本篇文章将详细讲解一下我们团队内部在遇到业务痛点时如何利用Httprunner框架进行接口自动化测试的。当最近邂逅chatGPT后又是如何将二者结合起来，实现"敏捷"自动化测试的。

HuggingGPT是一个结合了ChatGPT和Hugging Face平台上的各种专家模型，以解决复杂的AI任务，可以认为他是一种结合任务规划和工具调用两种Agent工作流的框架。还不来了解一下？

Unsloth是一个开源的大模型训练加速项目，可以显著提升大模型的训练速度，减少显存占用。本文将使用Unsloth微调Llama3-Chinese-8B-Instruct中文开源大模型。

我们在探索实践使用大模型生成测试用例，期望能够借助其强大的自然语言处理能力，自动化地生成更全面和高质量的测试用例。

本文会手把手教你如何部署本地大模型以及搭建个人知识库。读完本文，你会收获如何使用Ollama在本地部署大模型以及搭建知识库

有很多开源大模型都可以本地部署，用于替代 chatGPT 实现本地执行各种任务，比如国内较好的 通义千问Qwen1.5 全尺寸模型。在一般的翻译、文案创作、辅助编码等任务上，基本达到了ChatGPT3

Ollama是一个允许用户在本地启动并运行大型语言模型，它提供了一个简单易用的内容生成接口，类似于OpenAI，但无需开发经验即可直接与模型进行交互

本文介绍了使用ollama在本地部署大模型，通过本地部署的客户端与大模型交互，并且简单体验了RAG。最后简单介绍了在本地搭建chatgpt 3.5的代理，可以免密钥的方式访问openai的api。

大家好，我是柒八九。一个专注于前端开发技术/Rust及AI应用知识分享的Coder。 前言 为了兑现给大家的承诺，在高铁上奋笔疾书。如果下文中有措辞不正确的地方，请大家海涵。 在昨天(2023-11-