1 分钟给 Siri 升个级!从智Z变身 ChatSiri!

本文介绍了如何利用Laf云开发平台将Siri与ChatGPT集成,只需编写一个云函数即可实现,无需关注繁琐的部署和运维。通过Laf的便捷性,Siri可作为AI聊天助手,快速响应用户需求。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

众所周知,Siri 是一个智Z!那么如果能接入大火的 chatGPT,是不是就会从智 Z 变成人工智能?!

众所周知,Laf 是一个集函数、数据库、存储为一体的云开发平台,可以随时随地发布上线代码!那么如果能使用 Laf 来实现将 Siri 接入 ChatGPT,是不是只需要写一个云函数就完事,而无需关心部署、运维等一切与业务无关的糟心事?!

话不多说马上开始!

接入步骤

创建并发布云函数

首先需要注册登录 Laf 海外节点,然后新建云函数,我这里命名为 siri。

file

替换下方代码:

import cloud from '@lafjs/cloud'

export async function main(ctx: FunctionContext) {
  const { ChatGPTAPI } = await import('chatgpt')
  const data = ctx.body

  // 这里需要把 api 对象放入 cloud.shared 不然无法追踪上下文
  let api = cloud.shared.get('api')
  if (!api) {
    api = new ChatGPTAPI({ apiKey: cloud.env.CHAT_GPT_API_KEY })
    cloud.shared.set('api', api)
  }

  let res
  // 这里前端如果传过来 parentMessageId 则代表需要追踪上下文
  if (!data.parentMessageId) {
    res = await api.sendMessage(data.message)
  } else {
    res = await api.sendMessage(data.message, { parentMessageId: data.parentMessageId })
  }
  return res
}

新建环境变量,把你的 ChatGPT 的 key 填进去:

file

环境变量的 NAME 填 CHAT_GPT_API_KEY,等待应用重启。

点击发布并获取链接:

file

iPhone 安装快捷指令

Safari 打开链接:https://www.icloud.com/shortcuts/cfcaca46d61b41c5a2b3b5bab1e2ec98

file

file

填入刚刚复制的链接,点击添加快捷指令即可。

如何使用

呼出指令:嘿!Siri 同学等待 Siri 回复 “主人你好!” 后即可向 ChatGPT 提问,并用 Siri 语音回答。

使用 Laf 平台,可以轻松地将 Siri 接入 ChatGPT API,让 Siri 变身为 AI 聊天助手。只需要使用 Laf 编写一个简单的云函数即可。太快了,果然是 1 分钟发布上线 ChatGPT 应用!

最终,你就可以通过和 Siri 语音交互来获取答案和完成任务,让 Siri 变得更加智能、更加贴近生活。而这一切只需要一个快捷指令和 API key 就可以做到了。

小技巧 如果需要修改呼出指令,请修改快捷指令名称,建议以 Siri 开头。

引用链接

[1] Laf 海外节点: https://laf.dev/

关于 Laf

Laf 是一款为所有开发者打造的集函数、数据库、存储为一体的云开发平台,助你像写博客一样写代码,随时随地发布上线应用!3 分钟上线 ChatGPT 应用!

Laf 的适用场景非常广泛,大到企业官网和信息化建设,小到个人博客、微信小程序,理论上可以开发任何应用!未来 AI 应用一定会爆炸式增长,很多传统的方式都将会被彻底颠覆,在这个浪潮中兵贵神速,Laf 的快速发布上线能力恰好可以快速开发各种 AI 应用,让 AI 能力快速落地,帮助 AI 浪潮下的企业在竞争中快速胜出。Laf 提供了开箱即用的云函数,云数据库,对象存储等能力,请求更快、开发更简单、性价比更高,而且完全开源,支持私有化部署。我们致力于为所有开发者提供敏捷高效的服务。

🌟GitHub:https://github.com/labring/laf

🏠官网(国内):https://laf.run

🌎官网(海外):https://laf.dev

💻开发者论坛:https://forum.laf.run sealos 以kubernetes为内核的云操作系统发行版,让云原生简单普及

laf 写代码像写博客一样简单,什么docker kubernetes统统不关心,我只关心写业务!

内容概要:本文介绍了一种利用元启发式算法(如粒子群优化,PSO)优化线性二次调节器(LQR)控制器加权矩阵的方法,专门针对复杂的四倒立摆系统。传统的LQR控制器设计中,加权矩阵Q的选择往往依赖于经验和试错,而这种方法难以应对高维度非线性系统的复杂性。文中详细描述了如何将控制器参数优化问题转化为多维空间搜索问题,并通过MATLAB代码展示了具体实施步骤。关键点包括:构建非线性系统的动力学模型、设计适应度函数、采用对数缩放技术避免局部最优、以及通过实验验证优化效果。结果显示,相比传统方法,PSO优化后的LQR控制器不仅提高了稳定性,还显著减少了最大控制力,同时缩短了稳定时间。 适合人群:控制系统研究人员、自动化工程专业学生、从事机器人控制或高控制算法开发的技术人员。 使用场景及目标:适用于需要精确控制高度动态和不确定性的机械系统,特别是在处理多自由度、强耦合特性的情况下。目标是通过引入能化的参数寻优手段,改善现有控制策略的效果,降低人为干预的需求,提高系统的鲁棒性和性能。 其他说明:文章强调了在实际应用中应注意的问题,如避免过拟合、考虑硬件限制等,并提出了未来研究方向,例如探索非对角Q矩阵的可能性。此外,还分享了一些实践经验,如如何处理高频抖动现象,以及如何结合不同类型的元启发式算法以获得更好的优化结果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值