fzn0x

const { serve } = require('@hono/node-server');

const { Hono } = require('hono');
const { cors } = require('hono/cors');
const app = new Hono()

app.use('/api/*', cors())

app.all('/api/abc', (c) => {
    return c.json({ success: true })

fzn0x

fzn0x

class Game2048 {
    constructor() {
        this.board = this.initializeBoard();
        this.score = 0;
        this.gameOver = false;
        this.gameWon = false;
        this.addRandomTile();
        this.addRandomTile();
    }

fzn0x

🚀󠅅󠅔󠅑󠅘󠄐󠅣󠅙󠅑󠅠󠄯󠄐󠇠󠆏󠆁󠅰󠄐︊︊󠄱󠅛󠅥󠄐󠅒󠅑󠅗󠅙󠄝󠅒󠅑󠅗󠅙󠄐󠅘󠅑󠅔󠅙󠅑󠅘󠄐󠅠󠅑󠅛󠅑󠅙󠄐󠄷󠅟󠅀󠅑󠅩󠄑󠄐󠅘󠅤󠅤󠅠󠅣󠄪󠄟󠄟󠅑󠅠󠅠󠄞󠅗󠅟󠅠󠅑󠅩󠄞󠅓󠅟󠄞󠅙󠅔󠄟󠄾󠄶󠄨󠅠󠄟󠅧󠄥󠅠󠅨󠅛󠅥󠅦󠅞︊︊󠄲󠅥󠅢󠅥󠅑󠅞󠄐󠅒󠅥󠅛󠅑󠄐󠅘󠅑󠅔󠅙󠅑󠅘󠅞󠅩󠅑󠄐󠅣󠅕󠅒󠅕󠅜󠅥󠅝󠄐󠅘󠅑󠅞󠅗󠅥󠅣󠄐󠄻󠅑󠅝󠅙󠅣󠄜󠄐󠄣󠄐󠄱󠅠󠅢󠄐󠄢󠄠󠄢󠄥󠄐󠄝󠄐󠄡󠄥󠄪󠄠󠄤󠄐󠇠󠆏󠆂󠆨󠇠󠆏󠅼󠆚󠄐󠄺󠅑󠅞󠅗󠅑󠅞󠄐󠅣󠅑󠅝󠅠󠅕󠄐󠅛󠅕󠅔󠅥󠅜󠅥󠅑󠅞󠄐󠅩󠅑󠅞󠅗󠄐󠅜󠅑󠅙󠅞󠄐󠇠󠆏󠆔󠆝

fzn0x

.-. .----. -. / .... ... --.. .. .-. -- - / .-- --.. -- --.. / .--. --.. - ...- --. / -- .-.. -.. -.-.-- / --- ...- --. .----. .... / -..- --- --.. .-. -. / .-. --. / -.-- ...- ..- .-.. .. ...- / .-. --. .----. .... / - .-.. -- ...- / # # # / ... --. --. -.- .... ---... -..-. -..-. --- .-. -- .--. .-.-.- .-- --.. -- --.. .-.-.- .-. .-- -..-. .-- --.. -- --.. .--. --.. - ...- --. ..--.. -..- -...- .... -.- --.. --... -..- ... --.- -.. ....- .-... .. -...- .-. --- .... -... -.- --.- .-... .-.. .. .-- ...- .. .-. .-- -...- ..--- ----- ..--- ..... ----- ....- ----- ..--- .---- ----- .---- ..--- .---- ....- ...-- ----. ----. .---- .---- ..... ----- .---- ----- ...-- ----- ----- .---- -.... -.... ...-- ..... .---- --... .---- ..... ---.. .---- ...-- ...-- ...-- ...--

.-. .----. -. / .... ... --.. .. .-. -- - / .-- --.. -- --.. / .--. --.. - ...- --. / -- .-.. -.. -.-.-- / --- ...- --. .----. .... / -..- --- --.. .-. -. / .-. --. / -.-- ...- ..- .-.. .. ...- / .-. --. .----. .... / - .-.. -- ...- / # # # / ... --. 

fzn0x

jkrel://tqpb.bpgi.qf/uyctsiivr?r=lmmcdup3p&z=qnJWEc&wzfvpXw=20250326101214951815010300166351714606009

fzn0x

How RAG Works:
RAG consists of two main components:

Retriever:

The retriever is responsible for fetching relevant documents or passages from a knowledge base (e.g., Wikipedia, a database, or a custom corpus).

It does not fetch from the generative model itself. Instead, it uses a separate mechanism (e.g., dense retrieval like DPR or sparse retrieval like BM25) to search through a large collection of documents.

Generator:

fzn0x

import { HfInference } from "@huggingface/inference";
import fs from "fs";

const inference = new HfInference("HF_TOKEN");

async function saveBlobToFile(blob, filePath) {
  // Convert the blob to a buffer
  const arrayBuffer = await blob.arrayBuffer();

  // Write the buffer to a file

fzn0x

  server: {
    proxy: {
      "/image": {
        target: "https://_.s3.ap-southeast-1.amazonaws.com",
        changeOrigin: true,
        rewrite: (path) => path.replace(/^\/image/, ""),
      },
    },
  },

fzn0x

// Fix issue for huge base64 image
const compressImageFromUrl = (url, quality = 0.7) => {
  const img = new Image();
  img.crossOrigin = "anonymous";
  img.src = "/image/" + (url || "").split("/").pop();

  img.onload = () => {
    const canvas = document.createElement("canvas");
    const ctx = canvas.getContext("2d");