分类

Posted in

个人理财与资产管理：开源的个人财务操作系统 | 开源日报 No.284_AI阅读总结 — 包阅AI

by baoyueai

包阅导读总结

1. 个人理财、资产管理、开源、操作系统、推断平台

2. 文本介绍了多款开源项目，包括个人财务操作系统 maybe 、微软的清单存储库 winget-pkgs 、最小的 PaaS piku 、基于 Python 的 UI 框架 mesop 、极速的 LLM 推断平台 mistral.rs 。

3.

– 个人理财与资产管理

– maybe：个人财务操作系统，能连接获取理财建议，支持多货币，有相关 API 密钥

– 微软相关

– winget-pkgs：微软社区 Windows Package Manager 的清单存储库，支持多种应用安装器，有详细文档和功能

– 部署相关

– piku：受 dokku 启发，可通过 git push 部署到服务器，支持多种架构和服务器

– UI 框架

– mesop：基于 Python 的 UI 框架，可快速构建 Web 应用

– 推断平台

– mistral.rs：极速 LLM 推断平台，支持多种量化模型和设备，有兼容服务器和多种模型

思维导图：

文章地址：https://mp.weixin.qq.com/s/eht5DMlp8Ut9g0IEXGcoOQ

文章来源：mp.weixin.qq.com

作者：帅比柒

发布时间：2024/6/23 1:31

语言：中文

总字数：901字

预计阅读时间：4分钟

评分：81分

标签：个人理财,资产管理,开源,理财师,多货币

以下为原文内容

本内容来源于用户推荐转载，旨在分享知识与观点，如有侵权请联系删除 联系邮箱 media@ilingban.com

picture

maybe-finance/maybehttps://github.com/maybe-finance/maybe

Stars: 27.3k License: AGPL-3.0

picture

maybe 是一个个人财务操作系统，旨在帮助用户管理自己的财务。它具有以下主要功能和核心优势：

  • 包括与真实 CFP/CFA 连接以获取理财建议的 “Ask an Advisor” 功能。
  • 支持多货币操作，并提供基本多货币支持所需的 API 密钥。

microsoft/winget-pkgshttps://github.com/microsoft/winget-pkgs

Stars: 8.3k License: MIT

winget-pkgs 是微软社区 Windows Package Manager 的清单存储库。

  • 包含 Windows Package Manager 默认源的清单文件。
  • 支持 MSIX、MSI、APPX 或 .exe 应用程序安装器，不支持基于脚本的安装器和字体。
  • 提供详细文档以及常见主题如编写清单、测试清单、提交新包请求等功能。

piku/pikuhttps://github.com/piku/piku

Stars: 5.1k License: MIT

picture

piku 是你见过的最小的 PaaS。piku 受 dokku 启发，允许你通过 git push 将部署推送到自己的服务器，无论它们有多小。

  • 允许通过 git push 进行部署到自己的服务器。
  • 能够在 ARM 和 Intel 架构上部署和管理应用程序。
  • 支持基于 Python、nginx 和 uwsgi 运行的任何云提供商和裸金属服务器。

google/mesophttps://github.com/google/mesop

Stars: 3.2k License: Apache-2.0

picture

mesop 是一个基于 Python 的 UI 框架，可以快速构建令人愉悦的 Web 应用程序。

  • 灵活构建演示界面，无需编写 JavaScript/CSS/HTML
  • 只需不到 10 行代码即可编写第一个 Mesop 应用程序

EricLBuehler/mistral.rshttps://github.com/EricLBuehler/mistral.rs

Stars: 2.6k License: MIT

picture

mistral.rs 是一个极速的 LLM 推断平台。这个项目主要解决的问题是：提供一个快速的 LLM 推断平台，支持在各种设备上进行推断，量化和易于使用的应用，具有 Open-AI API 兼容的 HTTP 服务器和 Python 绑定。

  • 支持量化模型：2 位、3 位、4 位、5 位、6 位和 8 位，以实现更快的推断和优化的内存使用。
  • 设备映射：在设备上加载和运行一些层，然后在 CPU 上重置。
  • 使用 mkl 的 CPU 推断，加速支持和优化后端。
  • 轻量级的 OpenAI API 兼容的 HTTP 服务器。
  • 在场量化（ISQ）：直接从 Huggingface Hub 运行 .safetensors 模型，通过加载后量化它们，而不是创建 GGUF 文件。
  • 支持的模型有 Mistral 7B、Gemma、Llama、Mixtral 8x7B、Phi 2、Phi 3、Qwen 2。