ai落地场景：输入敏感词管控，脱敏怎么返回处理

利用 AI 打造个人知识库可以通过以下方式实现： 1. 使用 GPT 打造个人知识库： 将大文本拆分成若干小文本块（chunk），通过 embeddings API 将小文本块转换成与语义相关的 embeddings 向量，并在向量储存库中保存这些向量和文本块作为问答的知识库。 当用户提出问题时，将问题转换成向量，与向量储存库中的向量比对，提取距离最小的几个向量对应的文本块，与问题组合成新的 prompt 发送给 GPT API。 例如对于“此文作者是谁？”的问题，可直观或通过比较 embeddings 向量得出关联度最高的文本块，如“本文作者：越山。xxxx。”“《反脆弱》作者塔勒布xxxx。”，最后发送给 GPT API 的问题类似于“此文作者是谁？从以下信息中获取答案：本文作者：越山。xxxx。《反脆弱》作者塔勒布xxxx。” 2. 搭建基于 GPT API 的定制化知识库： 涉及给 GPT 输入定制化知识，但 GPT3.5 一次交互支持的 Token 有限，OpenAI 提供了 embedding API 解决方案。 Embeddings 是浮点数字的向量，两个向量之间的距离衡量关联性，小距离表示高关联度，大距离表示低关联度。 向量是用一串数字表示的量，在计算机科学中常用列表表示，向量间距离有多种计算方式，如欧几里得距离。 3. 小七姐提出的 AI 时代知识管理体系构建： 包括读书时看到有触动的文本作为书摘。 对书摘整理归纳、标记重点、打赏标签放入笔记系统，准备深度思考和实践。 基于笔记提到的 AI 对人的赋能模式展开深度实践，如通过 AI 信息杠杆迅速掌握相关知识。 基于实践生成自己的观点和决策，并打造成体系化的内容产品实现价值。 最终把碎片化知识在知识库中流转，从书摘变成体系化内容，把“别人说的话”变成“自己的智慧”。 希望以上内容能帮助您打造个人知识库。

以下是为您生成的 600 字左右关于人工智能生成内容（AIGC）的感悟： AIGC 作为当今科技领域的热门话题，正以惊人的速度改变着我们的生活和工作方式。 AIGC 强调的是利用人工智能技术生成各种内容，包括文本、图像、音频和视频等。它并非简单的技术堆砌，而是多种先进技术融合的成果。例如，Transformer 模型在语言处理和多模态领域的应用，为 AIGC 提供了强大的支撑。 从原理上看，AIGC 涉及多种生成算法，如 VAE、GAN、FlowModel 和 Diffusion Model 等。这些算法使得机器能够创造出具有一定质量和创意的内容。同时，还有像 IS 和 FID 这样的评价指标来衡量生成图片的质量。 在实际应用中，AIGC 展现出了巨大的潜力。它可以自动撰写新闻文章，为媒体行业带来效率的提升；能够生成艺术画作，为艺术创作注入新的活力；可以创作音乐，丰富音乐领域的多样性；还能制作视频游戏内容，为娱乐产业增添新的元素。 ChatGPT 作为 AIGC 在文本生成领域的杰出代表，充分展示了 AIGC 的强大能力。它通过预训练和大量的数据投喂，能够与用户进行流畅且相关的文本交流，仿佛在玩“文字接龙游戏”。 然而，AIGC 也面临一些挑战和问题。比如生成内容的准确性和可靠性需要进一步提高，版权和伦理问题也需要引起重视。但不可否认的是，AIGC 为我们开启了一扇充满无限可能的大门，让我们对未来充满期待。随着技术的不断进步和完善，相信 AIGC 将在更多领域发挥重要作用，为人类创造更多的价值。

以下是关于人工智能生成内容（AIGC）的突破、对齐及产业培育的感悟： 一、原理与概念 1. 人工智能（AI）：是一种目标，让机器展现智慧，简称 AI。 2. 生成式人工智能（GenAI）：目标是让机器产生复杂有结构的内容，简称 GenAI。 3. 机器学习：一种手段，让机器自动从资料中找到公式，包括监督学习、无监督学习、强化学习。 监督学习：有标签的训练数据，学习输入和输出之间的映射关系，包括分类和回归。 无监督学习：学习的数据没有标签，算法自主发现规律，如聚类。 强化学习：从反馈里学习，最大化奖励或最小化损失，类似训小狗。 4. 深度学习：一种更厉害的手段，参照人脑有神经网络和神经元（因有很多层所以叫深度），神经网络可用于多种学习方式。 5. 大语言模型（LLM）：是一类具有大量参数的“深度学习”模型。 6. ChatGPT：是 AIGC 技术的一个应用实例，是美国 OpenAI 公司开发的基于大型语言模型的对话机器人，能根据用户输入生成连贯且相关的文本回复。 二、AIGC 的特点与应用 AIGC 是利用人工智能技术生成内容的新型生产方式，包括文本、图像、音频和视频等内容。其技术可用于多种应用，如自动撰写新闻文章、生成艺术画作、创作音乐、制作视频游戏内容等。 三、相关概念的关系与区别 AGI、GenAI、AIGC 几个概念有所区别与联系，具体可参考相关图示。更多概念可问 Kimi、通义千问、文心一言等大模型。 四、技术里程碑 2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它完全基于自注意力机制处理序列数据，不依赖于循环神经网络或卷积神经网络。

谷歌浏览器中的免费 AI 功能包括： 1. 智能组织标签页。 2. 借助文本生成图像模型生成个性化壁纸图片。 3. 写作辅助。 4. 免费 AI 编程助手 Gemini Code Assist 发布，每月免费提供 180,000 次代码补全，支持 Python、Java、Go、Rust 等全部语言，具备强大代码审查和智能聊天助手功能，兼容 VS Code 与 JetBrains IDE，拥有 128k 超长上下文窗口，能精准理解大型本地代码库。

以下是谷歌浏览器中一些常见的免费网页 AI 相关信息： 大语言模型方面： OpenAI 有 3.5 和 4 两个主要模型。3.5 模型于 11 月启动了当前的 AI 热潮，4.0 模型在春季首次发布，功能更强大。新的变种使用插件可连接到互联网和其他应用程序。Code Interpreter 是一个强大的 ChatGPT 版本，能运行 Python 程序。若未为 OpenAI 付费，只能使用 3.5 模型。除插件变种和暂时停用的带有浏览功能的 GPT4 版本外，这些模型未连接到互联网。 微软的 Bing 使用 4 和 3.5 的混合，通常是 GPT4 家族中首个推出新功能的模型，例如能创建和查看图像，且能在网页浏览器中阅读文档，并连接到互联网。 谷歌一直在测试自己的人工智能 Bard，由各种基础模型驱动，最近是 PaLM 2 模型。 Anthropic 发布了 Claude 2，其特点是有非常大的上下文窗口。 PDF 翻译方面： DeepL（网站）：点击页面「翻译文件」按钮，上传 PDF、Word 或 PowerPoint 文件即可。 沉浸式翻译（浏览器插件）：安装插件后，点击插件底部「更多」按钮，选择「制作双语 BPUB 电子书」、「翻译本地 PDF 文件」、「翻译 THML/TXT 文件」、「翻译本地字幕文件」。 Calibre（电子书管理应用）：下载并安装 calibre，并安装翻译插件「Ebook Translator」。 谷歌翻译（网页）：使用工具把 PDF 转成 Word，再点击谷歌翻译「Document」按钮，上传 Word 文档。 百度翻译（网页）：点击导航栏「文件翻译」，上传 PDF、Word、Excel、PPT、TXT 等格式的文件，支持选择领域和导出格式（不过进阶功能基本都需要付费）。 彩云小译（App）：下载后点击「文档翻译」，可以直接导入 PDF、DOC、DOCX、PPT、PPTX、TXT、epub、srt 等格式的文档并开始翻译（有免费次数限制且进阶功能需要付费）。 微信读书（App）：下载 App 后将 PDF 文档添加到书架，打开并点击页面上方「切换成电子书」，轻触屏幕唤出翻译按钮。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是为您制定的包含实施策略、里程碑和最佳实践的详细框架，以帮助您有效地实现目标： 一、英语四级考试 实施策略： 1. 制定学习计划，每天安排一定时间学习英语，包括词汇、语法、听力、阅读和写作。 2. 多做历年真题，熟悉考试题型和难度。 3. 参加英语学习社群或找学习伙伴，互相监督和鼓励。 里程碑： 1. 每月进行一次模拟考试，评估学习进度。 2. 两个月内完成词汇和语法的系统学习。 最佳实践： 1. 利用碎片时间背单词，如在公交车上、课间等。 2. 听力练习时，反复听同一篇材料，直到完全听懂。 3. 写作练习后请老师或同学帮忙批改，总结错误和不足。 二、参加苹果 26 年的 Swift 学生挑战赛 实施策略： 1. 从零基础开始学习 Swift 编程语言，通过在线课程、书籍等资源进行系统学习。 2. 参与相关的编程实践项目，提升实际操作能力。 3. 关注苹果官方网站和社区，了解挑战赛的最新动态和要求。 里程碑： 1. 三个月内掌握 Swift 编程语言的基础知识。 2. 半年内完成一个小型的 Swift 项目开发。 最佳实践： 1. 遇到问题及时在技术论坛或社区寻求帮助。 2. 定期回顾和总结所学知识，加深理解和记忆。 3. 参考优秀的 Swift 项目案例，学习他人的编程思路和技巧。 三、成为 AI 产品经理 实施策略： 1. 学习 AI 相关的基础知识，包括机器学习、深度学习等。 2. 了解产品经理的职责和工作流程，通过实践项目积累经验。 3. 关注行业动态，参加相关的研讨会和培训课程。 里程碑： 1. 一年内掌握 AI 基础知识和产品经理的基本技能。 2. 参与实际的 AI 项目开发，担任产品经理助理角色。 最佳实践： 1. 多与行业内的专业人士交流，获取经验和建议。 2. 不断提升自己的沟通和协调能力，以更好地推动项目进展。 3. 学会从用户需求出发，设计具有创新性和实用性的 AI 产品。 希望以上框架对您有所帮助，祝您顺利实现目标！

以下是关于 AI 模型敏感词管控的相关信息： 在给予 GPT 足够的时间进行“思考”的最佳实践中，通过测试数据发现，由于输入内容超过一定 token 会导致模型遗忘。因此，在输入大量文本或大量对话后，让模型进行自我检查的提示词习惯，有助于收获更准确的答案。 在应对提示词攻击的输入侧防护方面，可采用基于模型进行分类过滤的方法。这是“基于提示词过滤”的进阶版，能使用像 BERT 这样的小型文本分类模型或像 ChatGPT 这样的大型语言模型，自动分析和分类输入内容。其好处是无需提前知晓大量信息，就能灵活应对复杂场景和不同需求。通过学习和训练大量已知的安全威胁样本，建立分类模型来检测和过滤输入中的有害内容，这是很多大型语言模型服务如 OpenAI 的 ChatGPT、谷歌的 Bard、微软的 NewBing 等采用的主流防御策略，它们会检测用户输入内容，与核心大型语言模型协同工作，防止有害和敏感信息输入，确保输出内容合规。

在模型敏感词管控方面，对于 RAG 提示工程，我们对 Example 模块进行了重要调整。原先像“清朝末年有哪些政治事件？”这样的示例内容可能会无意引导模型触及政治敏感话题，违背初衷。为此，重新设计了示例内容，既能为模型提供清晰工作指导，又避免引发敏感议题讨论，同时进一步修改了示例流程，确保模型更理解自身任务。以下是进一步修正的提示词。接下来继续运行并查看结果。从表现看，成功控制住 GPT 模型讨论敏感话题的问题，但可能存在漏洞及提示词被攻击、诱骗的情况，这些留待后续解决。目前面对常规请求问题，GPT 模型应不会“东扯西扯”。

知识库的商业化应用场景主要包括以下几个方面： 1. 生物医药领域： 医药企业研发立项：回答关于作用机制、目标治疗疾病的竞争格局、主流技术路径、同技术路径其他公司产品在临床试验阶段的安全性风险和有效性等问题。 科研机构临床转化评估：回答关于科学家研究方向的临床转化潜力等问题。 投资机构评估标的公司：回答关于国外对标技术的发展情况、融资情况、临床转化的可靠性等问题。 2. 其他工作场景： 可以替代大部分传统医药数据库的商业化场景。 在一般的工作场景中，通过提示词设定角色和技能，结合知识库，让大语言模型能够按照需求做出准确回复。例如设定角色为“美嘉”，知识库为《爱情公寓》全季剧情，能够回答相关问题。 此外，在知识库的检索原理方面： 1. 文本预处理：包括去除无关字符、标准化文本、分词等，以清洁和准备文本数据。 2. 嵌入表示：将预处理后的文本转换为向量，通常通过使用预训练的嵌入模型完成。 3. 特征提取：对于整个问题句子，应用进一步的特征提取技术，如句子级别的嵌入，或使用深度学习模型直接提取整个句子的表示。 4. 向量优化：在某些情况下，问题的向量表示可能会根据具体任务进行优化。 5. 知识库检索阶段：在大模型的检索中，依靠问题在空间中的向量位置，寻找距离这个向量最近的其他词句完成检索，知识库被转化成巨大的向量库。

AI 在金融领域有以下应用与场景： 1. 风控和反欺诈：用于识别和阻止欺诈行为，降低金融机构风险。 2. 信用评估：评估借款人的信用风险，辅助金融机构做出贷款决策。 3. 投资分析：分析市场数据，帮助投资者做出更明智的投资选择。 4. 客户服务：提供 24/7 的服务，回答常见问题。 金融服务业接纳生成式 AI 可能带来重大变革。与传统 AI/ML 侧重于基于现有数据进行预测或分类不同，生成式 AI 能创造全新内容，结合对大量非结构化数据的训练和无限计算能力，有望成为金融服务市场数十年来最大的变革。 在金融投资领域，Coze bot 可发挥重要作用。金融分析师和投资者能通过它自动接收最新市场动态、股市新闻和财务报告，从多个金融资讯平台抓取数据并生成分析报告，推送到常用交流平台，实现实时跟踪市场动向、捕捉投资机会、自动生成财务报告和方便团队协作等效果。

以下是一些 AI 结合办公场景的课程： 【已结束】AIPO：校园 AI 创投活动 10 月 16 日 20:00，视频课程，讲师 EM7 南柒，课程标题为“AI 视频创作指南 商业片制作”，相关资料包括老师课件： 10 月 17 日 20:00，模型训练课程，讲师忠忠，课程标题为“0 基础模型训练”，相关资料：厚德云，课程回放： 10 月 18 日 20:00，comfyUI + 建站课程，讲师海辛/阿文，课程标题为“ComfyUI + Cursor 搭建应用”，相关资料：comfyUI、Cursor，课程回放： 10 月 20 日 14:00 18:00，校园 AIPO 线下路演 10 月 21 日 20:00，颁奖 Build on Trae AI 编程挑战 2 月 18 日 20:00 开始，分享材料（”，分享人 Super 黄 Eric，无作业要求 2 月 19 日 20:00 开始，分享材料（视频回放），内容为“AI 编程训练营 环境准备”，分享人 super 黄 2 月 20 日 20:00 开始，分享材料（视频回放） 2 月 21 日 20:00 开始，分享材料（视频回放） 2 月 22 日 20:00 开始，分享材料（视频回放） DAY1 必须了解的企业级 AI 应用开发知识点，本次共学课程会带着大家以“逛”+“体验”的模式，去云游一下阿里云百炼平台的市场，里面目前包含了市面上大量的可以直接使用的 API 能力、场景化的解决方案能力。在本次共学课程中仅需通过简单的界面操作，在几分钟内开发出一款大模型应用、在几小时内训练出一个专属模型，将更多精力专注于应用创新。

目前关于 Deepseek 在电商行业应用落地的场景信息以及对应的应用 APP、小程序等，您可以通过以下渠道第一时间获取： 1. 关注 Deepseek 官方网站的动态发布和通知。 2. 订阅 Deepseek 官方的社交媒体账号，如微信公众号、微博等，获取最新消息。 3. 加入相关的电商行业论坛或社区，与其他从业者交流，获取相关信息。 4. 关注电商行业的权威媒体和资讯平台，可能会有相关报道。

DeepSeek 在电商行业已应用落地的场景包括： 电商商品策划：如“电商商品策划 DeepSeek 大师版｜一键领取同款多维表格模板”。 商品链接分析：如“商品链接分析工具”。 电商产品上架规划：如“电商产品上架规划”。 您可以通过以下链接获取更详细的信息：

DeepSeek 目前已在电商行业应用落地的场景包括： 电商商品策划：如 。 商品链接分析：如 。 电商产品上架规划：如 。