Bild vom Herausgeber
# Einführung
Ich habe mich mit Werkzeugen der künstlichen Intelligenz (KI) beschäftigt und nicht nur darüber geschrieben, sondern sie auch jeden Tag bei meiner Arbeit als Datenwissenschaftler eingesetzt. Sie haben die Artwork und Weise, wie ich Dinge erledige, völlig verändert und mir dabei geholfen, saubereren Code zu schreiben, mein Schreiben zu verbessern, die Datenanalyse zu beschleunigen und Projekte viel schneller abzuwickeln.
In diesem Artikel teile ich die sieben KI-Instruments, die zu festen Bestandteilen meines Workflows geworden sind. Kein Ersatz, kein Ersatz – nur das Wesentliche, das alles antreibt, von maschinellen Lernprojekten bis hin zur Content material-Automatisierung.
# 1. Grammatik-KI
Bild vom Autor
Grammatikalisch ist ein Werkzeug, das ich seit quick einem Jahrzehnt verwende. Es begann als einfacher Grammatik- und Rechtschreibprüfungsassistent für meine Hausaufgaben und Abschlussarbeiten, hat sich aber zu einem vollständig KI-gestützten Schreibbegleiter entwickelt.
Jetzt kann ich jeden Textual content hervorheben und Grammarly bitten, ihn zu verbessern, neu zu schreiben, den Ton anzupassen oder ihn klarer zu machen, und es liefert durchweg qualitativ hochwertige Ergebnisse.
Nachdem ich meine Inhalte durch Grammarly laufen gelassen habe, fühlt sich alles schärfer, ausgefeilter und bereit zur Veröffentlichung an. Ich verwende es für meine LinkedIn-Beiträge, Artikel, Tutorials, Projektdokumentationen und E-Mails. Es ist eines der wenigen Werkzeuge, ohne die ich wirklich nicht leben kann.
# 2. You.com
Bild vom Autor
Ich habe verwendet You.com seit zwei Jahren, und ehrlich gesagt ist es trotz der jüngsten Erhöhung des Abonnementpreises immer noch jeden Cent wert.
Ich verlasse mich darauf, wenn es um Recherche, Planung und das Erlernen neuer Themen geht. Der Deep-Analysis-Modus ist eine der besten Funktionen; Es untersucht Themen gründlich und liefert detaillierte Berichte, die ich noch nicht gesehen habe ChatGPT oder ein anderer KI-Assistent.
Einer der größten Vorteile von You.com ist der Zugang zu Topmodels von Anthropisch, OpenAI, Googleund eine Reihe von Open-Supply-Modellen, alles an einem Ort. Sie können sie testen, vergleichen und sogar in Ihren Workflow integrieren. Darüber hinaus bietet You.com einen kostenlosen Mannequin Context Protocol (MCP)-Server an, der es unglaublich einfach macht, Ihre lokalen KI-Instruments zu verbinden und Net-Ergebnisse in Millisekunden abzurufen.
Für rechercheintensive Arbeiten oder die Erkundung neuer Ideen ist You.com mit Sicherheit eines meiner zuverlässigsten Instruments.
# 3. Cursor
Bild vom Autor
Ich struggle ein Fan von Cursor lange bevor es populär wurde. Es ist leichtgewichtig, intuitiv und einer der ersten Editoren, der native Unterstützung für Agenten-KI-Workflows bietet.
Heute verwende ich Cursor mit Claude Code und mehrere wichtige Erweiterungen, um Code viel schneller zu testen, zu debuggen und zu versenden, und ich liebe jedes Element davon.
Ich verwende Cursor für das Coaching von Modellen für maschinelles Lernen, die Webentwicklung, die API-Erstellung, die Datenanalyse und sogar für die Zusammenstellung kompletter Projekte von Grund auf. Funktionen wie Inline-KI-Vorschläge, Multi-File-Argumentation, sofortiges Refactoring und kontextbewusste Planung sorgen dafür, dass es sich wie ein echter KI-Paarprogrammierer anfühlt.
# 4. Deepnote
Bild vom Autor
Deepnote ist mein bevorzugtes Software für schnelles Prototyping und Testen von Code. Ich benutze es seit fünf Jahren und es hat sich zu einer voll funktionsfähigen Knowledge-Science-Plattform entwickelt. Es handelt sich um ein Cloud-basiertes Pocket book mit KI-Unterstützung. Das heißt, Sie können es einfach mit der Analyse Ihrer Daten beauftragen und es generiert Schritt für Schritt Code, führt ihn aus, behebt Fehler und erstellt einen sauberen, strukturierten Pocket book-Bericht für Sie.
Es verfügt über intelligente automatische Vervollständigung, Debugging-Unterstützung und schnelles Laden der Umgebung, was das Experimentieren mühelos macht. Ich verwende es für meine Tutorials, Demos und schnellen Experimente und es hat meine Zeit zum Entwickeln und Testen von Ideen drastisch verkürzt.
Ich habe mich so an den Deepnote-Workflow gewöhnt, dass ich nur noch selten lokale Notizbücher berühre. Alles bleibt on-line, organisiert und synchronisiert. Für die Artwork von Arbeit, die ich mache, gibt es nichts Besseres.
# 5. Claude Code
Bild vom Autor
Ehrlich gesagt struggle ich Claude Code zunächst skeptisch gegenüber. Es fühlte sich zu teuer an und schnitt bei einigen meiner frühen Knowledge-Science-Assessments nicht intestine ab. Aber alles änderte sich, als ich entdeckte, dass ich das integrieren konnte GLM-Codierungsplan damit. Seitdem verwende ich Claude Code jeden Tag sowohl für persönliche Projekte als auch für die Arbeit.
Die Verwendung fühlt sich nahtlos an. Ich habe Open Code ausprobiert, Zwillinge, Kodexund sogar Droid, aber ich komme immer wieder auf Claude Code zurück.
Seine Einfachheit, die Artwork und Weise, wie es Anweisungen befolgt, und seine Fähigkeit, komplexe Aufgaben automatisch zu erledigen, machen es unglaublich zuverlässig. Für eine schnelle Entwicklung, klare Argumentation und die Handhabung mehrstufiger Codierungsworkflows gibt es nichts Besseres.
# 6. ChatGPT
Bild vom Autor
Wo fange ich überhaupt mit ChatGPT an? Es ist seit dem Tag seiner Einführung Teil meines täglichen Lebens. Ich verwende es für alles – zum Codieren, Recherchieren, Debuggen von Problemen, Fehlerbehebung in meinem System, Schreiben und Optimieren meines Arbeitsablaufs.
Wenn ich bei einem komplexen Drawback nicht weiterkomme, ist ChatGPT die erste Anlaufstelle für eine schnelle und zuverlässige Antwort. Ich stelle ihm persönliche Fragen, arbeitsbezogene Fragen und alles dazwischen, und dank seiner Fähigkeit, sich an vergangene Gespräche zu erinnern, gibt er stets nützliche, kontextbezogene Antworten.
Was ChatGPT für mich so leistungsstark macht, ist die Kombination aus Gesprächsspeicher, flexiblen Eingaben und benutzerdefinierten Anweisungen. Es passt sich meiner Arbeitsweise an, versteht meine Muster und kann mühelos zwischen Aufgaben wechseln.
Egal, ob ich Code generiere, Notizbücher überprüfe, Inhalte entwerfe oder Daten analysiere, es kommt dem am nächsten, einen Vollzeit-KI-Accomplice für meinen Arbeitsablauf an meiner Seite zu haben.
# 7. lama.cpp
Bild vom Autor
lama.cpp ist das Rückgrat des lokalen KI-Ökosystems. Es ist vollständig Open Supply und ermöglicht die lokale Ausführung großer Sprachmodelle auf normaler Shopper-{Hardware}, auch ohne GPU. Es ist leicht, schnell und unglaublich effizient und bietet echte Naked-Steel-Leistung. Kürzlich haben die Entwickler sogar eine saubere Benutzeroberfläche hinzugefügt, wodurch es sich quick wie ein lokaler Ersatz für ChatGPT anfühlt.
Ich verwende llama.cpp für Offline-Projekte und alle Arbeiten, die sensiblen Code oder personal Daten beinhalten. Es lässt sich problemlos in lokale Programmieragenten, Chatbots und benutzerdefinierte Instruments integrieren und die Einrichtung ist so einfach geworden, dass sogar Home windows-Benutzer es problemlos installieren können. Wann immer ich neue Open-Supply-Modelle testen möchte, führe ich sie über llama.cpp direkt auf meinem Laptop computer aus und teile meine Erfahrungen. Ich verwende es auch zum Generieren von Code, zum Schreiben und zur schnellen Beantwortung von Fragen.
Es ist nicht auf dem Niveau von ChatGPT, aber wenn Ihnen Datenschutz, Sicherheit und das kostenlose Experimentieren mit neuen Modellen am Herzen liegen, ist llama.cpp das Software, das Sie in Ihrem Stack haben möchten.
# Letzte Gedanken
Meine Kerntools bleiben die gleichen: Grammarly, You.com, Cursor und ChatGPT. Der Relaxation ändert sich je nach meinem Arbeitsablauf oder wenn bessere Alternativen auftauchen.
Als jemand mit Legasthenie struggle es ein echter Vorteil, KI-Unterstützung zur Hand zu haben. Diese Instruments helfen mir, komplexe Texte zu verstehen, meine Texte zu überprüfen und sogar Recherchen durchzuführen, für die ich normalerweise Stunden brauchen würde. Durch die Entdeckung von Grammarly, ChatGPT und Cursor wurde aus einer scheinbaren Herausforderung eine meiner Stärken.
Ich glaube nicht, dass KI hier ist, um uns zu ersetzen. Es ist hier, um uns zu unterstützen und eine neue Technology von Arbeitsabläufen zu gestalten, bei denen KI zu einem natürlichen Bestandteil unserer Artwork und Weise wird, wie wir bauen, schreiben, lernen und kreieren. Wenn es richtig eingesetzt wird, schmälert es Ihre Fähigkeiten nicht; es verstärkt sie.
Abid Ali Awan (@1abidaliawan) ist ein zertifizierter Datenwissenschaftler, der gerne Modelle für maschinelles Lernen erstellt. Derzeit konzentriert er sich auf die Erstellung von Inhalten und das Schreiben technischer Blogs zu maschinellem Lernen und Datenwissenschaftstechnologien. Abid verfügt über einen Grasp-Abschluss in Technologiemanagement und einen Bachelor-Abschluss in Telekommunikationstechnik. Seine Imaginative and prescient ist es, ein KI-Produkt mithilfe eines graphischen neuronalen Netzwerks für Schüler mit psychischen Erkrankungen zu entwickeln.