原贴链接

你可能有一个周末项目清单，想在某天开始但由于某种原因还未开始，无论是时间、算力、技能、模型能力等原因。如果你愿意在社区中进一步讨论，请列出这样的想法。我先开始，以下是我目前的想法：1. 在整个设备层面（手机或电脑）弹出一个窗口，让你直接与所选文本聊天或交互，无需跳转到其他标签或应用。2. 在不同语言间自动配音媒体文件，同时与帧同步并根据需要调整嘴唇动作。3. 带有大型语言模型（LLM）的书签管理器检索增强生成（RAG），用于当用户忘记名称但可以通过网站内容索引进行多种方式搜索的情况。4. 日记应用，拍照是主要功能。例如，一个人正在读书，拍照后应用进行光学字符识别（OCR），然后点击书本照片将引用图像和OCR文本存放在该书的文件夹中。5. 有声读物应用，在不解锁手机（也许通过按键或耳机点击）的情况下根据听到的音频创建重点文本，将句子暂存以便听完后进一步研究，或者播报听到单词的含义，根据正在听的文本内容和上下文自动控制速度，以及角色树问题。这些我都想作为开源项目（OSS）来做，如果有人愿意合作或者单独开始做，请行动起来。谢谢。

讨论总结

这是一个关于LLM项目未实现想法的讨论帖。原帖作者分享了自己的多个项目想法，评论者们纷纷给出自己希望看到的LLM项目想法，涵盖了从浏览器应用、多模态能力利用到各种特定功能改进等多方面内容，整体氛围积极且富有创意，大家都在积极探索LLM项目更多的可能性。

主要观点

  1. 👍 创建能提出相关澄清问题的模型这一项目想法。
    • 支持理由：可使模型回答更精准，避免模糊回答。
    • 反对声音：有人认为通过系统提示可实现该功能，不需要专门创建这样的模型。
  2. 🔥 希望看到基于浏览器（WASM / WebGPU）的特定模型应用。
    • 正方观点：已有类似大小模型在网页浏览器运行的先例，所以该想法可实现。
    • 反方观点：无明显反对观点，但对运行框架等细节存在探讨。
  3. 💡 构建以中央模型为核心的LLM网络。
    • 解释：中央模型协调其他模型与用户交互，提供无缝体验。
  4. 💡 希望有Obsidian markdown笔记应用的超快速、高质量RAG搜索插件。
    • 解释：目前未发现很好的解决方案，若有会很受欢迎。
  5. 💡 利用多模态能力开展教育相关的LLM项目。
    • 解释：可将多模态能力用于教育目的，是一个有潜力的发展方向。

金句与有趣评论

  1. “😂 I am working on a project where I can allow multiple agents to work together to improve the system itself.”
    • 亮点：明确表达正在进行多代理协作的项目，简洁地概括了项目核心内容。
  2. “🤔 Obsidian markdown notes app plugin with super fast, super high quality RAG search.”
    • 亮点：直接提出Obsidian笔记应用插件的需求，且强调了RAG搜索的特性。
  3. “👀 I think I had success with just a prompt like "ask a clarification question before giving advice. Get a reply from me. Then ask another question. Then give a reply".”
    • 亮点：分享了通过简单提示词在模型上实现类似功能的经验。

情感分析

总体情感倾向积极向上，大家都在积极分享自己的想法并互相交流探讨。主要分歧点在于某些功能是否有必要专门创建新的模型来实现，例如对于创建能提出澄清问题的模型这一想法，部分人认为可通过系统提示解决。可能的原因是大家对LLM的功能和潜力有着不同的理解和期望。

趋势与预测

  • 新兴话题：LLM在更多特定领域（如历史审查机构相关、针对盲人的视频解释等）的应用可能会引发后续讨论。
  • 潜在影响：如果这些LLM项目想法得以实现，可能会在人工智能相关领域带来更多创新应用，提高生产力，改变人们与信息交互的方式。

详细内容：

标题：Reddit 上关于未实现的 LLM 项目想法的热门讨论

在 Reddit 上，一篇题为“What LLM project ideas would you like to see but have yet to materialize?”的帖子引发了众多网友的热烈讨论。该帖子获得了大量的关注，评论区充满了各种富有创意和前瞻性的想法。

帖子中提到了一些作者自己的想法，比如在整个设备层面（手机或电脑）的弹出式直接聊天或与所选文本互动的功能，自动为跨语言的媒体文件配音并根据需要调整嘴唇，利用 LLM 的书签管理器，以图片点击为重点的日志应用，以及根据文本内容和上下文自动控制速度的有声读物应用等。

讨论的焦点主要集中在各种 LLM 项目的设想上。有人提出希望有能够询问相关澄清问题的模型，有人认为可以实现多个代理共同完成任务以获得一致结果。还有用户设想了Obsidian markdown 笔记应用插件具有超快、高质量的 RAG 搜索功能。另外，像将语音转换为 MIDI 鼓轨道、制作能将音乐片段转换为 MIDI 的机器人、利用 LLM 解析大型非结构化数据集为知识图谱等想法也纷纷涌现。

有用户分享道：“我正在开展一个项目，能让多个代理共同协作来改进系统自身。比如有编写代码、编写单元测试、根据某些标准（如速度/正确性等）验证结果是否‘更好’的代理。最终，用户要求进行网络搜索时，如果系统尚无此功能，它将自行实现该功能并加以运用。”

也有用户提到：“作为一名 QA 团队的负责人，我希望创建一个能够读取 Jira 用户故事描述并提问以识别潜在需求缺口的工具，还能推荐相关资料并生成或建议一些潜在的手动测试用例。”

在讨论中，对于一些观点存在争议。比如关于模型能否准确判断是否需要询问澄清问题，有人认为通过系统提示可以实现，而有人则认为在很多较小的模型中难以做到。

同时，也存在一些共识，比如大家普遍认为 LLM 项目具有很大的发展潜力和创新空间。

特别有见地的观点如有人提出要构建一个大规模的协调 LLM 网络，由一个中央模型向擅长特定步骤的其他模型发送输入，然后将响应返回给中央 LLM 再与用户交流，以实现无缝体验。

总的来说，这次讨论展示了大家对 LLM 项目的丰富想象和期待，为未来的发展提供了众多有价值的思路。