有一个小朋友的私人教练微信群，个人手机中存储的微信聊天历史，如何提取成ai可以使用的知识库包含时间线，语音，图片视频。

以下是制作链接飞书知识库与微信群的 AI 机器人的步骤： 1. 配置极简未来（Link.AI）平台： 按照官方教程进行操作，教程地址为：https://docs.linkai.tech/platform/createapp ，学习补充可参考：https://docs.linkai.tech/platform/quickstart 。 注意以下几点： 教程中的应用是创建一个具体的 AI 问答机器人应用。 教程中的知识库是给绑定到指定问答机器人的资料数据集，让机器人基于这些内容回答问题。 知识库应用中的应用设定是给 AI 机器人的提示词内容或者人设，关于提示词可查看教程：https://waytoagi.feishu.cn/wiki/OqJQwzq2wi9EIOkFtFkclM24nSe 。 记住创建成功的 AI 应用的应用 ID，后续会用到。 2. 生成 API Key 用于后续功能对接： 地址为：https://linkai.tech/console/interface 。 点击创建 API Key，并记住这个 API Key，后续会用到。 另外，在「AI 学习三步法：实践」中用 Coze 免费打造自己的微信 AI 机器人的步骤如下： 1. 设计 AI 机器人： 确定功能范围。 开始节点配置：输入变量名写“Question”，描述写“用户输入的问题”，变量类型选“String”。 知识库配置：将开始节点和知识库左侧节点连接，知识库输入引用开始节点的变量“Question”，添加创建好的知识库，将知识库右侧节点与结束节点左侧连接。 结束节点配置：输出变量定义“question”引用“开始节点的 Question”，“answer”引用“知识库节点的输出 output”，回答模式选择“使用设定的内容直接回答”。 试运行测试：点击右上角“试运行”，输入问题进行测试。

以下是关于“AI 与新闻”的相关内容： 首届北京城市形象 AI 创作征集活动即将正式启幕，相关媒体报道的链接包括北京日报、京报网、百家、头条、微博、企鹅等。 2023 年 4 月创立至今，“Way to AGI（通往通用人工智能之路）”构建了庞大的知识库体系，涵盖各种技术介绍、AI 行业新闻分析、AI 应用实操，获得了大量浏览和用户交流。 橘子的新文章对国内外已有的 18 家 AI 搜索做了测评，分组包括豆包、秘塔 AI 等。 介绍了六个国家公众对新闻中生成人工智能的看法，公众认为其可能更新时效性更好、成本更低，但对可靠性和透明度持怀疑态度，认为新闻媒体使用应适当披露或标注。 Ethan Mollick 提出作为商学院教授对 AI 崛起给学术研究带来危机和机遇的看法，包括四个“狭义奇点”。

AI 在医院医用耗材出入库数据处理方面可以发挥以下作用，以方便耗材管理人员进行数据分析： 1. 预测需求：通过分析历史出入库数据、医院科室使用情况、季节变化等因素，预测未来某段时间内的耗材需求量，优化库存管理策略，降低成本。 2. 库存优化：实时监控库存水平，及时发现库存过高或过低的情况，提醒管理人员进行调整。 3. 数据分类与整合：对大量的出入库数据进行分类和整合，使其更易于分析和理解。 4. 异常检测：识别出入库数据中的异常情况，如突然的大量领用或长时间未领用等，及时发现潜在问题。 5. 成本分析：计算不同种类、不同批次耗材的采购成本和使用成本，为成本控制提供依据。 需要注意的是，以上内容由 AI 大模型生成，请仔细甄别。

以下为您推荐 4 个画分镜头的 AI 工具： 1. Pika：对于奇幻感较强的画面把控较好，自然度高，但真实环境画面易糊，更新的唇形同步功能便捷。 2. Pixverse：在高清化方面有优势，对偏风景和纪录、有特定物体移动的画面友好，但生成视频有帧率问题，处理人物时易出戏。 3. Runway：在真实影像质感方面最佳，战争片全景镜头处理出色，控件体验感好，但爱变色，光影不稳定。 4. SVD：整体表现略差，仅在风景片测试中表现较好。 在实际使用中，可根据不同工具对画面的处理能力进行组合使用，例如 Pixverse 擅长物体滑行运动，Runway 可辅助完成有手部特殊运动的画面，需要人物表情自然的画面可用 Pika 生成。

以下是关于画分镜头的 AI 相关内容： 在利用 AI 拆分镜时，完成前期设定和剧本生成对应的分镜内容后，GPT 虽有结构化的优势，但因分镜较细可能会丢失内容，需人工审核查缺补漏。制作分镜时要考虑视角，如第一人称视角还是第三人称视角，以及视角的切换，使读者更好地理解故事。 设计分镜时要注意详细的定义，例如从本子 311 到 314 的画面，通过视角的来回切换让故事走向更清晰。永远记住，剧本转化为影像时很多表达与文字不同，当前 AI 做不了长镜头，要做减法，分镜指令要明确，如“谁+干什么”“什么东西+在哪里”，不要用难以呈现画面的表述。制作分镜过程要按画面角度思考，以画面驱动文字，设计分镜表时要考虑人物视角、画面描述（可实现的动作、人物表情）。 用 AI 制作分镜时，AI 容易把段落当成一句话或把一个画面拆分成几个镜头，这需要人工干预检查景别、画面描述、前后镜关联。AI 拆分的分镜只能作为参考，需人工再看，否则出图会很痛苦，同时要注意前后镜的关系，避免画面割裂。

以下为一些画分镜头脚本的 AI 工具及相关信息： 1. Claude：分镜提示词的结构为“我要做多长时间的视频+要出多少个分镜+每个分镜包含哪些内容+对输出格式有什么要求”。可将故事脚本改写成指定时长和格式的分镜脚本，例如 30 秒时长、包括序号、场景、景别等内容的广告片分镜脚本，并以 markdown 列表形式输出。其给出的分镜符合奔驰广告的特点，对于 30 秒的简短广告，10 个分镜较为合适，每个分镜平均 3 秒。景别是让 MJ 生图时的提示词内容之一，镜头时长设定了每个分镜的长度，画面内容可用于 MJ 生图，对话旁白可用于生成配音，音乐音效能为创作背景音提供思路。分镜脚本示例可参考： 2. GPTs：以的冰工厂赛道为例，分镜头脚本制作的参考 prompt 为“请帮我把一下（广告故事）设计成（30）秒的可执行分镜脚本，要求使用不同的景别进行画面切换，并给我（100 字）左右的详细画面描述，并每句都加入（高清，真实感，3D，blender）这些文字，整体节奏（顺畅紧张且有趣）”。 3. Anifusion：这是一款基于人工智能的在线工具，可通过输入文本描述生成漫画页面或动漫图像，还提供直观的布局工具、强大的画布编辑器、多种 AI 模型支持等功能。用户对创作的作品拥有完整的商业使用权，可用于独立漫画创作、快速原型设计、教育内容、营销材料等方面。其优点是非艺术家也能轻松创作漫画，基于浏览器无需额外安装软件，具有快速迭代和原型设计能力，并拥有创作的全部商业权利。

以下是关于 AIGC 图像审查领域的相关信息： 如何判断一张图片是否 AI 生成： AI 技术自身带来造假难题，可通过一些网站如 ILLUMINARTY（https://app.illuminarty.ai/）对大量图片数据抓取和分析来判断画作属性，但存在测试中真实摄影作品被误判为 AI 作图的情况，这是因为鉴定 AI 的逻辑算法不能像人类一样综合考虑各种不符合逻辑的表现。 从不同角度看鉴别 AIGC 的需求： 技术出身的朋友多出于对 AI 产物底层逻辑的追溯兴趣，关心能否通过数据检测等手段实现鉴别并应用于创造收益。 产业领域的朋友面对 AI 技术冲击，关注其在工作流中的影响，以求应对可能的裁员风险。 法律背景的朋友认为鉴别 AIGC 对未来著作权法律判定有意义，首例 AIGC 侵权案件悬而未决，需判定 AI 作品中智力投入占比。 最近招聘信息：猿印教育招聘 AIGC 图像生成算法工程师/专家，工作地点在北京五道口附近。简历发送至：stephen.wang@yyinedu.com 。岗位职责包括开发针对性图像生成解决方案、负责模型部署和推理性能优化、推动团队技术水平提升等。任职要求为计算机相关专业本科及以上学历，具备扎实计算机基础知识，熟练掌握 Python 语言和主流深度学习框架，对相关理论和方法有深入理解，具有良好的学习、沟通和团队合作能力。

目前在微信中，Coze 平台是一个 AI 智能体创作平台，可以根据需求构建 AI 机器人并发布到多种社交平台。微信的不同功能在与 AI 对接上有所差异： 1. 个人微信/微信群：Coze AI 平台之前不支持直接对接，但国内版正式发布 API 接口功能后，直接对接已成为可能。 2. 微信公众号：Coze AI 平台支持对接，能让 AI 机器人自动回复用户消息。 3. 微信服务号：同样支持对接，可帮助企业提升服务效率。 4. 微信客服：Coze AI 平台支持对接，使 AI 机器人能够自动回答用户咨询，提高客服响应速度。 在把 AI 大模型能力接入微信后，对于类似客服的应用场景，存在模型幻觉导致胡乱回答的问题。对于非技术从业者，落地场景存在困难。一个问答机器人的界面配置包括 AI 模型、提示词、知识库。

要实现一个微信 AI 客服，您可以参考以下两种方法： 方法一： 1. 搭建，用于汇聚整合多种大模型接口，方便后续更换使用各种大模型，同时会告诉您如何白嫖大模型接口。 2. 搭建，这是一个知识库问答系统，将知识文件放入其中，并接入上面的大模型作为分析知识库的大脑，最后回答您的问题。如果不想接到微信，自己使用，搭建完此系统即可，它也有问答界面。 3. 搭建，其中的 cow 插件能进行文件总结、MJ 绘画等。 方法二： 1. 确定功能范围： 支持用户发送“关键字”，自助获取您分享的“AI 相关资料链接”。 能够回答 AI 相关知识，优先以“您的知识库”中的内容进行回答，若知识库内容不足，则调用 AI 大模型回复，并在答案末尾加上“更多 AI 相关信息，请链接作者：jinxia1859”。 “AI 前线”能发布在您的微信公众号上，作为微信客服助手。 2. 准备以下内容： 根据 Bot 的目的、核心能力，编写 prompt 提示词。 整理“关键字”与“AI 相关资料链接”的对应关系，可用 word、txt、excel 整理。 创建一个自己的【知识库】，用于回答 AI 相关知识。 由于“AI 前线”要按照一定规则处理知识，创建一个【工作流】，控制 AI 按要求处理信息。 准备好自己的微信公众号，以便将机器人发布在微信公众号上。 以上就是实现微信 AI 客服的两种方式及具体步骤。

以下是关于能设计微信小程序的 AI 的相关信息： 有案例介绍了如何利用 chatgpt 来实现微信小程序的搭建，包括注册小程序和开发上线的步骤。 用 Coze 免费打造自己的微信 AI 机器人时，确定功能范围包括支持用户发送“关键字”获取“AI 相关资料链接”、能回答 AI 相关知识（优先以“我的知识库”回答，不足时调用 AI 大模型并在答案末尾添加相关信息）、能发布在微信公众号上作为“微信客服助手”。要实现此功能，需要准备的内容有：根据 Bot 目的和核心能力编写 prompt 提示词；整理“关键字”与“AI 相关资料链接”的对应关系；创建自己的知识库；创建工作流来控制 AI 按要求处理信息；准备好微信公众号。并且还展示了“AI 前线”Bot 的最终效果界面。

以下是关于微信机器人的相关内容： 纯 GPT 大模型能力的微信聊天机器人搭建： 1. 配置腾讯云轻量应用服务器，配置部署 COW 组件。 在复制的 dockercompose.yml 文件中修改具体配置来串联微信号和已创建好的 AI 机器人，参考官方来源：https://docs.linkai.tech/cow/quickstart/config 。 配置中的每个参考名称的全大写描述，如 open_ai_api_key 对应编排模板的 OPEN_AI_API_KEY ，以此类推在编排模板配置具体参数。 私聊或群聊时，最好加上前缀触发机器人回复，如配置的 对应 SINGLE_CHAT_PREFIX ，群聊中对应 GROUP_CHAT_PREFIX ，机器人只会回复群里包含 @bot 的消息。 GROUP_NAME_WHITE_LIST 用来配置哪些群组的消息需要自动回复。 基于 Hook 机制的微信 AI 机器人： 1. 优势：具有相对更高的稳定性和安全性，更简单，易上手。 2. 劣势：目前插件相对较少，且仅支持 Windows 系统。 3. 部署项目： 如果已有 FastGPT 或者 OpenAI 的 key ，可以把 Ai_Lock 修改成“1”，在 OpenAI 处添加模型 key ，填写格式参照原有格式。若暂时没有，可保持 Ai_Lock 是 0 。 修改后点击保存，返回 NGCbot 文件夹下找到 main.py 文件双击运行。 运行后会弹出微信登录框，正常登录微信（若显示版本过低登录失败，查看解决方法）。 进入微信后系统自动初始化必备文件，等待完成。 运行成功后用“大号”给机器人发消息，拿到 wxid 返回到之前步骤中替换。 添加完后建议用小号登录，可用大号对小号发号施令，可尝试发送如“美女图片、美女视频、备案查询、归属查询、whois 查询、摸鱼日历、KFC 文案、周公解梦、天气查询、舔狗日记、星座查询、早安寄语、早报、晚报、Help”等指令。 此机器人还具有基于知识库的 AI 回复、支持积分系统、支持自动拉人、检测广告、自动群发等功能，以及安全新闻定时推送等有趣的小功能。

以下是关于微信机器人的相关内容： 纯 GPT 大模型能力的微信聊天机器人搭建： 1. 配置腾讯云轻量应用服务器，配置部署 COW 组件。 在复制的 dockercompose.yml 文件中修改具体配置，串联微信号和已创建好的 AI 机器人。配置参考来源：https://docs.linkai.tech/cow/quickstart/config 。 配置参数中，名称的全大写描述需对应编排模板，如 open_ai_api_key 对应 OPEN_AI_API_KEY ，model 对应 MODEL 等。 私聊或群聊时，最好加上特定前缀触发机器人回复，如配置的 ，即 SINGLE_CHAT_PREFIX ，群聊中对应 GROUP_CHAT_PREFIX ，机器人只会回复群里包含 @bot 的消息。GROUP_NAME_WHITE_LIST 用于配置哪些群组的消息需要自动回复。 基于 Hook 机制的微信 AI 机器人： 1. 优势：具有相对更高的稳定性和安全性，更简单，易上手。 2. 劣势：目前插件相对较少，且仅支持 Windows 系统。 3. 部署项目： 若已有 FastGPT 或 OpenAI 的 key ，可将 Ai_Lock 修改成“1”，在 OpenAI 处添加模型 key ，格式参照原有格式；若暂时没有，可保持 Ai_Lock 为 0 。 修改后点击保存，返回 NGCbot 文件夹下，找到 main.py 文件双击运行。 运行后会弹出微信登录框，正常登录微信（若显示版本过低登录失败，参考解决方法）。 进入微信后系统自动初始化必备文件，运行成功后用“大号”给机器人发消息，获取 wxid 并替换。 建议使用小号登录，用大号对小号发号施令，可尝试发送如“美女图片、美女视频、备案查询、归属查询、whois 查询、摸鱼日历、KFC 文案、周公解梦、天气查询、舔狗日记、星座查询、早安寄语、早报、晚报、Help”等指令。 此机器人还具有基于知识库的 AI 回复、支持积分系统、支持自动拉人、检测广告、自动群发等功能，以及安全新闻定时推送等有趣的小功能。

以下是关于微信机器人的相关内容： 纯 GPT 大模型能力的微信聊天机器人搭建： 1. 配置腾讯云轻量应用服务器，配置部署 COW 组件。 在复制的 dockercompose.yml 文件中修改具体配置，串联微信号和已创建好的 AI 机器人。配置参考来源：https://docs.linkai.tech/cow/quickstart/config 。 配置参数中，名称的全大写描述需对应编排模板，如 open_ai_api_key 对应 OPEN_AI_API_KEY 等。 私聊或群聊时，最好加上特定前缀触发机器人回复，如配置的 对应 SINGLE_CHAT_PREFIX ，群聊中对应 GROUP_CHAT_PREFIX ，且 GROUP_NAME_WHITE_LIST 用于配置自动回复的群组。 基于 Hook 机制的微信 AI 机器人： 1. 优势：具有相对更高的稳定性和安全性，更简单，易上手；劣势：目前插件相对较少，且仅支持 Windows 系统。 2. 部署项目： 若已有 FastGPT 或 OpenAI 的 key ，可将 Ai_Lock 修改成“1”，在 OpenAI 处添加模型 key ，格式参照原有格式；若暂时没有，可保持 Ai_Lock 为 0 。 修改后点击保存，返回 NGCbot 文件夹下找到 main.py 文件双击运行。 运行后会弹出微信登录框，正常登录微信（若显示版本过低登录失败，参考解决方法）。 进入微信后系统自动初始化必备文件，运行成功后用“大号”给机器人发消息，获取 wxid 并替换。 建议使用小号登录，可用大号对小号发号施令，可尝试发送如“美女图片、美女视频、备案查询、归属查询、whois 查询、摸鱼日历、KFC 文案、周公解梦、天气查询、舔狗日记、星座查询、早安寄语、早报、晚报、Help”等指令。 此机器人具有基于知识库的 AI 回复、支持积分系统、支持自动拉人、检测广告、自动群发等功能，还有安全新闻定时推送等有趣的小功能。

以下是为老师备课推荐的一些 AI 相关内容： B 站 up 主 Nally 的课程，免费且每节 15 分钟，内容很棒。 14、15 号左右白马老师和麦菊老师将带大家用 AI 做生图、毛毡字、光影字、机甲字等。 16 号晚上中老师将带大家动手操作炼丹，炼丹可能需要准备一些图，后续会让中老师提前发布内容方便大家准备。 工程生产有很多可控性，AI 视频相关内容丰富，文档会列出工具优劣及操作。很多工具每天有免费积分，共学课程基本不用花钱。每周有 AI 视频挑战赛。 有 AI 音乐的流派和 prompt 电子书，格林同学做了翻译。 此外，还有以下相关信息： 高效 PB 及相关案例：高效 PB 投入力度大，有厉害的伙伴，案例在社区，有多种 battle 方式，会有菩萨老师专门介绍。 11 月 2 号左右将开展博物馆奇妙日主题活动，在各地博物馆进行新创意。 关于 AI 知识库及学习路径的介绍，包括时代杂志评选的领军人物、AI 相关名词解释、知识库的信息来源、社区共创项目、学习路径、经典必读文章、初学者入门推荐、历史脉络类资料等。

以下是使用 Coze 搭建一个关于自然语言课程期末复习指南智能体的步骤： 1. 访问 Coze 官网（https://www.coze.cn），注册并登录。 2. 点击页面左上角的⊕，通过【标准创建】填入智能体的基本信息。 3. 了解 Bot 开发调试界面： 人设与回复逻辑（左侧区域）：设定智能体的对话风格、专业领域定位，配置回复的逻辑规则和限制条件，调整回复的语气和专业程度。 功能模块（中间区域）： 技能配置： 插件：扩展智能体的专业能力，如计算器、日历等工具。 工作流：设置固定的处理流程和业务逻辑。 图像流：处理和生成图像的相关功能。 触发器：设置自动化响应条件。 知识库管理： 文本：存储文字类知识材料。 表格：结构化数据的存储和调用。 照片：图像素材库。 记忆系统： 变量：存储对话过程中的临时信息。 数据库：管理持久化的结构化数据。 长期记忆：保存重要的历史对话信息。 文件盒子：管理各类文档资料。 交互优化（底部区域）： 开场白：设置初次对话的问候语。 用户问题建议：配置智能推荐的后续问题。 快捷指令：设置常用功能的快速访问。 背景图片：自定义对话界面的视觉效果。 预览与调试（右侧区域）：实时测试智能体的各项功能，调试响应效果，优化交互体验。 4. 设定智能体的人设与回复逻辑后，为智能体配置对应的技能，以保证其可以按照预期完成目标任务。例如，以获取 AI 新闻的智能体为例，需要为它添加一个搜索新闻的接口来获取相关新闻。具体操作如下： 在智能体编排页面的技能区域，单击插件功能对应的+图标。 在添加插件页面，选择相关功能，然后单击新增。 修改人设与回复逻辑，指示智能体使用相应插件来搜索所需内容。 （可选）为智能体添加开场白，让用户更好地了解智能体的功能。开场白功能目前支持豆包、微信公众号（服务号）。 5. 配置好智能体后，在预览与调试区域中测试智能体是否符合预期。可单击清除图标清除对话记录。 6. 完成测试后，将智能体发布到社交渠道中使用。具体操作如下： 在智能体的编排页面右上角，单击发布。 在发布页面输入发布记录，并勾选发布渠道。 单击发布。 更多内容，请访问 Coze 官方文档： 英文版：https://www.coze.com/docs/welcome.html 中文版：https://www.coze.cn/docs/guides/welcome

构建个人本地知识库可以按照以下步骤进行： 1. 了解 RAG 技术： 利用大模型的能力搭建知识库是 RAG 技术的应用。 大模型训练数据有截止日期，RAG 可解决依靠不在训练集中的数据的问题。 RAG 应用包括文档加载、文本分割、存储、检索和输出 5 个过程。 文档加载可从多种来源加载，如 PDF 等非结构化数据、SQL 等结构化数据和代码等。 文本分割将文档切分为指定大小的块。 存储涉及将文档块嵌入转换为向量形式并存储到向量数据库。 检索通过算法找到与输入问题相似的嵌入片。 输出是将问题和检索出的嵌入片提交给 LLM 生成答案。 文本加载器将用户提供的文本加载到内存以便后续处理。 2. 准备软件： 需要一个额外的软件 AnythingLLM，它包含所有 Open WebUI 的能力，并额外支持选择文本嵌入模型和向量数据库。 3. 安装和配置： 安装地址：https://useanything.com/download 。 安装完成后进入配置页面，主要分为三步：选择大模型、选择文本嵌入模型、选择向量数据库。 4. 构建本地知识库： 在 AnythingLLM 中创建自己独有的 Workspace 与其他项目数据隔离。 首先创建一个工作空间。 上传文档并在工作空间中进行文本嵌入。 选择对话模式，AnythingLLM 提供 Chat 模式（大模型根据训练数据和上传文档综合给出答案）和 Query 模式（大模型仅依靠文档中的数据给出答案）。 完成配置后进行测试对话。 本文的思路来源于视频号博主黄益贺，作者按照其视频进行了实操并附加了一些关于 RAG 的额外知识。

以下是为您提供的本地化大模型及搭建合规法律知识库的方法： 一、通过 Open WebUI 使用大模型 1. 首先访问相关网址。打开页面时需使用邮箱注册账号。 2. 登陆成功后，若您使用过类似 ChatGPT 的大模型对话网站，对该页面不会陌生。 3. Open WebUI 一般有两种使用方式： 聊天对话。 RAG 能力，即让模型根据文档内容回答问题，这是构建知识库的基础之一。 4. 如果要求不高，此时已搭建本地大模型，并通过 Web UI 实现对话功能。 5. ChatGPT 访问速度快且回答效果好的原因： 速度快是因为 GPT 大模型部署的服务器配置高。 效果好是因为 GPT 大模型的训练参数多、数据更优及训练算法更好。 二、您的硬件达标了么 运行大模型需要很高的机器配置，个人玩家大多负担不起。以下是不同类型大模型的配置要求： 1. 生成文字大模型： 最低配置：8G RAM + 4G VRAM 建议配置：16G RAM + 8G VRAM 理想配置：32G RAM + 24G VRAM（如果要跑 GPT3.5 差不多性能的大模型） 2. 生成图片大模型（比如跑 SD）： 最低配置：16G RAM + 4G VRAM 建议配置：32G RAM + 12G VRAM 3. 生成音频大模型： 最低配置：8G VRAM 建议配置：24G VRAM 最低配置运行非常慢，不建议使用。但这不妨碍我们亲自实操一遍，以加深对大模型构建知识库底层原理的了解。若想要更顺滑的体验知识库，可以参考文章： 三、本地知识库进阶 若要更灵活掌控知识库，需额外软件 AnythingLLM。它包含 Open WebUI 的所有能力，并额外支持以下能力： 1. 选择文本嵌入模型。 2. 选择向量数据库。 AnythingLLM 安装和配置 安装地址：https://useanything.com/download 。安装完成后进入配置页面，主要分为三步： 1. 第一步：选择大模型。 2. 第二步：选择文本嵌入模型。 3. 第三步：选择向量数据库。 构建本地知识库 AnythingLLM 中有 Workspace 的概念，可创建独有的 Workspace 与其他项目数据隔离。具体步骤： 1. 首先创建一个工作空间。 2. 上传文档并在工作空间中进行文本嵌入。 3. 选择对话模式。AnythingLLM 提供两种对话模式： Chat 模式：大模型会根据自己的训练数据和上传的文档数据综合给出答案。 Query 模式：大模型仅依靠文档中的数据给出答案。 4. 测试对话。完成上述配置后，即可与大模型进行对话。 四、写在最后 “看十遍不如实操一遍，实操十遍不如分享一遍”。若您对 AI Agent 技术感兴趣，可以联系我或者加我的免费知识星球（备注 AGI 知识库）。

基于知识库系统的人工智能包括以下方面： 专家系统： 是符号人工智能的早期成就之一，为充当有限问题领域的专家而设计。 基于从人类专家提取的知识库，并包含推理引擎。 像人类推理系统一样，包含短期记忆（问题记忆）和长期记忆（知识库）。 问题记忆包含与当前要解决问题有关的知识，称为静态知识。 知识库代表问题领域的长期知识，是动态知识。 推理引擎协调问题状态空间中的搜索过程，必要时向用户提问并找到适用规则。 例如，可根据动物物理特征判断动物的专家系统，其图称为 ANDOR 树，早期提取知识时绘制树形图有用，计算机中用规则表示更方便。 FastGPT： 基于 LLM 技术，能理解自然语言并生成高质量答案。 支持连接外部知识库获取更全面信息。 具有可视化工作流编排工具，方便创建复杂问答场景。 具备开箱即用的数据处理和模型调用功能，上手速度快。 是功能强大、易于使用的知识库问答系统，可帮助企业构建智能客服、知识库搜索、文档生成等应用。 相关资源： 您可以为喜欢的主题写一个 ANDOR 树。同时，可参见了解实施正向推理和反向推理的专家系统示例。需注意，此例简单，规则达一定数量（约 200 多条）时才会有智能行为，规则复杂时可能难以牢记，基于知识的系统重要特点是能准确解释任何决定的做出过程。

以下是一些可能满足您需求的 App 选项： 1. WaytoAGI 网站： 提供和 AI 知识库对话的功能，您可以在此询问任何关于 AI 的问题。 集合了精选的 AI 网站，方便您按需求找到适合的工具。 有精选的 AI 提示词，可复制到 AI 对话网站使用。 会将每天知识库的精华内容呈现给大家。 2. 阿里千问模型：可以作为 AI 模型用于问答机器人的配置。 在配置问答机器人时，需要注意模型、提示词和知识库的协同作用。模型就像拥有无穷智慧的人，提示词能设定其角色和专注技能，知识库则如同工作手册，为其提供特定项目的详细信息。