原贴链接

昨天，当我发现谷歌AI Studio时，我吓了一跳，乍一看，它和我花了5个月打造的工具很像。不过深入了解细节之后，我就放心了。下面我会详细说明两者之间的许多差异。

我想分享一下我的成果，说不定有使用谷歌AI Studio的人想要看看我在Github上名为Kiln的快速原型开发工具（https://github.com/Kiln - AI/Kiln）。在隐私、协作、模型支持、微调以及机器学习技术方面，两者有一些相似之处，但也有很大的不同。我打造Kiln是因为我从事人工智能产品开发约10年了（最近在苹果公司，之前在我自己的创业公司和微软公司），我想打造一个易于使用、注重隐私的开源人工智能工具。

差异：

  1. 模型支持：Kiln通过众多主机（如Ollama、OpenRouter、OpenAI等）支持任何大型语言模型（包括Gemini/Gemma）；谷歌仅通过谷歌云支持Gemini和Gemma。
  2. 微调：谷歌只允许对Gemini进行微调，且最多500个样本。Kiln对数据大小没有限制，点击几下就能对9个模型进行微调（无需代码），并且支持通过Unsloth对任何开放模型进行微调。
  3. 数据隐私：Kiln无法访问你的数据（本地运行，数据保留在本地）；谷歌会存储所有数据。Kiln可以运行/训练本地模型（Ollama/Unsloth/LiteLLM）；谷歌总是使用他们的云。
  4. 协作：谷歌是单用户的，而Kiln允许无限用户/协作。
  5. 机器学习技术：谷歌有标准提示。Kiln有标准提示、思维链/推理以及自动提示（使用数据集进行多次提示）。
  6. 数据集管理：谷歌有一个最多500行的表格。Kiln为团队提供强大的数据集管理，具有Git同步、标签、无限行数、人工评级等功能。
  7. Python库：谷歌只有用户界面。Kiln有一个Python库，当用户界面无法满足需求时可用于扩展。
  8. 开源：谷歌的产品完全是专有和闭源的。Kiln的库是MIT开源的；其用户界面虽不是MIT开源的，但100%开源，在Github上且免费。

相似之处：两者都能很好地处理结构化数据，都有提示库，都有类似的“运行”用户体验，都有用户友好的用户界面。

如果有人想试用Kiln，[这里是Github仓库](https://github.com/Kiln - AI/Kiln)，文档在这里。上手非常容易，一键安装即可设置并运行。

我对任何反馈或功能请求（模型请求、与其他工具的集成等）都很感兴趣。我目前正在进行综合评估，所以关于你希望在这方面看到什么的反馈会非常有帮助。我的希望是打造一个像谷歌AI Studio一样易于使用、像Vertex AI一样强大的工具，同时保持开源和注重隐私。

提前感谢！我很乐意回答任何问题。

附注：我通常在开始一个项目之前很擅长竞争研究。在开始之前我查找过谷歌的“AI Studio”。然而，我找到并查看的是“Vertex AI Studio”，这是一个完全不同类型的产品。我不明白一家公司怎么能有两个名字几乎相同的产品……

讨论总结

原帖作者分享自己构建的Kiln工具，阐述其与Google AI Studio在多方面的差异。大部分评论者对Kiln表示认可、赞赏并感谢作者开源，还有人表达了对Kiln功能的好奇与期待，但也存在如隐私问题、与Vertex AI比较合理性等争议点，整体氛围积极且有一定的建设性。

主要观点

  1. 👍 认可Kiln是很棒的工作成果
    • 支持理由：很多评论者赞扬Kiln项目本身，如功能看起来很有价值、界面设计不错等。
    • 反对声音：有评论者质疑Kiln桌面应用并非真正开源。
  2. 🔥 对Kiln的隐私政策存疑
    • 正方观点：Kiln的自述文件与EULA存在矛盾，协议存在诸多风险。
    • 反方观点：文档中的隐私声明解释得更清楚，Kiln不会访问用户数据集。
  3. 💡 原帖作者可能对Vertex AI存在误解
    • 解释：Vertex AI涵盖范围广，原帖作者在宣称Kiln和Vertex AI一样强大之前应深入了解。

金句与有趣评论

  1. “😂 <irony - mode>I accidentally built a rocket and flew forth and back from Mars discovering that unicorns are the actual owners of our galaxy</irony - mode>”
    • 亮点：以幽默讽刺的方式调侃原帖中“意外构建”的说法，增加评论的趣味性。
  2. “🤔 I use ai studio all the time and have been fearing what will happen when they inevitably paywall the service.”
    • 亮点：反映出对Google AI Studio可能设置付费墙的担忧，从侧面体现出Kiln开源免费的优势。
  3. “👀 This is not the most important part if there are additional license requirements. The source for the desktop app is available, but isn’t "open" as most developers and legal experts and the OSI would use the term.”
    • 亮点：深入指出Kiln在开源定义上存在的问题，具有一定的深度。

情感分析

总体情感倾向是积极的。主要分歧点在于Kiln是否真正开源以及其隐私政策是否可靠。可能的原因是大家对开源定义的理解不同，以及对隐私问题的重视程度不一样。

趋势与预测

  • 新兴话题：Kiln与其他类似工具（如FastGPT、Librechat等）的比较，Kiln在特定任务（如构建AI代理）上的应用。
  • 潜在影响：如果Kiln能够解决隐私等争议问题，可能会吸引更多用户，对开源AI工具领域产生积极推动作用，促使更多开发者关注工具的隐私性和易用性。

详细内容：

《意外打造的谷歌 AI Studio 开源替代品 Kiln 引发热议》

近日，一位开发者在 Reddit 上分享了自己意外构建的类似于谷歌 AI Studio 的工具——Kiln，并引发了热烈讨论。该帖子获得了众多点赞和大量评论。

原帖主要介绍了开发者在发现谷歌 AI Studio 与自己花费 5 个月构建的工具初看相似后，深入研究发现诸多不同。开发者分享了 Kiln 的特点，包括支持多种 LLM 模型、无数据大小限制的微调、本地数据存储保障隐私、支持多用户协作等，并提供了 GitHub 仓库和文档的链接。

讨论焦点主要集中在以下几个方面：

  • 有人对 Kiln 的开源性质和功能表示赞赏，认为它为用户提供了更多选择和更好的隐私保护。
  • 也有用户关心其与其他类似工具的比较，如能否与 Librechat 或 Open WebUI 相媲美。
  • 关于数据隐私和使用许可的问题引发了激烈争议。部分用户对 Kiln 的 EULA（最终用户许可协议）提出质疑，认为其中存在可能收集和出售用户数据的风险，而开发者则解释称不会收集用户数据集，应用的源代码在 Github 上可审计。

比如，有用户分享道：“我一直担心使用的 AI Studio 服务会收费，Kiln 的开源让我看到了希望。”还有用户提出：“谷歌的产品常有变动，有一个本地运行且能使用多种后端的稳定工具很有价值。”但也有用户指出：“Kiln 的 EULA 存在问题，比如‘我们可以使用您提交的任何内容，且无需补偿您’。”

讨论中的共识在于大家都对新的 AI 工具充满期待，同时也重视隐私和使用许可的清晰度。特别有见地的观点是，有人认为开源工具的最佳优势在于从根本上避免收集用户数据，而非依赖复杂的许可协议来保证。

总的来说，Kiln 的出现激发了大家对 AI 工具发展的深入思考和讨论，但其在数据隐私和许可方面仍需进一步明确，以消除用户的疑虑。