【GitHub每日速递 250926】12 周 24 课，边学边练！微软 AI 初学者的通关秘籍

原文：https://mp.weixin.qq.com/s/t99TeeaVhDTuzobY6WkYng

揭秘Linera：高可扩展区块链基础设施，附CLI工具快速上手攻略

linera-protocol 是一个基于Rust构建的高性能、去中心化微服务区块链协议的底层框架。简单讲，它让开发者能用微服务架构轻松搭建区块链应用，提升扩展性和运行效率。适用人群：区块链开发者、去中心化应用开发者、对高性能链上计算感兴趣的技术人员。

项目地址：https://github.com/linera-io/linera-protocol

主要语言：Rust

stars: 29.64k

项目概述

Linera是一个去中心化的区块链基础设施，专为高可扩展性、安全、低延迟的Web3应用程序而设计。

主要优势

• 高可扩展性：能够支持大量的交易和用户，满足Web3应用不断增长的需求。
• 安全性：采用了先进的加密技术和共识机制，保障数据和交易的安全。
• 低延迟：可以实现快速的交易确认和响应，提供流畅的用户体验。

核心功能

• 多链架构：支持微链（microchains），可以实现高效的跨链消息传递和资产转移。
• 智能合约：提供了开发智能合约的SDK，允许开发者使用Rust语言为Wasm虚拟机编写应用程序。
• 钱包管理：通过命令行工具（CLI）可以方便地管理用户钱包、创建链、查询余额和进行转账等操作。

仓库结构

仓库包含多个主要的crates和目录，按照依赖关系从低到高排列：

• linera-base：基础定义，包括密码学相关内容。
• linera-version：用于管理二进制文件和服务中的版本信息。
• linera-views：将复杂数据结构映射到键值存储的库。
• linera-execution：处理Linera应用程序的持久化数据和运行时逻辑。
• linera-chain：负责块链、证书和跨链消息的持久化数据和逻辑。
• linera-storage：在linera-chain之上定义协议的存储抽象。
• linera-core：Linera协议的核心，包括客户端和服务器逻辑、节点同步等。
• linera-rpc：定义RPC消息的数据类型和跟踪相应的数据模式。
• linera-client：用于编写Linera客户端的库。
• linera-service：包含客户端（CLI钱包）、代理（验证器前端）和服务器的可执行文件。
• linera-sdk：用于开发基于Wasm虚拟机的Rust Linera应用程序的库。
• examples：提供了用Rust编写的Linera应用程序示例。

可能的应用场景

• 去中心化金融（DeFi）：构建高效、安全的借贷、交易、流动性提供等金融应用。
• 非同质化代币（NFT）：支持NFT的创建、交易和管理，实现快速的资产转移和所有权验证。
• 供应链管理：通过区块链的不可篡改特性，实现供应链的透明和可追溯性。

快速开始

可以使用Linera CLI工具快速设置本地测试网络，并进行一些微链之间的转账操作。具体步骤如下：

# 确保编译Linera二进制文件并添加到PATH中
export PATH="$PWD/target/debug:$PATH"

# 导入可选的辅助函数
source /dev/stdin <<<"$(linera net helper 2>/dev/null)"

# 启动本地测试网络
linera_spawn \
linera net up --with-faucet --faucet-port 8080

# 记录水龙头的URL
FAUCET_URL=http://localhost:8080

# 设置钱包和存储路径
export LINERA_WALLET="$LINERA_TMP_DIR/wallet.json"
export LINERA_KEYSTORE="$LINERA_TMP_DIR/keystore.json"
export LINERA_STORAGE="rocksdb:$LINERA_TMP_DIR/client.db"

# 初始化新的用户钱包
linera wallet init --faucet $FAUCET_URL

# 请求链
INFO1=($(linera wallet request-chain --faucet $FAUCET_URL))
INFO2=($(linera wallet request-chain --faucet $FAUCET_URL))
CHAIN1="${INFO1[0]}"
ACCOUNT1="${INFO1[1]}"
CHAIN2="${INFO2[0]}"
ACCOUNT2="${INFO2[1]}"

# 显示钱包跟踪的不同链
linera wallet show

# 查询链余额
linera query-balance "$CHAIN1"
linera query-balance "$CHAIN2"

# 进行转账操作
linera transfer 10 --from "$CHAIN1" --to "$CHAIN2"
linera transfer 5 --from "$CHAIN2" --to "$CHAIN1"

# 再次查询余额
linera query-balance "$CHAIN1"
linera query-balance "$CHAIN2"

# 为用户余额充值
linera transfer 5 --from "$CHAIN1" --to "$CHAIN1:$ACCOUNT1"
linera transfer 2 --from "$CHAIN1:$ACCOUNT1" --to "$CHAIN2:$ACCOUNT2"

# 查询用户余额
linera query-balance "$CHAIN1:$ACCOUNT1"
linera query-balance "$CHAIN2:$ACCOUNT2"

12周24课！微软超全AI入门课程，多语言支持还能边学边练！

AI-For-Beginners 是一个面向初学者的人工智能学习课程项目。简单讲，它用12周、24节课带你从零开始了解AI基础知识，配套Jupyter Notebook实践内容，适合边学边练。适用人群：AI初学者、学生、教师及对人工智能感兴趣的非专业人群。

项目地址：https://github.com/microsoft/AI-For-Beginners

主要语言：Jupyter Notebook

stars: 40.6k

这是一个由微软推出的人工智能初学者课程仓库，旨在帮助初学者了解人工智能的基础知识和实践技能。以下是该仓库的详细介绍：

课程概况

• 课程为期12周，包含24节课程，涵盖了人工智能的多个方面，包括不同的人工智能方法、神经网络、深度学习、计算机视觉、自然语言处理等。
• 课程提供了实践课程、测验和实验，帮助学习者巩固所学知识。
• 课程适合初学者，涵盖了TensorFlow和PyTorch等工具，以及人工智能伦理等内容。

多语言支持

该课程支持多种语言，包括法语、西班牙语、德语、俄语、阿拉伯语等，通过GitHub Action实现自动化更新。

学习内容

• 不同的人工智能方法：包括"传统"的符号方法，如知识表示和推理。
• 神经网络和深度学习：使用TensorFlow和PyTorch两个流行的框架，介绍神经网络和深度学习的概念。
• 图像处理和文本处理的神经网络架构：介绍用于处理图像和文本的神经网络架构，但可能在最新技术方面有所欠缺。
• 不太流行的人工智能方法：如遗传算法和多智能体系统。

课程不涵盖内容

• 人工智能在商业中的应用案例：建议学习微软学习平台上的相关课程。
• 经典机器学习：可参考微软的机器学习初学者课程。
• 使用认知服务构建的实用人工智能应用：建议从微软学习平台的相关模块开始学习。
• 特定的机器学习云框架：如Azure Machine Learning、Microsoft Fabric或Azure Databricks，可参考相关学习路径。
• 对话式人工智能和聊天机器人：有单独的学习路径可供参考。
• 深度学习背后的深层数学知识：推荐阅读相关书籍。

课程内容结构

课程内容分为多个部分，每个部分包含多节课程，具体如下：

• 课程设置：帮助学习者设置开发环境。
• 人工智能简介：介绍人工智能的历史和不同方法。
• 符号人工智能：介绍知识表示和专家系统。
• 神经网络简介：介绍感知机、多层感知机和创建自己的框架。
• 计算机视觉：介绍计算机视觉的基础知识、卷积神经网络、预训练网络和迁移学习等。
• 自然语言处理：介绍文本表示、语义词嵌入、语言建模、循环神经网络、生成式循环网络、Transformer和BERT等。
• 其他人工智能技术：介绍遗传算法、深度强化学习和多智能体系统。
• 人工智能伦理：介绍人工智能伦理和负责任的人工智能。
• 额外内容：介绍多模态网络、CLIP和VQGAN等。

课程特点

• 预读材料：每节课程都包含预读材料，帮助学习者提前了解课程内容。
• 可执行的Jupyter笔记本：提供了大量的Jupyter笔记本，包含理论知识和代码示例，帮助学习者更好地理解和实践。
• 实验：部分课程提供了实验，让学习者有机会将所学知识应用到实际问题中。
• 微软学习模块链接：部分课程包含了微软学习平台上相关模块的链接，方便学习者进一步学习。

入门指南

• 设置开发环境：提供了设置开发环境的课程，以及针对教育工作者的课程设置指南。
• 运行代码：介绍了如何在VSCode或Codepace中运行代码。
• 克隆仓库 ：学习者可以通过点击"Fork"按钮复制仓库，并使用git clone命令克隆到本地。

CopilotKit：快速集成、安全开源的AI助手开发神器！

CopilotKit 是一个提供 React UI 与优雅基础设施的 AI 辅助开发工具库。简单讲，它帮你快速在应用中集成 AI 助手、聊天机器人和智能代理，让 AI 更贴近实际使用场景。适用人群：前端开发者、AI 应用开发者

项目地址：https://github.com/CopilotKit/CopilotKit

主要语言：TypeScript

stars: 23.23k

简介

CopilotKit 是一个用于在应用程序中集成 AI 助手和代理的开源工具包，具有快速集成、框架无关和生产就绪等特点，可帮助开发者在应用中轻松部署深度集成的 AI 助手。

核心功能

• 快速安装与配置 ：通过简单的 CLI 命令 npx copilotkit@latest init 即可完成安装，接着添加 CopilotKit 提供者到应用中，实现快速集成。
• 灵活定制：提供两种定制方式，既可以使用无头 UI 进行完全自定义控制，也能借助具有深度定制选项的预构建组件（支持 CSS 定制和传递自定义子组件）。
• 前端动作与生成式 UI ：支持前端动作和生成式 UI，具备完整的流式传输功能，可实现如 appendToSpreadsheet 这样的特定操作。
• 应用内协同代理集成：借助 LangGraph 实现应用内协同代理的集成，支持状态共享、代理生成式 UI 以及人工干预审批等功能。
• 中间代理状态流式传输：支持 LangGraph.js 和 LangGraph Python，可对中间代理状态进行流式传输。

优势

• 快速集成：利用 CLI 能够在短时间内完成集成。
• 框架无关：可与 React、Next.js、AGUI 等多种框架协同工作。
• 生产就绪的 UI：提供可定制的组件，或者支持使用无头 UI 进行构建。
• 内置安全机制：具备提示注入保护功能。
• 开源透明：采用开源模式，完全透明且由社区驱动。

应用场景

可用于在各类应用程序中部署深度集成的 AI 助手和代理，辅助用户高效完成任务，像表单填充、状态机管理、数据聊天等场景都适用。

代码示例

• 使用无头 API 和预构建组件

  // 无头 UI 实现完全控制
  const { visibleMessages, appendMessage, setMessages, ... } = useCopilotChat();

  // 预构建组件，拥有深度定制选项
  <CopilotPopup
  instructions={"You are assisting the user as best as you can. Answer in the best way possible given the data you have."}
  labels={{ title: "Popup Assistant", initial: "Need any help?" }}
  />

• 前端动作与生成式 UI

  useCopilotAction({
  name: "appendToSpreadsheet",
  description: "Append rows to the current spreadsheet",
  parameters: [
  { name: "rows", type: "object[]", attributes: [{ name: "cells", type: "object[]", attributes: [{ name: "value", type: "string" }] }] }
  ],
  render: ({ status, args }) => <Spreadsheet data={canonicalSpreadsheetData(args.rows)} />,
  handler: ({ rows }) => setSpreadsheet({ ...spreadsheet, rows: [...spreadsheet.rows, ...canonicalSpreadsheetData(rows)] }),
  });

• 集成应用内协同代理与 LangGraph

  // 应用与代理之间共享状态
  const { agentState } = useCoAgent({
  name: "basic_agent",
  initialState: { input: "NYC" }
  });

  // 代理生成式 UI
  useCoAgentStateRender({
  name: "basic_agent",
  render: ({ state }) => <WeatherDisplay {...state.final_response} />,
  });

  // 人工干预审批
  useCopilotAction({
  name: "email_tool",
  parameters: [
  {
  name: "email_draft",
  type: "string",
  description: "The email content",
  required: true,
  },
  ],
  renderAndWaitForResponse: ({ args, status, respond }) => {
  return (
  <EmailConfirmation
  emailContent={args.email_draft || ""}
  isExecuting={status === "executing"}
  onCancel={() => respond?.({ approved: false })}
  onSend={() =>
  respond?.({
  approved: true,
  metadata: { sentAt: new Date().toISOString() },
  })
  }
  />
  );
  },
  });

• 中间代理状态流式传输

  const modifiedConfig = copilotKitCustomizeConfig(config, {
  emitIntermediateState: [{
  stateKey: "outline",
  tool: "set_outline",
  toolArgument: "outline"
  }],
  });
  const response = await ChatOpenAI({ model: "gpt-4o" }).invoke(messages, modifiedConfig);