跳转:Koishi 月刊 2023 年 5 月号 #3 Koishi 月刊 2023 年 7 月号 #5
官方新闻
生态盘点
目前的插件市场里有 690 个插件,其中的 81 个插件是在 5 月里诞生的,9 个插件是在目前为止的 6 月里诞生的,增长速度略有下降,总体维持了 3 月开始的增长趋势。
热门插件
以下是本月热门插件的投票结果
控制台
这个月的重要主题是控制台,在官方的控制台插件更新迭代的同时,也诞生了一众有意思的控制台插件。包括各种各样的主题插件、把插件市场都标上官方或者不安全,都改为同一作者的插件、模拟劫持首页的流氓软件的 k2345、以及在控制台嵌入任意网页的 iframe。
lobby
另一个不能忽视的主题是 lobby,lobby 为在聊天平台通过 Koishi 游玩非完全信息的多人游戏提供了条件,这是我非常期待的发展方向。目前你已经可以在 Koishi 游玩东方风味版狼人杀和日式麻将了,我相信这会成为接下来几个月里社区插件的重要主题。
梦梦不务正业的新坑+1
koishi-plugin-lobby 提供了一个通用的游戏大厅服务。安装这个服务后,下游插件可以基于其提供的房间系统开发游戏,尤其是卡牌类/文字类游戏。
目前此插件的最新版本是 0.4.1,处于公开测试阶段。
其提供的功能包括( 的部分已经实现,其余部分在规划中):
房间的创建、加入、退出
房主踢人、转让、解散房间
…
blockly 市场
除此之外,blockly 生态有新的进展,[Blockly-Market] Blockly 开放平台发布
我们终于拥有了能在控制台查看和安装的 blockly 插件市场,下面是效果图
目前的插件数量还比较少,另外不妨考虑加入下载量统计的功能,同时也期待一个新的blockly市场企划
指令历史
指令是 Koishi 插件的核心与灵魂,指令易用性是很多开发者聚焦的地方,继上个月去除指令和参数之间空格的尝试之后,本月诞生了意义不凡的 bang 插件。
这个插件是在这里请求的,各位读者也可以发布你的需求到求插件类型,看是否有有缘人搞定它。
This plugin was requested in Here, you the reader could also publish your demands in the 求插件 category, see if there are 有缘人 to work on it!
Summary 概述
这…
bang 插件是首个会记录 Koishi 指令调用记录的插件,它允许你通过它提供的指令调用你输入的前几条(乃至第几条)指令,正如在开发者能在沙盒里按上方向键切出之前输入的指令一样,这个插件有优秀的实用价值。
同时我也期待诞生能够查询指令历史的插件,带来类似在命令行中 Ctrl+R 的体验。
游戏工具
五月里,围绕米哈游新游戏「崩坏:星穹铁道」的插件生态很快地建立了起来,也诞生了 arcaea 和 phigros 两大音游的查分插件,还诞生了彩虹六号、Apex、EVE、FF14 等多个游戏的插件。值得补充的是,四月则诞生了两个碧蓝档案插件和一个万智牌卡查插件。
人工智能
在 AI 绘图方面,5 月诞生了 sd-list 插件,可以查询 sd webui 后端提供的模型、vae、pt和lora列表,据我所知查询 lora 列表是一个受不少人期待的功能。
在语言模型方面,5 月诞生了 oobabooga-testbot 插件,也诞生了 chathub 插件的向量数据库扩展和 embedding 服务扩展,前者是为自建语言模型提供了有力的支持,后者我不知道有什么用,但是看起来很有趣,希望作者有时间介绍一下这一套东西。
论坛发展
Koishi 论坛的五月是稳步发展的一个月。(招募一句能换掉这句的台词)
我们新建了一个独立的 blockly 分区并且迁移了原本的帖子,增加了更多 TODO,还有固定了月刊的流程。
本月度的统计数据
注册数量 194 人
上月为 217 人
每天给人回复或点赞的人数 平均 24人
上月为 23 人
新主题帖 266 帖
上月为 203 帖
回帖总数 1792
上月回帖总数 1633
从数据来看,Koishi 论坛从超高速发展转向了稳速发展。
5 个赞
H4M5TER:
另外不妨考虑加入下载量统计的功能
目前是直接把 Blockly JSON 发送到 client 了
例如这样(body 就是)
[
{
"title":"aaa",
"body":"bbb",
"author":"foo"
}
]
这样的形势没法做下载统计,可能得更新 blockly-market 2.0.0 了(
3 个赞
其实向量数据库扩展插件和 embeddings 扩展插件是相辅相成的,插件使用 embeddings 服务扩展提供的 embeddings model 来计算向量,然后就能存到某个向量数据库了。
具体是存到哪个向量数据库,就需要看向量数据库扩展插件有提供了哪些实现了。
2 个赞
向量数据库会给插件提供什么能力呢,比如像给文本聚类、判断情绪和提问?
2 个赞
文本聚类,判断情绪这些可以是传统 NLP 任务,也可以给 LLM 完成,和向量数据库无关。
至于你说的提问,那可能差不多是这个意思吧。
向量数据库适合长期记忆,QA 问答等,本质是基于用户输入的文字从数据库中匹配文本相似度高的相关数据,然后使用一些有指向性的 Prompt 在里面嵌入匹配结果给模型,让模型基于匹配的数据生成更符合用户输入要求的回答。
2 个赞