Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
一个双语智能体,用 pandas 计算和交互式图表回答关于医疗理赔数据的描述性问题。这个 Space 只用抽样的演示文件,不给任何医疗建议。
Medical Insight Explorer Agent 是一款工具包,属于商务类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。
pip install -U huggingface_hub hf download Artur-Melnyk/Medical-Insight-Explorer-Agent --repo-type space --local-dir Medical-Insight-Explorer-Agent cd Medical-Insight-Explorer-Agent
Medical Insight Explorer Agent 是一个双语的医疗数据分析智能体。它用普通的 pandas 代码来算出答案,而不是靠猜,会走有限的几步分析,并用 Gradio 显示交互式图表。这个 Space 用的是仅供演示的抽样 Parquet 文件。
适合分析医疗理赔数据、想通过提问得到描述性数字和图表的分析师。开发者和学生也可以把它当作一个计算固定、可重复的分析智能体示例来阅读。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 医疗数据分析 | 理赔分析师 | 对理赔数据提出描述性问题 | 让它给出抽样理赔数据的分项统计 |
| 健康保险 | 报表团队 | 不写代码就得到可重复的数字和图表 | 为例行报告生成一张图表 |
| 教育 | 数据分析专业的学生 | 研究智能体如何让计算保持确定 | 对照应用阅读 agent 文件夹 |
| 软件 | Python 开发者 | 复用有限多步分析的做法 | 复制这个 Space,换成自己的表格 |
如果你想要诊断、治疗建议或欺诈结论,可以跳过它,因为它一样都不做。
| 用途 | 适合谁 | 你得到什么 |
|---|---|---|
| 描述性理赔分析 | 分析师 | 在抽样数据上用 pandas 算出的数字 |
| 交互式图表 | 报表团队 | 可以自己探索的 Gradio 可视化 |
在线使用什么都不用准备。在自己的电脑上跑,需要准备一点东西。
pip install -U huggingface_hub hf download Artur-Melnyk/Medical-Insight-Explorer-Agent --repo-type space --local-dir Medical-Insight-Explorer-Agent cd Medical-Insight-Explorer-Agent pip install gradio==4.44.1 pip install -r requirements.txt python app.py
在线使用时,打开这个 Space 的页面,用它支持的两种语言之一提问。在自己的电脑上,就在项目文件夹里运行下面这条命令,再打开 Gradio 显示的页面。
python app.py
你对抽样的理赔数据提一个描述性问题。智能体用 pandas 分几步有限的步骤算出结果,并以交互式图表显示出来。
如果你是新手,先打开这个 Space 的页面,对样本数据问一个简单的问题。不用安装任何东西,你就能看到智能体怎样把问题变成数字和图表。
如果你熟悉这个领域:关键在于确定性。数字来自 pandas 的计算,而不是模型随口生成的文字,分析的步数也有上限。代价是范围:它只做受控的描述性分析,而且用的是数据的一小份样本。
这个 Space 是演示,里面的数据是样本。
一个双语智能体,用 pandas 计算和交互式图表回答关于医疗理赔数据的描述性问题。这个 Space 只用抽样的演示文件,不给任何医疗建议。
由 Artur-Melnyk 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。
它是什么:Medical Insight Explorer Agent 是一个双语的医疗数据分析智能体。它用普通的 pandas 代码来算出答案,而不是靠猜,会走有限的几步分析,并用 Gradio 显示交互式图表。这个 Space 用的是仅供演示的抽样 Parquet 文件。
适合谁:适合分析医疗理赔数据、想通过提问得到描述性数字和图表的分析师。开发者和学生也可以把它当作一个计算固定、可重复的分析智能体示例来阅读。
行业 | 谁在用 | 怎么用 | 例子
医疗数据分析 | 理赔分析师 | 对理赔数据提出描述性问题 | 让它给出抽样理赔数据的分项统计
健康保险 | 报表团队 | 不写代码就得到可重复的数字和图表 | 为例行报告生成一张图表
教育 | 数据分析专业的学生 | 研究智能体如何让计算保持确定 | 对照应用阅读 agent 文件夹
软件 | Python 开发者 | 复用有限多步分析的做法 | 复制这个 Space,换成自己的表格
如果你想要诊断、治疗建议或欺诈结论,可以跳过它,因为它一样都不做。
用在哪里:
用途 | 适合谁 | 你得到什么
描述性理赔分析 | 分析师 | 在抽样数据上用 pandas 算出的数字
交互式图表 | 报表团队 | 可以自己探索的 Gradio 可视化
如何设置:在线使用什么都不用准备。在自己的电脑上跑,需要准备一点东西。
pip install -U huggingface_hub
hf download Artur-Melnyk/Medical-Insight-Explorer-Agent --repo-type space --local-dir Medical-Insight-Explorer-Agent
cd Medical-Insight-Explorer-Agent
pip install gradio==4.44.1
pip install -r requirements.txt
python app.py
如何使用:在线使用时,打开这个 Space 的页面,用它支持的两种语言之一提问。在自己的电脑上,就在项目文件夹里运行下面这条命令,再打开 Gradio 显示的页面。
python app.py
示例:你对抽样的理赔数据提一个描述性问题。智能体用 pandas 分几步有限的步骤算出结果,并以交互式图表显示出来。
新手与专家:如果你是新手,先打开这个 Space 的页面,对样本数据问一个简单的问题。不用安装任何东西,你就能看到智能体怎样把问题变成数字和图表。
如果你熟悉这个领域:关键在于确定性。数字来自 pandas 的计算,而不是模型随口生成的文字,分析的步数也有上限。代价是范围:它只做受控的描述性分析,而且用的是数据的一小份样本。
你用任一种语言提问
智能体规划有限的几步
pandas 算出数字
Gradio 画出交互式图表
你查看结果
注意事项:这个 Space 是演示,里面的数据是样本。
在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。
README.md 4 KB
同一分类里与本产品共有标签最多的已上架 Hugging Face Space。
| 产品 | 点赞 | 构建方式 | 许可证 | 最近更新 |
|---|---|---|---|---|
| Medical Insight Explorer Agent 本页 | 1 | gradio | mit | |
| Signature Detection共有 gradio | 12 | gradio | agpl-3.0 | |
| Salamtak سلامتك共有 gradio | 2 | gradio | agpl-3.0 | |
| Customer Churn Predictor共有 gradio | 1 | gradio | mit | |
| Whisper Chileno共有 gradio | 1 | gradio | apache-2.0 | |
| Food Waste CV共有 gradio | 1 | gradio | agpl-3.0 |
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
perplexity-ai · 工具包
根据文字和图片为一个决策挑出最合适的选项,比如哪个团队应该处理一条请求,并给出每个选项的概率,适合构建分流和审核工作流的开发者。
numind · 工具包
以文本或图像读取文档,按你要的字段填写 JSON 模板,或把页面转成 Markdown。这是一个 4B 模型,适合处理扫描件、表单和发票的团队。
nace-ai · 工具包
一次推理就对一份文档的是非题、选择题和打分题给出每个选项的概率。这是 Nace.AI 的 8B 决策模型,你可以自己运行,许可证为非商业。