d'entrée et ses sous-répertoires.

    Args:
        input_dir (str): Chemin vers le répertoire d'entrée.
        output_dir (str): Chemin vers le répertoire de sortie.
        client: Objet client de traduction.
        args: Arguments supplémentaires pour la traduction.
        use_mistral (bool): Indique si l'API Mistral AI doit être utilisée pour la traduction.
        add_translation_note (bool): Indique si une note de traduction doit être ajoutée.

    Returns:
        None
    """
    input_dir = os.path.abspath(input_dir)
    output_dir = os.path.abspath(output_dir)

    if not os.path.exists(output_dir):
        os.makedirs(output_dir)

    output_base_dir = os.path.basename(output_dir)

    for root, dirs, files in os.walk(input_dir, topdown=True):
        if is_excluded(root) or root.startswith(output_dir):
            continue

        if (
            os.path.basename(root) == output_base_dir
            and os.path.abspath(os.path.join(root, "..")) == input_dir
        ):
            continue

        for file in files:
            if file.endswith(".md") and not is_excluded(file):
                file_path = os.path.join(root, file)
                base, _ = os.path.splitext(file)
                output_file = f"{base}-{args.model}-{args.target_lang}.md"
                relative_path = os.path.relpath(root, input_dir)
                output_path = os.path.join(output_dir, relative_path, output_file)

                os.makedirs(os.path.dirname(output_path), exist_ok=True)

                if not os.path.exists(output_path):
                    translate_markdown_file(
                        file_path,
                        output_path,
                        client,
                        args,
                        use_mistral,
                        add_translation_note,
                    )
                    print(f"Fichier '{file}' traité.")


def main():
    """
    Point d'entrée principal du script de traduction de fichiers Markdown.

    Ce script traduit des fichiers Markdown d'une langue source à une langue cible en utilisant
    les services de traduction de l'API OpenAI ou Mistral AI. Il prend en charge la segmentation
    des textes longs et peut également ajouter une note de traduction en fin de document.

    Arguments du script:
    --source_dir: Répertoire contenant les fichiers Markdown à traduire.
    --target_dir: Répertoire de destination pour les fichiers traduits.
    --model: Modèle de traduction GPT à utiliser.
    --target_lang: Langue cible pour la traduction.
    --source_lang: Langue source des documents.
    --use_mistral: Indicateur pour utiliser l'API Mistral AI pour la traduction.
    --add_translation_note: Indicateur pour ajouter une note de traduction au contenu traduit.
    """
    parser = argparse.ArgumentParser(description="Traduit les fichiers Markdown.")
    parser.add_argument(
        "--source_dir",
        type=str,
        default=DEFAULT_SOURCE_DIR,
        help="Répertoire source contenant les fichiers Markdown",
    )
    parser.add_argument(
        "--target_dir",
        type=str,
        default=DEFAULT_TARGET_DIR,
        help="Répertoire cible pour sauvegarder les traductions",
    )
    parser.add_argument(
        "--model", type=str, help="Modèle GPT à utiliser pour la traduction"
    )
    parser.add_argument(
        "--target_lang",
        type=str,
        default=DEFAULT_TARGET_LANG,
        help="Langue cible pour la traduction",
    )
    parser.add_argument(
        "--source_lang",
        type=str,
        default=DEFAULT_SOURCE_LANG,
        help="Langue source pour la traduction",
    )
    parser.add_argument(
        "--use_mistral",
        action="store_true",
        help="Utiliser l'API Mistral AI pour la traduction",
    )
    parser.add_argument(
        "--add_translation_note",
        action="store_true",
        help="Ajouter une note de traduction au contenu traduit",
    )

    args = parser.parse_args()

    if not os.path.isdir(args.source_dir):
        raise ValueError(
            f"Le répertoire source spécifié n'existe pas : {args.source_dir}"
        )
    if not os.path.exists(args.target_dir):
        os.makedirs(args.target_dir)

    if args.use_mistral:
        args.model = args.model if args.model else DEFAULT_MODEL_MISTRAL
        api_key = os.getenv("MISTRAL_API_KEY", DEFAULT_MISTRAL_API_KEY)
        if not api_key:
            raise ValueError("Clé API Mistral non spécifiée.")
        client = MistralClient(api_key=api_key)
    else:
        args.model = args.model if args.model else DEFAULT_MODEL_OPENAI
        openai_api_key = os.getenv("OPENAI_API_KEY", DEFAULT_OPENAI_API_KEY)
        if not openai_api_key:
            raise ValueError("Clé API OpenAI non spécifiée.")
        client = OpenAI(api_key=openai_api_key)

    translate_directory(
        args.source_dir,
        args.target_dir,
        client,
        args,
        args.use_mistral,
        args.add_translation_note,
    )

    if args.use_mistral:
        try:
            del client
        except TypeError:
            pass


if __name__ == "__main__":
    main()

In this article, I will talk to you about the evolution of my blog translation script using artificial intelligence, with the integration of Mistral AI technology. To discover the results in all languages, I invite you to visit this page: Translations with Mistral AI.

21 Jan 2024

En este artículo, te hablaré sobre la evolución de mi script de traducción de blog utilizando la inteligencia artificial, con la integración de la tecnología Mistral AI. Para descubrir los resultados en todos los idiomas, te invito a visitar esta página: Traducciones con Mistral AI.

13 Jan 2024

En este artículo, comparto un script de Python desarrollado como una Prueba de Concepto (POC) para automatizar la traducción de las publicaciones de mi blog, utilizando el modelo de lenguaje GPT-4 de OpenAI. Este script está específicamente diseñado para procesar archivos Markdown en la estructura de mi blog Hugo, facilitando la gestión multilingüe de mis artículos. Están disponibles en Inglés, Español y Chino.

#Traducción #GPT-4 #Scripting #Innovación

Lire la suite →

Revolucionando as Traduções de Artigos de Blog com IA

13 Jan 2024

Neste artigo, compartilho um script Python desenvolvido como uma Prova de Conceito (POC) para automatizar a tradução dos posts do meu blog, utilizando o modelo de linguagem GPT-4 da OpenAI. Este script é especificamente projetado para tratar arquivos Markdown na estrutura do meu blog Hugo, facilitando a gestão multilíngue dos meus artigos. Eles estão disponíveis em Inglês, Espanhol e Chinês.

#Tradução #GPT-4 #Scripting #Inovação

Lire la suite →

Jls

2025

Babel Fish AI : Une Extension Chrome Portée par l’IA et une Vision Globale

Déploiement Automatisé de LibreChat sur AWS EC2 : Une Solution DevOps Innovante et Accessible

Babel Fish AI：新機能、コンテキストメニュー、自動コピー、コード品質管理など

Babel Fish AI：新功能、右键菜单、自动复制、代码质量管控等

Babel Fish AI: Nuevas Funciones, Menú Contextual, Auto-Copy, Control de Calidad del Código, etc.

Babel Fish AI: Nowe Funkcje, Menu Kontekstowe, Auto-Copy, Kontrola Jakości Kodu, itd.

Babel Fish AI: New Features, Context Menu, Auto-Copy, Code Quality Control, etc.

Babel Fish AI: Neue Funktionen, Kontextmenü, Auto-Copy, Code-Qualitätskontrolle usw.

Babel Fish AI : 새로운 기능, 컨텍스트 메뉴, 자동 복사, 코드 품질 제어, 등등

Babel Fish AI : नई सुविधाएँ, कॉन्टेक्स्ट मेनू, ऑटो-कॉपी, कोड क्वालिटी कंट्रोल, आदि

Babel Fish AI : الوظائف الجديدة، قائمة السياق، النسخ الأوتوماتيكي، مراقبة جودة الكود، إلخ

Babel Fish AI : Nya Funktioner, Kontextmeny, Auto-Kopiering, Kodkvalitetskontroll, etc.

Babel Fish AI : Nuove Funzionalità, Menu Contestuale, Auto-Copia, Controllo Qualità del Codice, etc.

Babel Fish AI : Novas Funções, Menu de Contexto, Auto-Copy, Controle de Qualidade do Código, etc.

Babel Fish AI : Nouvelles Fonctions, Menu Contextuel, Auto-Copy, Contrôle Qualité du Code, etc.

Babel Fish AI : Nieuwe Functies, Contextmenu, Auto-Copy, Codekwaliteitscontrole, enz.

Babel Fish AI : Funcții noi, Meniu contextual, Auto-Copy, Controlul calității codului, etc.

Automatisation Multilingue : Mon Script AI-Powered Markdown Translator

إطلاق Babel Fish AI: إضافة كروم للتحويل الصوتي والترجمة

Uruchomienie Babel Fish AI: Rozszerzenie Chrome do Transkrypcji i Tłumaczenia Mowy

Start von Babel Fish AI: Chrome-Erweiterung für Sprachtranskription und -übersetzung

Launch of Babel Fish AI: Chrome Extension for Voice Transcription and Translation

Lanzamiento de Babel Fish AI: Extensión Chrome de Transcripción y Traducción Vocal

Lansering av Babel Fish AI: Chrome-tillägg för rösttranskription och översättning

Lansarea Babel Fish AI: Extensie Chrome de Transcriere și Traducere Vocală

Lancio di Babel Fish AI: Estensione Chrome di Trascrizione e Traduzione Vocale

Lancering van Babel Fish AI: Chrome-extensie voor transcriptie en spraakvertaling

Lancement de Babel Fish AI : Extension Chrome de Transcription et Traduction Vocale

Lançamento do Babel Fish AI: Extensão Chrome de Transcrição e Tradução Vocal

Babel Fish AIのローンチ：Chrome拡張機能による音声認識と翻訳

Babel Fish AI 发布：Chrome 语音转录与翻译扩展

Babel Fish AI 출시: 음성 전사 및 번역 Chrome 확장

Babel Fish AI का लॉन्च: Chrome एक्सटेंशन जो ट्रांसक्रिप्शन और अनुवाद वाली आवाज प्रदान करता है

更新：LibreChat v0.7.6版本在AWS EC2上的自动化部署

アップデート：LibreChat バージョン v0.7.6 の AWS EC2 への自動デプロイメント

업데이트: AWS EC2에서 자동화된 배포로 LibreChat v0.7.6 버전

माइज़ा अपडेट: AWS EC2 पर स्वचालित परिनियोजन के साथ LibreChat संस्करण v0.7.6

تحديث: إصدار LibreChat v0.7.6 مع نشر تلقائي على AWS EC2

Uppdatering: LibreChat version v0.7.6 med automatiserad distribution på AWS EC2

Update: LibreChat version v0.7.6 with automated deployment on AWS EC2

Update: LibreChat versie v0.7.6 met geautomatiseerde implementatie op AWS EC2

Mise à jour : LibreChat version v0.7.6 avec déploiement automatisé sur AWS EC2

Atualização: LibreChat versão v0.7.6 com implantação automatizada no AWS EC2

Aktualizacja: LibreChat wersja v0.7.6 z automatycznym wdrożeniem na AWS EC2

Aktualisierung: LibreChat Version v0.7.6 mit automatisierter Bereitstellung auf AWS EC2

Aggiornamento: LibreChat versione v0.7.6 con deployment automatizzato su AWS EC2

Actualizare: LibreChat versiunea v0.7.6 cu implementare automată pe AWS EC2

Actualización: LibreChat versión v0.7.6 con despliegue automatizado en AWS EC2

2024

在Python脚本中集成OpenAI o1-preview模型并处理LaTeX表达式

ओपनएआई o1-preview मॉडल को एक Python स्क्रिप्ट में LaTeX अभिव्यक्तियों के प्रबंधन के साथ एकीकृत करें

دمج نموذج OpenAI o1-preview في سكريبت بايثون مع إدارة التعابير من LaTeX

Wdrażanie modelu OpenAI o1-preview w skrypcie Pythona z obsługą wyrażeń LaTeX

PythonスクリプトにおけるLaTeX式の管理を伴ったOpenAI o1-previewモデルの統合

Python 스크립트에 OpenAI o1-preview 모델을 통합하고 LaTeX 표현식을 관리하기

Integrera OpenAI o1-preview-modellen i ett Python-skript med hantering av LaTeX-uttryck

Intégrer le modèle OpenAI o1-preview dans un script Python avec gestion des expressions LaTeX

Integreer het OpenAI o1-preview model in een Python script met LaTeX expressiebeheer

Integration des OpenAI o1-preview-Modells in ein Python-Skript mit LaTeX-Ausdrucksverwaltung

Integrate the OpenAI o1-preview model into a Python script with LaTeX expression handling

Integrarea modelului OpenAI o1-preview într-un script Python cu gestionare a expresiilor LaTeX

Integrare il modello OpenAI o1-preview in uno script Python con gestione delle espressioni LaTeX

Integrar o modelo OpenAI o1-preview em um script Python com gestão de expressões LaTeX

Integrar el modelo OpenAI o1-preview en un script de Python con gestión de expresiones LaTeX

通过Python POC脚本探索Anthropic AI的Claude API

探索 Anthropic AI 的 Claude API 通过一个 Python POC 脚本

एंथ्रोपिक एआई के क्लॉड एपीआई का एक पायथन POC स्क्रिप्ट के माध्यम से अन्वेषण

استكشاف واجهة برمجة التطبيقات Claude من Anthropic AI من خلال سكريبت POC بايثون

Verkenning van de API Claude van Anthropic AI via een Python POC-script

Utforska Claudes API av Anthropic AI genom ett Python POC-skript

Untersuchung der Claude API von Anthropic AI durch ein Python-POC-Skript

Exploring Anthropic AI's Claude API through a Python POC script

Exploration of Anthropic AI's Claude API through a Python POC Script

Exploration de l'API Claude d'Anthropic AI à travers un script Python POC

Exploration API Claude de Anthropic AI printr-un script Python POC

Exploración de la API Claude de Anthropic AI a través de un script Python POC

Exploración de la API Claude de Anthropic AI a través de un script Python POC

Exploração da API Claude da Anthropic AI através de um script Python POC