OneFileLLM的最大作用是融合多路数据源,以统一格式输出,整理成LLM的上下文资料。
来源不限于本地文件/目录、GitHub仓库、GitHub PR、GitHub Issues、ArXiv学术论文、YouTube视频字幕、网页文档、通过DOI或PMID标识的Sci-Hub论文等等。
不管是你哪来的数据,最终都会将它们编译整理成单个文本文件,然后方便复制到LLM中使用。
OneFileLLM简直就是数据整合的瑞士军刀:
- 自动源类型检测:基于提供的路径、URL或标识符自动检测数据类型
- 多源支持:支持本地文件/目录、GitHub仓库、GitHub PR、GitHub Issues、ArXiv学术论文、YouTube视频字幕、网页文档、通过DOI或PMID标识的Sci-Hub论文
- 多格式处理:能够处理Jupyter Notebook、PDF等多种文件格式
- 网页爬取:可以提取指定深度的链接页面内容
- Sci-Hub集成:使用DOI或PMID自动下载研究论文
- 文本预处理:包括压缩和未压缩输出、停用词删除和小写转换
- 自动复制功能:自动将未压缩文本复制到剪贴板,方便粘贴到LLM中
- 令牌计数报告:同时报告压缩和未压缩输出的令牌数
- XML封装:使用XML结构化输出,提高LLM理解能力
可以看到OneFileLLM完全可以覆盖掉日常大部的场景,特别是当你需要将大量信息输入到LLM中时。
科研工作研究论文分析:直接通过ArXiv ID或DOI快速获取并处理学术论文。
程序员需要对代码库理解:输入GitHub仓库URL就行,可快速获取代码库概览。
对于常用的视频站YouTube可以直接提取字幕并处理。
一些线上长文档直接爬取下载,复制给LLM学习。
安装OneFileLLM非常简单。以下是使用UV包管理器的安装步骤:
# 克隆仓库 git clone https://github.com/jimmc414/onefilellm.git cd onefilellm # 使用UV安装依赖 uv pip install -U -r requirements.txt # 或者创建虚拟环境 uv venv # 激活虚拟环境(Windows) .venvScriptsactivate # 激活虚拟环境(Linux/Mac) source .venv/bin/activate # 安装依赖 uv pip install -U -r requirements.txt
使用方法也很直观:
# 基本使用 python onefilellm.py # 或直接传入URL/路径 python onefilellm.py https://github.com/jimmc414/onefilellm
OneFileLLM的工作流程非常简单清晰:
用户提供输入URL或路径,工具检测源类型,然后调用相应的处理模块,对数据预处理文本(清理、压缩等),最后生成输出文件。
所有输出结果XML标签封装,这种结构可以提高LLM对输入的理解和处理能力。
OneFileLLM是一款非常实用的工具,极大地简化了将多源数据输入LLM的过程。
研究开发学习,经常需要向LLM提供大量结构化信息,不妨试试这个工具,可能会为你节省大量时间和精力。