您好，WaytoAGI知识库我需要Al智能问答软件，能推荐下？

Function Calling 是一种将模型的能力与外部工具和 API 连接起来的方法。 在 OpenAI 方面，当地时间 6 月 13 日发布函数调用及其他 API 更新。开发人员可向 gpt40613 和 gpt3.5turbo0613 描述函数，让模型智能输出包含调用函数所需参数的 JSON 对象。例如，本地写函数执行 this.app.mysql.select，让 GPT 与函数调用结合，控制返回 JSON 格式，使 prompt 定制更简单，AI 输出更可控。 在谷歌 Gemini 方面，在从事金融业务的用例中，如搜索欧元兑美元的当前汇率，需做好配置，使用 Gemini 1.5 Flash 模型。函数调用为 AI 系统带来诸多优势，如简化用户体验、减少错误发生可能性、为更高级自动化开辟道路，能处理如酒店预订或制定旅行计划等复杂操作，重新定义了人与技术的互动方式。

以下是关于 ChatGPT 对信息检索影响的相关内容： 1. 存在能联网检索的 AI，如 ChatGPT Plus 用户可开启 web browsing 功能实现联网。 2. 还有 Perplexity，它结合了 ChatGPT 式的问答和普通搜索引擎的功能，允许用户指定希望聊天机器人在制定响应时搜索的源类型。 3. Bing Copilot 作为 AI 助手，可简化在线查询和浏览活动。 4. 像 You.com 和 Neeva AI 等搜索引擎，提供基于人工智能的定制搜索体验，并保持用户数据的私密性。 5. 这些 AI 搜索工具的出现标志着信息检索领域的重要发展，结合 AI 技术和搜索引擎，大幅提升数据集命中预期，为实际应用带来更多可能性。 6. 利用 Chat GPT 生成 AI 画图工具的提示词，以及生成电影剧本、产出提示词生成电影分镜等。 7. ChatGPT 某种程度上对搜索引擎可能是致命性的打击，能让用户获取更加精准和有针对性的搜索结果。它还可作为 API 访问，执行一些与其他编排框架相同的功能，如抽象出对定制提示的需求、维持状态，并通过插件、API 或其他来源检索上下文数据，最终可能成为即时构建的可行、简单的替代方案。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是关于如何学习 AI 的建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 6. 持续学习和跟进： AI 是一个快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 对于中学生学习 AI，还有以下建议： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始学习，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 可以参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 总之，中学生可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，全面系统地学习 AI 知识和技能，为未来的 AI 发展做好准备。

目前暂时没有能直接将文档生成手写文字的通用 AI 工具。但随着技术的不断发展，未来可能会出现相关的创新应用。

以下是针对您所遇到的报错问题的一些解决建议： 1. 对于 ipadater 部分报错说 model 不存在的情况，将文中画圈部分修改调整到不报错。Pulid 部分，除了下载好对应的节点以及参考官方网站最下面的安装对应要求外，还要注意上图中的第二要点，对应安装一些内容，具体要求可查看云盘中命名为“pulid 插件模型位置.png”的文件及对应的云盘链接：PulID 全套模型，链接:https://pan.baidu.com/s/1ami4FA4w9mjuAsPK49kMAw?pwd=y6hb，提取码:y6hb。否则将会遇到报错：Error occurred when executing PulidEvaClipLoader。 2. 对于 Ollama 大模型部分，为了应对没下载大模型带来的报错，需要下载大模型。首先，下载 ollama，网站： 。 3. 如果缺少 ipadapter 的模型，可去这个网址下载：https://github.com/cubiq/ComfyUI_IPAdapter_plus 。如果遇到“Error occurred when executing IPAdapterUnifiedLoader:ClipVision model not found.......”类似的报错，可在这个网址里找到多个关于 IPAdapter 报错的解决办法：https://github.com/cubiq/ComfyUI_IPAdapter_plus/issues/313 。 另外，换脸工作流的核心组件是 Apply InstantID Advanced 节点，这个节点的作用就是将源人脸替换到目标图像中。其中，instantID 模型擅长提取图片的高层次特征，包括面部的纹理信息、几何结构、风格特征等，在图中例子是 IPAdpater，用于识别和保留目标图像 image_kps 的风格并迁移到生成图像中。instantID Face Analysis 节点用于提取人脸五官的特征向量，作用是使生成图像时，人脸的眼睛、鼻子、嘴巴等样子仍然符合源人脸 image 的特征。controlnet 模型的作用是识别目标图像 image_kps 的低层次特征，包括骨架、姿势、边缘、结构。controlnet 模型和 instantID 模型起到不同的控制作用，结合使用可以达到将源人脸的五官替换目标图像中五官的效果。

以下是关于您提出的“ How Al Agentic workflows could drive more Al progress than even the next generation of foundation models ”问题的相关信息： 吴恩达认为人工智能代理工作流程将在今年推动人工智能的巨大进步，甚至可能超过下一代基础模型。构建代理的设计模式框架包括反思、工具使用、规划和多代理协作。反思是指 LLMs 审视自身工作并提出改进方法；工具使用是指赋予 LLMs 如网络搜索、代码执行等工具以帮助其收集信息、采取行动或处理数据；规划是指 LLMs 制定并执行多步骤计划以实现目标；多代理协作则涉及多个 AI 代理共同工作，通过分工、讨论和辩论来提出比单个代理更好的解决方案。这些设计模式为构建高效的 AI 代理提供了指导，并将在下周进一步详细阐述并提供相关阅读建议。 此外，在医疗保健领域，为了产生真正的改变，AI 需要像我们一样学习。必须让这些专家 AI 接触到顶级从业人员的多样化视角，以避免复制危险的偏见。鉴于人工智能依赖的神经网络基础，这些专家 AI 可能通过元学习（或学会学习）比我们预期的更快地获得知识，并带着我们人类一同进步。 在 AI 进化方面，CNN 的结构基于两类细胞的级联模型，主要用于模式识别任务，在计算上比大多数其他架构更有效、更快速，在许多应用中，包括自然语言处理和图像识别，已经被用来击败大多数其他算法。我们每次对大脑的工作机制的认知多一点，神经网络的算法和模型也会前进一步。

在飞书上导入 WaytoAGI 的知识库，您可以参考以下方法： 1. 您可以在 WaytoAGI 飞书知识库首页找到加入飞书群的链接（下图二维码仅作示意，请在找到最新二维码），然后点击加入，直接@机器人即可。 2. 您也可以在 WaytoAGI.com 的网站首页，直接输入您的问题，即可得到回答。 另外，关于创建知识库并上传文本内容，有以下方式和操作步骤： Notion 方式： 1. 在文本格式页签下，选择 Notion，然后单击下一步。 2. 单击授权。首次导入 Notion 数据和页面时，需要进行授权。 在弹出的页面完成登录，并选择要导入的页面。 选择要导入的数据，然后单击下一步。 3. 选择内容分段方式： 自动分段与清洗：系统会对上传的文件数据进行自动分段，并会按照系统默认的预处理规则处理数据。 自定义：手动设置分段规则和预处理规则。 分段标识符：选择符合实际所需的标识符。 分段最大长度：设置每个片段内的字符数上限。 文本预处理规则： 替换掉连续的空格、换行符和制表符。 删除所有 URL 和电子邮箱地址。 4. 单击下一步完成内容上传和分片。 自定义方式： 1. 在文本格式页签下，选择自定义，然后单击下一步。 2. 输入单元名称，然后单击确认。 3. 单击创建分段，然后在弹出的页面输入要上传的内容。每个分段最多可添加 2000 个字符。 4. 单击保存。

WaytoAGI 网站具有以下功能，有助于您更好地利用它： 1. 和 AI 知识库对话：您可以在此询问任何关于 AI 的问题。 2. AI 网站：集合了精选的 AI 网站，您可按需求找到适合自己的工具。 3. AI 提示词：集合了精选的提示词，能够复制到 AI 对话网站使用。 4. 知识库精选：每天将知识库的精华内容呈现给大家。 总之，WaytoAGI 网站和 WaytoAGI 知识库相互独立又有关联，希望成为您学习 AI 路上的好助手。 “通往 AGI 之路”（WaytoAGI）是一个致力于人工智能学习的中文知识库和社区平台，具有以下特点： 1. 提供系统全面的 AI 学习路径，涵盖从基础概念到实际应用的各个方面，帮助用户有效地获取 AI 知识，提高自身能力。 2. 由开发者、学者和 AI 爱好者共同参与建设，提供丰富的学习资源，包括文章、教程、工具推荐以及最新的 AI 行业资讯等。 3. 定期组织活动，如视频挑战赛、模型创作大赛等，鼓励成员在实践中学习，促进交流与合作。 其品牌 VI（视觉识别）具有以下特点： 1. 颜色：选择彩虹色作为主要的配色方案，代表多样性、包容性和创新，象征着人工智能领域的无限可能和多维视角。 2. 图案：品牌的标志性图案是一只鹿，与“路”谐音，象征着通往 AGI 未来的道路，鹿的形象优雅而智慧，寓意在追求 AGI 过程中的品味与睿智。 3. 字体设计：选择简洁现代的非衬线字体，这种字体风格简约而现代，易于阅读，强调了信息传达的清晰度和直接性。 “通往 AGI 之路”是一个充满活力、敢于创新、追求科技美感的品牌。其 VI 不仅仅是视觉上的呈现，更是对 AGI 探索路上多元思维和创新追求的体现。

WaytoAGI 是一个由一群热爱 AI 的专家和爱好者共同建设的开源 AI 知识库。 在短短一年间，靠着口口相传拥有高达数千万的访问量。其知识库内容丰富，涵盖了 AI 绘画、AI 视频、AI 智能体、AI 3D 等多个版块，还包含赛事和活动以促进大家动手实践，有 AI 领域的最新进展、教程、工具和一线实战案例。 WaytoAGI 不仅是一个普通的技术社区，更是一个汇聚行业顶尖创作者和 KOL 的思想交流平台，社区制作的优质作品多次登上央视首页，广受好评。 它还孵化了如离谱村等大型共创项目，离谱村是由 WaytoAGI 孵化的千人共创项目，让大家学习和接触 AI 更容易、更感兴趣。参与者不分年龄层，都可以通过 AI 工具创作出各种各样的作品。 “通往 AGI 之路”的品牌 VI 融合了独特的设计元素，以彩虹色彰显多元性和创新，以鹿的形象象征智慧与优雅，通过非衬线字体展现现代感和清晰性，共同构建了一个充满活力和前瞻性的品牌形象。

WaytoAGI 是一个由开发者、学者和有志人士等参与的学习社区和开源的 AI 知识库。它于 2023 年 4 月 26 日诞生，在没有任何推广的情况下，一年时间已有超过 70 万用户和超千万次的访问量，是很多 AI 爱好者知识的源头。社群的口号是让更多的人因 AI 而强大，有很多学社和共学共建的活动。WaytoAGI 就是通往 AGI 之路，打开“waytoagi.com”就可以找到社群，欢迎大家来玩。这个社区不仅是一个知识库，更是连接学习者、实践者和创新者的平台，让大家在这里碰撞思想，相互鼓舞，一同成长。

以下为您提供两个 Runway 生成文字视频的提示词框架： 1. Runway 生成文字视频提示词扩展器初版 Prompt：考虑到不确定 Runway 做意图识别所使用的大模型，以及其对中文语义的理解情况，所以尽量使用英文提示词。 2. Runway 生成文字视频提示词扩展器英文版 Prompt：将初版提示词转换为英文版，以提供更原汁原味的英文提示词，优化 Runway 的生成效果。 此外，为您提供一些提示词相关的网站： |站点名|网站介绍|地址|适用应用|附件| |||||| |MidLibrary|Midjourney 最全面的流派、艺术技巧和艺术家风格库||MJ|| |MidJourney Prompt Tool|类型多样的 prompt 书写工具，点击按钮就能生成提示词修饰部分||| |OPS 可视化提示词|有 Mid Journey 的图片风格、镜头等写好的词典库，方便快速可视化生成绘画提示词||| |AIart 魔法生成器|中文版的艺术作品 Prompt 生成器||| |IMI Prompt|支持多种风格和形式的详细的 MJ 关键词生成器||| |Prompt Hero|好用的 Prompt 搜索，Search prompts for Stable Diffusion,ChatGPT & Midjourney||| |OpenArt|AI 人工智能图像生成器||| |img2prompt|根据图片提取 Prompt||| |MidJourney 提示词工具|专门为 MidJourney 做的提示词工具，界面直观易用||| |PromptBase|Prompt 交易市场，可以购买、使用、销售各种对话、设计 Prompt 模板||| |AiTuts Prompt|精心策划的高质量 Midjourney 提示数据库，提供广泛的不同风格|||

WaytoAGI 是一个 AI 开源社区： 诞生于 2023 年 4 月 26 日，短短一年间，在没有任何推广的情况下，拥有超过 70 万用户和超千万次的访问量。 是由一群热爱 AI 的专家和爱好者共同建设的开源知识库，是很多 AI 爱好者知识的源头。 社群的口号是让更多的人因 AI 而强大，有很多学社和共学共建的活动。 其品牌 VI 融合了独特的设计元素，以彩虹色彰显多元性和创新，以鹿的形象象征智慧与优雅，通过非衬线字体展现现代感和清晰性，共同构建了一个充满活力和前瞻性的品牌形象。 打开“waytoagi.com”即可找到该社群。

很抱歉，目前知识库中没有为您提供 100 个 AI 创业的落地方案。但以下为您列举一些常见的 AI 创业方向供您参考： 1. 开发基于 AI 的智能客服系统，为企业提供高效的客户服务解决方案。 2. 利用 AI 技术进行精准营销，通过数据分析和预测为企业制定个性化的营销策略。 3. 打造 AI 驱动的医疗诊断辅助工具，帮助医生更准确地诊断疾病。 4. 研发 AI 教育软件，实现个性化学习和智能辅导。 5. 构建 AI 智能家居系统，实现家居设备的自动化控制和智能化管理。 6. 开发 AI 图像识别技术，应用于安防、交通等领域。 7. 推出 AI 金融风险评估模型，为金融机构提供更准确的风险评估。 8. 打造 AI 内容创作平台，生成文章、视频脚本等。 9. 研发 AI 人力资源管理工具，进行人才筛选和绩效评估。 10. 构建 AI 物流优化系统，提高物流效率和降低成本。 您可以根据自身的资源和优势，进一步细化和拓展这些方向，形成具体的创业方案。

以下是一些常见的提示词框架： ICIO 框架：包括 Instruction（指令）、Context（背景信息）、Input Data（输入数据）、Output Indicator（输出引导）。 CRISPE 框架：涵盖 Capacity and Role（能力和角色）、Insight（见解）、Statement（声明）、Personality（个性）、Experiment（实验）。 BROKE 框架：包含 Background（背景）、Role（角色）、Objectives（目标）、Key Result（关键结果）。 TRACE 框架：有 TASK（任务）、REQUEST（请求）、ACTION（行动）、CONTEXT（上下文）、EXAMPLE（示例）。 ERA 框架：包括 EXPECTATION（期望）、ROLE（角色）、ACTION（行动）。 CARE 框架：由 CONTEXT（上下文）、ACTION（行动）、RESULT（结果）、EXAMPLE（示例）组成。 ROSES 框架：包含 ROLE（角色）、OBJECTIVE（目的）、SCENARIO（方案）。 Evolve 框架：包括试验并改进，通过改进输入、改进答案、重新生成等方法。 APE 框架。 COAST 框架：包含 CONTEXT（上下文背景）、OBJECTIVE（目的）、ACTION（行动）、SCENARIO（方案）、TASK（任务）。 TAG 框架：包括 TASK（任务）、ACTION（行动）、GOAL（目标）。 RISE 框架。

基于飞书的知识库 RAG 搭建，可用于全文搜索的接口方式主要有以下几种： 1. 语义检索：语义匹配关注查询和文档内容的意义，而非仅仅表面的词汇匹配。通过向量的相似性来判断语义的相似性。 2. 全文检索：这是基于关键词的检索方式。例如，对于句子“猫的饮食习惯包括吃鱼和鸡肉”，输入“猫”“饮食”“猫的饮食习惯”“吃鱼”等关键词可搜索到该句子，但输入“猫喜欢吃什么呀”则无法搜索到。 3. 混合检索：结合了语义匹配和全文检索的优点，通常系统先进行全文检索获取初步结果，然后再对这些结果进行语义匹配和排序。 此外，在本地部署资讯问答机器人实现 RAG 时，会涉及加载所需的库和模块，如 feedparse 用于解析 RSS 订阅源，ollama 用于在 python 程序中跑大模型。还会为文档内容生成向量，如使用文本向量模型 bgem3 等。 在开发 LangChain 应用开发指南中，实现 LangChain 和 RAG 的结合时，需要加载数据、分割文档、转换嵌入并存储到向量存储器、创建检索器以及聊天模型等步骤。

以下为您推荐一些知识库系统： 1. 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。 包含从人类专家提取的知识库、推理引擎以及问题记忆。 推理引擎协调问题状态空间的搜索过程，必要时向用户提问。 例如根据动物物理特征判断动物的专家系统，可通过绘制 ANDOR 树或使用规则来表示知识。 2. AI Agent 中的外置知识： 由外部数据库提供，特点是能够动态更新和调整。 涉及多种数据存储和组织方式，包括向量数据库、关系型数据库和知识图谱。 实际应用中常采用 RAG 架构，结合检索和生成，增强模型的生成能力。 3. 知识管理体系： 是组织和管理信息、数据和知识的方法，帮助个人或组织有效捕捉、组织、访问和使用知识，提高效率、创新能力和决策质量。 包括收集信息、整理知识、分享经验、促进学习和创新等流程，以及分类、标签和索引等组织方式。 关键组成部分有知识的捕捉、组织、分享和应用。 创建知识管理体系可提高效率、增强决策能力、促进创新和增强适应能力。

创建知识库主要有以下两种方式： 1. 创建并上传表格数据： 在页面顶部进入知识库页面，并单击创建知识库。 在弹出的页面配置知识库名称、描述，并单击确认。需注意一个团队内的知识库名称不可重复，必须是唯一的。 在单元页面，单击新增单元。 在弹出的页面，选择表格格式，然后选择一种上传方式完成数据上传。 2. 创建并上传文本内容： 登录。 在左侧导航栏的工作区区域，选择进入指定团队。 在页面顶部进入知识库页面，并单击创建知识库。 在弹出的页面配置知识库名称、描述，并单击确认。同样一个团队内的知识库名称不可重复，必须是唯一的。 在单元页面，单击新增单元。 在弹出的页面选择要上传的数据格式，默认是文本格式，然后选择一种文本内容上传方式完成内容上传。 此外，还可以参考以下文章获取更详细的信息：

以下是关于大模型流程的详细说明： RAG（Retrieval Augmented Generation，检索增强生成）技术应用于利用大模型能力搭建知识库，其流程主要包括以下 5 个过程： 1. 文档加载（Document Loading）：从多种不同来源加载文档，如 PDF 等非结构化数据、SQL 等结构化数据以及 Python、Java 之类的代码等。LangChain 提供了 100 多种不同的文档加载器。 2. 文本分割（Splitting）：文本分割器把文档切分为指定大小的块，称为“文档块”或者“文档片”。 3. 存储： 将切分好的文档块进行嵌入（Embedding）转换成向量的形式。 将 Embedding 后的向量数据存储到向量数据库。 4. 检索（Retrieval）：通过某种检索算法从向量数据库中找到与输入问题相似的嵌入片。 5. 输出（Output）：把问题以及检索出来的嵌入片一起提交给 LLM，LLM 会通过问题和检索出来的提示一起来生成更加合理的答案。 从用户提出问题开始，还经历了以下流程： 1. 用户问题的理解。 2. 根据用户问题进行路由。 3. 进行初步的检索。 4. 对初步检索的结果进行重排序。 5. 将重排序后的结果和用户的查询意图组合成上下文输入给大模型。 6. 大模型通过指定的提示词生成输出结果。 需要注意的是，重排序的结果通常不会都被用作大模型的上下文，因为大模型的上下文有限制。可以设置一个阈值进行截断，比如只使用前 3 5 个文档；也可以设置一个相关性分数的阈值，只取相关性分数大于某个值的文档。一些先进的 RAG 系统会对选中的文档进行摘要或压缩，以在有限的空间内包含更多相关信息。 在大模型输出结果后还有后置处理，可能包括敏感内容检测和移除、格式化输出等。 LLM 的工作原理可以这样理解：以“我今天吃了狮子头和蔬菜”这句话为例，在 Transformer 中，会由 Attention 层对这句话加入更多的信息来补充，比如补充“狮子头是一道菜”“今天是星期六”等等。这些补充信息，会作为输入给到下一个 Attention 层进行补充。最终层与层之间，哪些信息需要补充，哪些信息需要保留，哪些信息传递，均由模型自主学习完成。总结起来就是大模型以词向量和 Transformer 的模型学习了海量的知识，把知识作为向量空间中的一种关系网进行存储，并在接受输入时，通过向量空间中的一系列匹配进行输出。这就像人脑在阅读学习的过程，记忆的不是点状的知识，而是网状的经验。

生成自己的问答知识库可以通过以下两种方式： 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。 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，查找距离最小的几个向量，提取对应的文本块，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，通过比较 embeddings 向量，提取关联度高的文本块，如“本文作者：越山。xxxx。”“《反脆弱》作者塔勒布xxxx。”，组合后发送给 GPT API 以获取回答。 2. 基于 RAG 机制实现知识库问答： 知识库问答是机器人的基础功能，可根据用户问题从知识库中找最佳答案，利用了大模型的 RAG 机制。 RAG 机制全称为“检索增强生成”（RetrievalAugmented Generation），结合了检索和生成两种主要的人工智能技术，先从大型数据集中检索与问题相关的信息，再利用这些信息生成回答。 要实现知识库问答，首先创建包含大量文章和资料的知识库，如有关 AI 启蒙和信息来源的知识库，通过手工录入方式上传文章内容。 在设计 Bot 时添加知识库，并设置合适的搜索策略、最大召回数量和最小匹配度，以更好地利用知识库返回的内容进行结合回答。

以下是把资料信息存放到知识库，通过问答方式得到答案的案例： 安仔在开源 AI 社区中，基于 RAG 机制实现了知识库问答功能。首先创建一个包含大量社区 AI 相关文章和资料的知识库，例如创建有关 AI 启蒙和信息来源的知识库，通过手工录入方式上传栏目所有文章内容，然后陆续将社区其他板块的文章和资料导入。在设计 Bot 时，添加这个知识库，并设置合适的搜索策略、最大召回数量和最小匹配度，以更好地利用知识库返回的内容进行结合回答。 在阅读书籍、论文的互动式问答场景中，对应的关键词库包括书籍、报告、文件、详细信息、查询、主题、作者、出版日期、出版社、问题、方面、原则、方法、概括、主要观点、解释。需要注意的是，ChatGPT 的知识库截止于 2021 年 9 月，对于更新的数据或最新出版的书籍、报告和文件，它无法提供答案。如果有现成的 PDF，建议通过 CHATDOC 网站进行互动式问答。

搭建公司内部具有数字人智能问答、AI 陪练、个人学习规划与点评、业务方案生成等功能的智慧知识平台，需要以下几个关键步骤： 1. 需求分析：明确公司的业务需求、用户群体特点以及对各个功能模块的具体要求。 2. 技术选型：选择适合的技术框架和工具，例如自然语言处理技术、机器学习算法、数据库管理系统等。 3. 数据准备：收集和整理大量的相关数据，包括业务知识、常见问题、员工学习资料等，并进行数据清洗和预处理。 4. 数字人智能问答模块：利用自然语言处理技术和深度学习模型，训练数字人能够理解用户的问题并提供准确的回答。 5. AI 陪练模块：设计有效的训练场景和算法，让 AI 能够与员工进行互动式的陪练，提供反馈和指导。 6. 个人学习规划与点评模块：根据员工的学习历史和能力水平，制定个性化的学习规划，并能够对学习成果进行点评和建议。 7. 业务方案生成模块：基于公司的业务数据和需求，利用数据分析和生成模型，为用户提供可行的业务方案。 8. 系统集成与测试：将各个模块集成到一个统一的平台中，并进行充分的测试，确保系统的稳定性和功能的完整性。 9. 用户培训与推广：对员工进行系统使用的培训，提高用户的接受度和使用率。 10. 持续优化：根据用户的反馈和实际使用情况，不断优化和改进平台的功能和性能。

要做一个好用的问答知识机器人并编写相关文档，可参考以下步骤： 1. 选择合适的知识库创建工具，如使用 Coze 进行操作。 以外贸大师产品的帮助文档为例，选择其中一个文档来创建知识库，如“购买后新人常见问题汇总·语雀”。 点击创建知识库，并从知识库中添加知识单元。 为获得更好的检索效果，可使用 Local doucuments 方式，上传 Markdown 格式文档。注意文档数据格式，每个问题以“”开头（这是 Markdown 的语法）。 准备上传文件，完成知识库构建。 2. 配置问答机器人： 左侧有三处配置，分别是 AI 模型、提示词和知识库。 AI 模型：可选择如阿里千问模型。 提示词：告诉模型其角色和应专注的技能，使其成为所需的“员工”。 知识库：相当于给“聪明”员工发放的工作手册，包含特定场景下的具体规则和信息。 3. 注意事项： 文档的分片策略会严重影响查询结果，这是当前 RAG 自身的方案原理导致的。 基于 Coze 的知识库问答是典型的 RAG 方案，存在跨分片总结和推理能力弱、文档有序性被打破、表格解析失败等问题。后续可进一步研究如何组织文档形式以更好分片。

要做一款好用的智能问答应用，可以参考以下要点： 1. 利用飞书平台：了解飞书平台上的知识库和社区情况，例如 WaytoAGI 社区的成立愿景和目标。 2. 引入相关技术：如利用 RAG 技术，通过机器人帮助用户快速检索知识库中的内容。 3. 明确应用场景和实现方法：基于飞书的知识库智能问答技术，能够快速为大模型补充新鲜知识和提供大量新内容。 4. 运用飞书功能：使用飞书的智能伙伴功能搭建 FAQ 机器人，了解智能助理的原理和使用方法。 5. 企业级实践：参考企业级 agent 方面的实践经验。 同时，在提升问答效果方面，还需注意以下技巧： 1. 文档编写：尽量使用普通文本进行描述，避免过多表格、图片等内容。当前虽然 AI 能识别表格内容，但效果有待提升，图片等内容暂不支持识别。随着技术发展，这些局限会逐渐消除。 2. 标题相关性：文档的标题内容需要跟正文有强相关性，因为在召回排序的逻辑里，文档总标题在相似度计算中占有较高权重，若标题与用户问题吻合，能提高片段的语义相似度，使回答更准确。

以下是基于产品知识库构建智能问答助手的详细步骤： 创建知识库： 1. 以外贸大师产品的帮助文档为例进行演示。 帮助文档地址： 选择其中一个文档，如来创建知识库。 点击创建知识库。 从知识库中添加知识单元。 为了更好的检索效果，使用 Local doucuments 的方式，上传 Markdown 格式文档。首先查看文档数据格式，每个问题使用作为开头（这是 Markdown 的语法）。准备开始上传文件，至此，一个完整的知识库构建完成。 创建数据库存储用户的问答： 1. 2024.06.05 更新，对数据库不太了解的小伙伴，可以阅读。 2. 首先创建一个机器人：外贸大师产品资料问答机器人，进入到 Bot 的开发和预览页面。 3. 由于需求中需要记录下用户的问题和机器人的回答，方便进行统计用户最关心的问题然后进行优化，所以这个需求依赖数据库，将用户的每一次提问都保存到数据库中。 创建数据库。 定义数据库。 场景概述： 现代产品更新换代速度快，用户在使用产品时经常会有疑问，而且新产品的上市会伴随大量的信息和数据。利用 RAG 检索增强生成框架，能够将这些零散的信息整合成一个知识库。通过这个知识库，用户能够快速获得到需要问题的答案，极大地提升了用户体验，让用户不必再翻看厚重的说明书或漫无边际地搜索网络，省时又省力。 特别需要注意的是：文档的分片策略会严重影响查询的结果，这是当前 RAG 自身的方案原理导致的。