直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

请提供知识图谱的工具

回答

以下为您提供一些知识图谱的工具：

  • SmartBot：这是一款能够帮助使用者快速提升认知并帮助建立起知识图谱的工具。用户可以提供一个问题或者指定一个领域，它会引导并带领用户进行深度分析，最终辅助用户建立知识图谱。您可以通过小七姐：知识图谱自动生成的尝试了解更多。

知识图谱的关键技术包括：

  1. 知识抽取：
    • 实体抽取：通过命名实体识别从数据源中自动识别命名实体。
    • 关系抽取：从数据源中提取实体之间的关联关系，形成网状知识结构。
    • 属性抽取：从数据源中采集特定实体的属性信息。
  2. 知识表示：包括属性图、三元组等。
  3. 知识融合：
    • 实体对齐：消除异构数据中的实体冲突、指向不明等不一致性问题。
    • 知识加工：对知识统一管理，形成大规模的知识体系。
    • 本体构建：以形式化方式明确定义概念之间的联系。
    • 质量评估：计算知识的置信度，提高知识质量。
    • 知识更新：不断迭代更新，扩展现有知识，增加新知识。
  4. 知识推理：在已有的知识库基础上挖掘隐含的知识。
内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

Prompts（提示词）

|标题|作者|分类|说明|prompt|链接地址|封面|SourceID|<br>|-|-|-|-|-|-|-|-|<br>|知识图谱自动生成|小七姐|个人|能够帮助使用者快速提升认知并帮助他建立起知识图谱的工具。用户可以提供一个问题或者指定一个领域，针对这个问题/领域，你将会引导并带领用户进行深度分析，最终辅助用户建立知识图谱|你是一款AI知识图谱应用，你存储着一份数据库和一份工作流程；你数据库当中的表格信息如下：{简介<名字>:SmartBot <功能简介>:你是一款能够帮助使用者快速提升认知并帮助他建立起知识图谱的工具。用户可以提供一个问题或者指定一个领域，针对这个问题/领域，你将会引导并带领用户进行深度分析，最终辅助用户建立知识图谱<作者>:Jackey&小七姐<帮助>:你可以通过使用"/help"快捷指令，查看帮助操作目标<原始问题>:<目标>:<逻辑>:维度分析<序号>:<维度名称>:<简要解释>:<详细解释>:Q&A <序号>:<问题>:<回答>:<状态>:}表格中有部分信息为空，需要在和我沟通过程中补齐；你的工作流程如下：//序号要求，用于调试时可以对照工作流查看000.跟用户沟通过程中，你需要在每次输出时携带上工作流程标号例如：(001)，但你需要避免跟我讨|[小七姐：知识图谱自动生成的尝试](https://waytoagi.feishu.cn/wiki/LcAAwPUgiieXgfkQXy9c1avmnte)||NzMyODM4MDQ2MjgyNzY4Mzg2ODpyZWNUTkxwRzZKOmZmZTViZjVmNzRiZGZmYjQ3ZDEyNTQzOTAwZWI2YTY5OjE6SDRzSUFBQUpib2dBL3dBQ0FQMy9lMzBEQUVPL3BxTUNBQUFB|

Prompts（提示词）

|标题|作者|分类|说明|prompt|链接地址|封面|SourceID|<br>|-|-|-|-|-|-|-|-|<br>|知识图谱自动生成|小七姐|个人|能够帮助使用者快速提升认知并帮助他建立起知识图谱的工具。用户可以提供一个问题或者指定一个领域，针对这个问题/领域，你将会引导并带领用户进行深度分析，最终辅助用户建立知识图谱|你是一款AI知识图谱应用，你存储着一份数据库和一份工作流程；你数据库当中的表格信息如下：{简介<名字>:SmartBot <功能简介>:你是一款能够帮助使用者快速提升认知并帮助他建立起知识图谱的工具。用户可以提供一个问题或者指定一个领域，针对这个问题/领域，你将会引导并带领用户进行深度分析，最终辅助用户建立知识图谱<作者>:Jackey&小七姐<帮助>:你可以通过使用"/help"快捷指令，查看帮助操作目标<原始问题>:<目标>:<逻辑>:维度分析<序号>:<维度名称>:<简要解释>:<详细解释>:Q&A <序号>:<问题>:<回答>:<状态>:}表格中有部分信息为空，需要在和我沟通过程中补齐；你的工作流程如下：//序号要求，用于调试时可以对照工作流查看000.跟用户沟通过程中，你需要在每次输出时携带上工作流程标号例如：(001)，但你需要避免跟我讨|[小七姐：知识图谱自动生成的尝试](https://waytoagi.feishu.cn/wiki/LcAAwPUgiieXgfkQXy9c1avmnte)||NzMyODM3NDgxOTI1NzQ1MDUyNDpyZWNUTkxwRzZKOjAwNmI4OGFkNjY0NGZlMmY1OThhMWZjZDFlMmZlYTg1OjE6SDRzSUFBQUpib2dBL3dBQ0FQMy9lMzBEQUVPL3BxTUNBQUFB|

知识图谱

1.知识抽取：通过自动化的技术抽取出可用的知识单元实体抽取：命名实体识别（Named Entity Recognition，NER）从数据源中自动识别命名实体；关系抽取（Relation Extraction）：从数据源中提取实体之间的关联关系，形成网状的知识结构；属性抽取：从数据源中采集特定实体的属性信息。2.知识表示属性图三元组3.知识融合：在同一框架规范下进行异构数据整合、消歧、加工、推理验证、更新等，达到数据、信息、方法、经验等知识的融合，形成高质量知识库实体对齐（Entity Alignment）：消除异构数据中的实体冲突、指向不明等不一致性问题；知识加工：对知识统一管理，形成大规模的知识体系本体构建：以形式化方式明确定义概念之间的联系；质量评估：计算知识的置信度，提高知识的质量。知识更新：不断迭代更新，扩展现有知识，增加新的知识4.知识推理：在已有的知识库基础上挖掘隐含的知识

其他人在问
知识图谱
知识图谱： 知识图谱是一种揭示实体之间关系的语义网络，能够对现实世界的事物及其相互关系进行形式化描述。它于 2012 年 5 月 17 日由 Google 正式提出，初衷是提高搜索引擎能力，增强用户搜索质量和体验，实现从网页链接到概念链接的转变，支持按主题检索和语义检索。 关键技术包括： 1. 知识抽取：通过自动化技术抽取可用的知识单元，包含实体抽取（命名实体识别）、关系抽取、属性抽取。 2. 知识表示：如属性图、三元组。 3. 知识融合：在同一框架规范下进行异构数据整合、消歧、加工、推理验证、更新等，包括实体对齐、知识加工、本体构建、质量评估、知识更新，以形成高质量知识库。 4. 知识推理：在已有知识库基础上挖掘隐含知识。 外置知识： 外置知识由外部数据库提供，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。向量数据库优化了向量检索操作，常用于处理和索引非结构化数据；关系型数据库通过表格形式存储结构化数据，支持复杂查询，适用于事务性数据存储；知识图谱以图的形式组织数据，强调实体之间的关系，适合复杂的语义分析和知识推理。在实际应用中，外置知识的集成和管理常采用 RAG 架构，它结合了检索和生成，通过检索外部知识源增强模型的生成能力。 知识表示： 知识是存在于我们脑海中、代表对世界理解的东西，通过活跃的学习过程从接收到的信息碎片整合而来。要区分知识与信息、数据，例如书籍内容实际是数据，我们阅读后转化为知识。通常用 DIKW 金字塔整合知识与其他相关概念，包含数据、信息、知识、智慧。知识表示的问题是找到以数据形式在计算机中表示知识并能自动化使用的有效方法，这是一个连续谱，左侧有简单但不灵活的表示方式如算法，右侧有功能强大但不适合自动化推理的自然语言等方式。
2024-10-23
知识图谱的生成
知识图谱是一种揭示实体之间关系的语义网络，能够对现实世界的事物及其相互关系进行形式化描述。它于 2012 年 5 月 17 日由 Google 正式提出，初衷是提高搜索引擎的能力，增强用户的搜索质量和体验，实现从网页链接到概念链接的转变，支持主题检索和语义检索。 知识图谱的关键技术包括： 1. 知识抽取：通过自动化技术抽取可用的知识单元，如实体抽取（命名实体识别）、关系抽取、属性抽取。 2. 知识表示：包括属性图、三元组等。 3. 知识融合：在同一框架规范下进行异构数据整合、消歧、加工、推理验证、更新等，包括实体对齐、知识加工、本体构建、质量评估、知识更新，以形成高质量知识库。 4. 知识推理：在已有知识库基础上挖掘隐含知识。 此外，smartBot 存在两种典型的应用场景： 1. 辅助使用者对某个行业/领域/问题进行深度解读和分析，并建立系统性的认知过程。 2. 根据预设流程，自动化形成对某个专业方向/领域/行业的系统化知识图谱。 在企业中建构人工智能的主要技术包括非监督学习（最著名的是聚类）、迁移学习（任务 A 中学习的内容可用于帮助完成任务 B）、强化学习（根据输出好坏给予奖励或惩罚）、生成对抗网络（由生成器和判别器构成，不断训练和竞争以生成真实数据）。知识图谱在搜索时可展示相关信息，如人物的生日、年纪等，酒店知识图谱能包含大量信息方便人们查找。
2024-10-05
你知道什么AI生成知识图谱的模型吗
以下是一些 AI 生成知识图谱的相关模型： 1. 小七姐提出的以问题驱动的方法中，在学习深入时会使用大模型帮助构建和扩展知识图谱。该方法包括问题生成、探索性学习、知识图谱构建、创造性应用和反思与迭代等步骤。 2. 智谱·AI 开源的多模态模型中，如 Visualglm6B 是一个支持图像、中文和英文的多模态对话语言模型，整体模型共 78 亿参数。此外还有 Relay Diffusion Model（RDM），它是级联扩散模型，可以从任意给定分辨率的图像快速生成，而无需从白噪声生成。
2024-09-27
知识图谱
知识图谱： 知识图谱是一种揭示实体之间关系的语义网络，能够对现实世界的事物及其相互关系进行形式化描述。它于 2012 年 5 月 17 日由 Google 正式提出，初衷是提高搜索引擎的能力，增强用户的搜索质量和体验，将 Web 从网页链接转向概念链接，支持用户按主题检索，实现语义检索。 关键技术包括： 1. 知识抽取： 实体抽取：通过命名实体识别从数据源中自动识别命名实体。 关系抽取：从数据源中提取实体之间的关联关系，形成网状知识结构。 属性抽取：从数据源中采集特定实体的属性信息。 2. 知识表示：包括属性图、三元组等。 3. 知识融合： 实体对齐：消除异构数据中的实体冲突、指向不明等不一致性问题。 知识加工：对知识统一管理，形成大规模的知识体系。 本体构建：以形式化方式明确定义概念之间的联系。 质量评估：计算知识的置信度，提高知识质量。 知识更新：不断迭代更新，扩展现有知识，增加新知识。 4. 知识推理：在已有的知识库基础上挖掘隐含的知识。 在 AI Agent 系列中，外置知识包括知识图谱。外置知识由外部数据库提供，能够动态更新和调整。外置知识的数据库和图谱构成了智能体的知识库，包括向量数据库（优化了向量检索操作，常用于处理和索引非结构化数据，如图像和文本）、关系型数据库（通过表格形式存储结构化数据，支持复杂查询，适用于事务性数据存储）、知识图谱（以图的形式组织数据，强调实体之间的关系，适合于复杂的语义分析和知识推理）。在实际应用中，外置知识的集成和管理常常采用 RAG 架构，这是一种结合了检索和生成的模型，通过检索外部知识源来增强模型的生成能力，允许智能体在生成响应或执行任务时，不仅依赖内置知识，还能实时检索和整合最新的外部信息。
2024-09-03
知识图谱
知识图谱是一种揭示实体之间关系的语义网络，可对现实世界的事物及其相互关系进行形式化描述。它于 2012 年 5 月 17 日由 Google 正式提出，旨在提高搜索引擎能力，增强用户搜索质量和体验，实现语义检索。 知识图谱的关键技术包括知识抽取、知识表示、知识融合、知识更新和知识推理。知识抽取通过自动化技术抽取可用知识单元，包括实体抽取、关系抽取和属性抽取。知识表示有属性图和三元组等方式。知识融合在同一框架下进行异构数据整合、消歧、加工、推理验证和更新，形成高质量知识库，包括实体对齐、知识加工、本体构建和质量评估等。知识更新不断迭代扩展现有知识，增加新知识。知识推理在已有知识库基础上挖掘隐含知识。 在 LLM 落地思考方面，实现某个 NLP 任务需要收集大量业务数据并进行人工标注，训练 bert 模型，再进行针对性优化，时长可能要一个月，且交付后较难进行意图新增和任务泛化，有时使用句式规则方式更好维护与更新。构建知识图谱虽可承载公司级、行业级知识并进行更新与可视化展示，但构建复杂，需与行业专家深度讨论，预见企业长远业务发展可能性制定 schema，稍有不慎就可能图谱与业务错位，且从建立到可用至少需半年周期。NLG 基本上还是拼接为主，有多少人工规则就有多少智能。而 LLM 横空出世后，对 NLP、NLG、KG 都有较大提升，因此这三类场景都可因效率和效果大幅提升而有更好、更多可能的落地方式。
2024-06-20
中国AIGC应用全景图谱
中国 AIGC 应用全景图谱 AIGC（AI Generated Content）是指利用人工智能技术生成的内容，是继用户生成内容（UGC）、专业生产内容（PGC）之后的新型内容生产方式。作为一种强大的技术，生成式 AI 能够赋能诸多领域，但也存在多重潜在的合规风险。目前，我国对 AIGC 的监管框架由《网络安全法》《数据安全法》及《个人信息保护法》构成，并与《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》《生成式人工智能服务管理暂行办法》《科技伦理审查办法（试行）》等形成了共同监管的形势。 AIGC 主要分为语言文本生成、图像生成和音视频生成。语言文本生成利用马尔科夫链、RNN、LSTMs 和 Transformer 等模型生成文本，如 GPT4 和 GeminiUltra。图像生成依赖于 GANs、VAEs 和 Stable Diffusion 等技术，应用于数据增强和艺术创作，代表项目有 Stable Diffusion 和 StyleGAN 2。音视频生成利用扩散模型、GANs 和 Video Diffusion 等，广泛应用于娱乐和语音生成，代表项目有 Sora 和 WaveNet。此外，AIGC 还可应用于音乐生成、游戏开发和医疗保健等领域，展现出广泛的应用前景。 AIGC 在 CRM（客户关系管理）领域有着广阔的应用前景，主要包括以下几个方面： 1. 个性化营销内容创作：AIGC 可以根据客户的个人信息、购买历史、偏好等数据，生成高度个性化且富有创意的营销文案、视觉内容等，替代人工撰写，提高营销效率和转化率。 2. 客户服务对话系统：基于 AIGC 的对话模型，可以开发智能客服系统，通过自然语言交互的方式解答客户的咨询、投诉等，缓解人工客服的压力。 3. 产品推荐引擎：借助 AIGC 生成丰富的产品描述、视觉展示等内容，相结合推荐算法，为客户推荐更贴合需求的产品，提升销售业绩。 4. CRM 数据分析报告生成：AIGC 可以自动生成期望的数据分析报告内容，包括文字、图表、视频演示等形式，加快分析报告的生产流程。 5. 智能翻译和本地化：AIGC 技术能够提供高质量的多语种翻译及本地化服务，帮助企业打造精准的全球化营销内容。 6. 虚拟数字人和营销视频内容生成：AIGC 可以快速生成虚拟数字人形象、场景背景和营销视频内容，降低视频制作成本。 7. 客户反馈分析：AIGC 可以高效分析海量的客户反馈文本和多媒体信息，挖掘客户需求和潜在痛点。 总之，AIGC 在 CRM 领域的应用可以帮助企业提高客户满意度、提升销售业绩、降低运营成本，从而实现更好的客户关系管理。你可以在知识库的研究报告目录下找到。
2024-05-27
你是基于什么大模型做的知识库
以下是关于大模型和知识库的相关知识： 1. RAG（检索增强生成）技术：利用大模型搭建知识库是 RAG 技术的应用。大模型训练数据有截止日期，当需要依靠不在训练集中的数据时，可通过 RAG 实现。RAG 包括文档加载、文本分割、存储（包括嵌入和向量数据存储到向量数据库）、检索、输出（把问题及检索出的嵌入片提交给 LLM 生成答案）等 5 个过程。文档加载可从多种来源加载不同类型的文档，文本分割将文档切分为指定大小的块。 2. 硬件配置要求：运行大模型需要较高的机器配置。生成文字大模型最低配置为 8G RAM + 4G VRAM，建议配置为 16G RAM + 8G VRAM，理想配置为 32G RAM + 24G VRAM（跑 GPT3.5 差不多性能的大模型）；生成图片大模型最低配置为 16G RAM + 4G VRAM，建议配置为 32G RAM + 12G VRAM；生成音频大模型最低配置为 8G VRAM，建议配置为 24G VRAM。 3. 实例：在一个设定中，使用阿里千问模型，设定角色为“美嘉”，知识库为《爱情公寓》全季剧情，实现问答。
2024-10-22
私人知识库
以下是关于私人知识库的相关知识： 使用 GPT 打造个人知识库： 可先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，问题先通过 embeddings API 转换成问题向量，然后与向量储存库的所有文本块向量比对，查找距离最小的几个向量，把这几个向量对应的文本块提取出来，与原有问题组合成新的 prompt 发送给 GPT API。 理解 embeddings： embeddings 是一个浮点数字的向量（列表），两个向量之间的距离衡量它们的关联性，小距离表示高关联度，大距离表示低关联度。 向量是数学中表示大小和方向的量，通常用一串数字表示，在计算机科学和数据科学中常用列表来表示。 计算向量之间距离常见的方式是欧几里得距离，即对应元素相减取平方和再开平方。 AI 时代的私人知识库： 私人知识库中的内容一般有两种：日常从互联网收集的优质信息和个人日常的思考以及分享。 基于私人知识库打造个人专属的 ChatGPT 常见有两种技术方案：训练专有大模型和利用 RAG（检索增强生成）技术。 训练专有大模型：可以使用个人知识库训练专有的大模型，但此方案并非当下主流，存在高成本、更新难度大等缺陷。高成本体现在需要大量计算资源和专业知识；更新难度大在于若要更新模型知识，需重新训练或微调模型，过程复杂耗时。
2024-10-22
我想从简单学习AI知识
以下是为新手学习 AI 知识提供的建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的主要分支（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模块深入学习。 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，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 对于不会代码但希望继续精进的情况，可以尝试了解以下作为基础： 1. AI 背景知识： 基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展：简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础： 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：了解向量、矩阵等线性代数基本概念。 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 3. 算法和模型： 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：熟悉聚类、降维等算法。 强化学习：简介强化学习的基本概念。 4. 评估和调优： 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 模型调优：学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础： 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 中学生学习 AI 可以参考以下建议： 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： 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。但请注意，以上内容由 AI 大模型生成，请仔细甄别。
2024-10-22
科学问题二：XXX（小标题） 问题挑战：如何通过构建合理的先验知识或模型假设，刻画出数据中的可变性？如何利用从少量样本中提取到的变化信息来预测未见数据的表现？ XXX XXX（问题挑战一的方法） XXX）问题挑战二的方法） 请将XXX补充完整，重点在预测，如何刻画和利用数据分布的“变化性”
以下是为您补充完整的内容： 对于如何通过构建合理的先验知识或模型假设，刻画出数据中的可变性，以及如何利用从少量样本中提取到的变化信息来预测未见数据的表现，我们可以参考以下方法： 在准备 LLM 数据方面，对于制作 LLM 微调数据集，首先获取文本格式非结构式和网络式结构式的数据。对于 QA 数据集，主要依靠已有的大语言模型生成，根据不同文本设定不同的提示词以获取尽可能多且信息量丰富的 QA。先对文件中的文本进行切割，将每一大部分放进一个约 200 字的 txt 文件里，然后设定提示词模板。例如对于公司产品手册，模板可以是：“你是一个聪明的 xxx 公司的 xxx 产品的产品经理。给你一段 xxxxx 有限公司 xx 产品相关的文本，你必须依据文本想出十个不同的问题和这十个问题对应的答案。你想出的问题可以被用来测试公司内部 xxx 职员的专业能力。你想出的问题可以是使用公司产品的用户会想到的问题。你想出的问题和答案必须和所给文本相关。你回答得答案必须可以让使用产品的用户理解。当你想出问题和答案后，你必须用以下格式回复：```
2024-10-21
RAG应用的案例，结合本地知识库和开放搜索
以下是一些 RAG 应用的案例： 1. 用户向 ChatGPT 查询最近引起广泛关注的事件，如 OpenAI 首席执行官的突然解雇和复职，由于 ChatGPT 预训练数据的限制缺乏对最新事件的了解。RAG 通过从外部知识库中检索最新的文档摘录来解决这一问题，获取相关新闻文章并与最初的问题合并成丰富的提示，使 ChatGPT 能够合成知情的回答，展示了其通过实时信息检索增强模型响应能力的过程。 2. 在本地知识库的搭建中，利用大模型的能力搭建知识库本身就是一个 RAG 技术的应用。RAG 应用可抽象为 5 个过程：文档加载，从多种来源加载文档；文本分割，把文档切分为指定大小的块；存储，包括将切分好的文档块嵌入转换成向量形式并存储到向量数据库；检索，通过检索算法找到与输入问题相似的嵌入片；输出，把问题及检索出来的嵌入片一起提交给 LLM，让其生成更合理的答案。 3. 在了解 RAG 全貌时，其流程分为离线数据处理和在线检索两个过程。离线数据处理目的是构建知识库这本“活字典”，在线检索则是利用知识库和大模型进行查询的过程。以构建智能问答客服这一最经典的应用场景为例，可深入了解 RAG 所有流程中的“What”与“Why”。
2024-10-20
我是说影视方面的AI工具
以下是一些关于影视方面的 AI 工具的信息： 对于 AI 短片创作，除了常见的 GPT4、Claude、Kimi、智谱清言、文心一言等工具，更关键的是确定要创作的故事类型和来源。故事来源可以是原创（如自身或周围人的经历、做过的梦、想象的故事等），也可以是改编（如经典 IP、名著、新闻、二创等）。 剧本写作方面，编剧有一定门槛，不能单纯依赖剧作理论和模板，应多实践、总结经验，并与他人讨论改进。对于短片创作，可从自身或朋友经历改编入手，或对触动自己的短篇故事进行改编。 在使用 Pika、Pixverse、Runway、SVD 四大 AI 视频工具制作短片时，需注意 AI 视频通常需要大量抽卡获取合适画面，此次决定每家视频每张图片只抽一次卡。以下是不同类型影片的示例： 科幻片：如太空舰队交战、宇航员头盔特写等场景。 战争片：如士兵在战壕准备迎击、查看地图等场景。 奇幻片：如奇幻生物追逐、小精灵特写等场景。 纪录片：如壮丽山脉的远景、野花的特写等场景。 美食片：如厨师切割食材、蛋糕的特写等场景。
2024-10-24
最近有什么新的AI工具
以下是一些新的 AI 工具： 思维导图相关： GitMind：免费跨平台，支持多种模式，可通过 AI 自动生成思维导图。 ProcessOn：国内思维导图+AIGC 工具，能利用 AI 生成思维导图。 AmyMind：轻量级在线，无需注册登录，支持自动生成节点。 Xmind Copilot：基于 GPT，可一键拓展思路、生成文章大纲。 TreeMind：输入需求由 AI 自动完成思维导图生成。 EdrawMind：提供 AI 驱动的头脑风暴功能，提升生产力。 PPT 相关： Gamma：在线制作网站，输入文本和想法提示快速生成幻灯片，支持嵌入多媒体。 美图 AI PPT：通过输入文本描述生成专业设计，有丰富模板库和设计元素。 Mindshow：提供智能设计功能，如自动布局、图像选择和文本优化等。 讯飞智文：利用科大讯飞技术优势，提供智能文本生成、语音输入等功能。 Excel 相关： Excel Labs：Excel 插件，新增基于 OpenAI 技术的生成式 AI 功能。 Microsoft 365 Copilot：整合多种办公软件，通过聊天形式完成任务。 Formula Bot：提供数据分析聊天机器人和公式生成器功能。 Numerous AI：支持 Excel 和 Google Sheets，可生成文本、执行情感分析等。 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2024-10-24
AI招聘工具
以下是关于 AI 招聘工具的相关信息： 写简历的 AI 产品： Kickresume 的 AI 简历写作器：使用 OpenAI 的 GPT4 语言模型，能为简历摘要、工作经验和教育等专业部分编写内容，并保持一致语调。 Rezi：受到超过 200 万用户信任的领先 AI 简历构建平台，能自动化创建可雇佣简历的各个方面，包括写作、编辑、格式化和优化。 Huntr 的 AI 简历构建器：提供免费简历模板，以及 AI 生成的总结/技能/成就生成器和 AI 驱动的简历工作匹配。 更多 AI 简历产品，可查看：https://www.waytoagi.com/category/79 。您可以根据自身需求选择适合的工具。 人工智能在招聘中的潜在风险与应对策略： AI 偏见：AI 训练依赖大量数据，若数据集存在对特定社会群体或性别的偏见，可能会在招聘中复制甚至加剧这些偏见。 数据隐私：AI 招聘系统收集大量个人数据，如被滥用可能侵犯候选人隐私。 算法偏见：数据集偏差可能导致 AI 系统偏差，例如对某些性别或群体的偏爱。 残疾申请人：雇主使用 AI 招聘工具时需为残疾申请人提供便利，确保不排除该群体。 种族和性别影响：AI 在招聘和晋升中存在无意歧视某些种族和性别群体的风险。 AI 招聘筛选工具的应用实例： 智联招聘 APP：帮助企业快速筛选简历，提高招聘效率。利用 AI 技术对求职者简历进行分析和筛选，根据企业招聘要求推荐符合条件的候选人。 希望以上信息对您有所帮助。
2024-10-24
扩图的ai工具
以下是一些常见的扩图 AI 工具： 视频放大： https://www.topazlabs.com/topazvideoai 【超级会员 V6】通过百度网盘分享的文件：Topaz 全家桶... 链接：https://pan.baidu.com/s/1bL4tGfl2nD6leugFh4jg9Q?pwd=16d1 提取码：16d1 复制这段内容打开「百度网盘 APP 即可获取」 Kraken.io：主要用于图像压缩，但也提供免费的图像放大功能，能保证图像细节清晰度。 图片放大： 本地工具放大：https://www.upscayl.org/download SD 放大：扩散模型可以增加更多细节 开源工作流： stability.ai 的 https://clipdrop.co/tools 画质增强 magnific 遥遥领先：https://magnific.ai/ Krea：https://www.krea.ai/apps/image/enhancer Image Upscaler：https://imageupscaler.com/ 佐糖：https://picwish.cn/photoenhancerapi?apptype=apsbdapi&bd_vid=8091972682159211710 腾讯 ARC：https://arc.tencent.com/zh/aidemos/humansegmentation?ref=88sheji.cn 腾讯开源的模型，能恢复老照片： https://github.com/TencentARC/GFPGAN 在线测试地址：https://replicate.com/tencentarc/gfpgan 美图老照片修复：https://www.xdesign.com/quality/?channel=sllbd90&bd_vid=11711254260543749686 Imglarger：https://imglarger.com/ Let's Enhance：https://letsenhance.io/ Waifu2x： http://waifu2x.udp.jp/ 能够提供图片的放大和降噪功能，使用深度学习技术提高图像质量，保留细节和纹理，简单易用且效果好。 Bigjpg：http://bigjpg.com/，是强大的图像分辨率增强工具，使用神经网络算法加大图像尺寸，提高图像质量，处理速度快。 Topaz Gigapixel AI：https://www.topazlabs.com/gigapixelai discord：https://discord.gg/m5wPDgkaWP GIGAGAN：https://mingukkang.github.io/GigaGAN/ Topaz Photo AI：https://www.topazlabs.com/ 此外，Deep Art Effects 是一款强大的艺术效果编辑器，通过 AI 技术能够将图像放大并赋予艺术效果，支持多种滤镜和风格，让图像更独特。RealESRGAN 是基于 RealESRGAN 的图像超分辨率增强模型，具有可选的人脸修复和可调节的放大倍数，能将低分辨率图像转换为高分辨率图像，使用深度学习模型训练，恢复更多细节和清晰度，可通过 API 在 Replicate 上运行，但用几次要收费。
2024-10-24
有什么生成海报或者图生图的AI应用工具
以下是一些生成海报或者图生图的 AI 应用工具： 用于工作中出图的有：Labzen、龙飞等。 用于电商应用出图的有：薄荷、刘燕兰等。 用于广告出图的有：朱鹏等。 以下是一些推荐的 AI 海报生成工具： Canva（可画）：https://www.canva.cn/ 是一个受欢迎的在线设计工具，提供大量模板和设计元素，AI 功能可帮助选择合适颜色搭配和字体样式。 稿定设计：https://www.gaoding.com/ 稿定智能设计工具采用先进人工智能技术，自动分析和生成设计方案。 VistaCreate：https://create.vista.com/ 是简单易用的设计平台，提供大量设计模板和元素，用户可用 AI 工具创建个性化海报，智能建议功能可帮助快速找到合适设计元素。 Microsoft Designer：https://designer.microsoft.com/ 通过简单拖放界面，可快速创建演示文稿、社交媒体帖子等视觉内容，还集成丰富模板库和自动图像编辑功能。 以下是一些好用的图生图产品： Artguru AI Art Generator：在线平台，生成逼真图像，给设计师提供灵感，丰富创作过程。 Retrato：AI 工具，将图片转换为非凡肖像，拥有 500 多种风格选择，适合制作个性头像。 Stable Diffusion Reimagine：新型 AI 工具，通过稳定扩散算法生成精细、具有细节的全新视觉作品。 Barbie Selfie Generator：专为喜欢梦幻童话风格的人设计的 AI 工具，将上传的照片转换为芭比风格，效果超级好。 需要注意的是，这些 AI 模型可能存在一些局限，如偶尔会出现性能不稳定、生成内容不当等问题。内容由 AI 大模型生成，请仔细甄别。
2024-10-24
deepseek支持function calling，在dify的agent的prompt里要如何写才能调用工具。我说的是如何写提示词，才能让deepseek通过Function Calling调用工具。
要在 Dify 的 agent 的 prompt 里让 DeepSeek 通过 Function Calling 调用工具，您可以参考以下内容： 1. 提示词工程主要由提示词注入和工具结果回传两部分代码组成。 提示词注入：将工具信息及使用工具的提示词添加到系统提示中。INSTRUCTION 包含 TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT 三个部分。TOOL_EAXMPLE 用于提示 LLM 如何理解和使用工具，编写时注意用无关紧要的工具作示例避免混淆。tools_instructions 是将通用工具字典转换成 LLM 可读的工具列表，可动态调整。REUTRN_FORMAT 定义调用 API 的格式。 工具结果回传：利用正则表达式抓取输出中的“tool”和“parameters”参数。对于 interpreter 工具，使用另一种正则表达式提取 LLM 输出的代码。通过识别 LLM 返回的调用工具的字典，提取对应值传入工具函数，将结果以 observation 角色返回给 LLM，对于不接受该角色的 LLM 接口，可改为回传给 user 角色。 2. 当模型判断需要调用工具函数时，检测到返回的 json 里 function_call 字段不为空，则执行异步函数调用，采用回调方式获取函数返回结果。通过判断返回的 functionCall 的名称执行不同函数并返回结果。 3. 在大模型请求中，最大的两个变量是 Messages 和 Tools。Messages 里放 sys prompt、memory、user query；Tools 里放能力的 Json Scheme，两者组合形成整个完全的 Prompt。Agent 应用开发的本质是动态 Prompt 拼接，通过工程化手段将业务需求转述成新的 prompt。短期记忆在 messages 里的历史 QA 对，长期记忆是 summary 之后的文本再塞回 system prompt。RAG 是向量相似性检索，可放在 system prompt 里或通过 tools 触发检索。Action 是触发 tool_calls 标记进入请求循环，拿模型生成的请求参数进行 API request，再把结果返回给大模型交互，没有 tool_calls 标记则循环结束。Multi Agents 是更换 system prompt 和 tools。
2024-10-24
go-to-market过程中AI可以提供什么帮助
在 gotomarket 过程中，AI 能够提供多方面的帮助： 1. 产品照片创作：像 Flair、Booth 和 Bloom 这样的工具可以帮助品牌创建引人注目的产品照片，例如将挂在衣架上的连衣裙的静态照片变成女人穿着裙子在花园里行走的形象，未来还可能实现极度个性化，如展示沙发摆放在您公寓中的照片。 2. 营销材料制作：AdCreative 和 Pencil 可以制作用于电子邮件或社交媒体的营销材料，Frase 或 Writesonic 可以编写经过 SEO 优化的产品描述。最终，用户有望仅通过描述期望的审美并点击按钮，就能创建一个完整的电商商店以及用于市场营销的材料。 3. 营销领域的 AI 工具： Synthesia：允许用户创建由 AI 生成的高质量视频，包括数字人视频，提供多种定价计划，可用于制作营销视频、产品演示等。 HeyGen：基于云的 AI 视频制作平台，用户可从 100 多个 AI 头像库中选择，并通过输入文本生成数字人视频，适合制作营销视频和虚拟主持人等。 Jasper AI：人工智能写作助手，可用于生成营销文案、博客内容、电子邮件等，提供多种语气和风格选择，写作质量较高。 Copy.ai：AI 营销文案生成工具，可快速生成广告文案、社交媒体帖子、电子邮件等营销内容，有免费和付费两种计划。 Writesonic：AI 写作助手，专注于营销内容创作，如博客文章、产品描述、视频脚本等，提供多种语气和行业定制选项。 更多的营销产品可以查看 WaytoAGI 网站：https://www.waytoagi.com/sites?tag=8 。总的来说，这些 AI 工具能够帮助营销人员高效创作各种营销内容，提高工作效率。用户可根据实际需求选择合适的工具。但需注意，以上内容由 AI 大模型生成，请仔细甄别。
2024-10-22
way to agi 可以提供每一个ai的教程吗
WaytoAGI（通往AGI之路）是由一群热爱AI的专家和爱好者共同建设的开源AI知识库。它提供了一系列开箱即用的工具，包括文生图、文生视频、文生语音等详尽的教程。无论您是AI初学者还是行业专家，都能在这里发掘有价值的内容。 知识库涵盖的内容丰富多样，包括但不限于以下方面： 推荐了 B 站 up 主 Nally 的免费课程，每节 15 分钟。 二十四节气相关教程和关键词已开源。 会有老师带领大家用 AI 做生图、毛毡字、光影字、机甲字等。 提到人像可控的炼丹操作、AI 视频及相关变现方式。 介绍了工程生产的可控性，以及 AI 视频相关的共学课程、工具及挑战赛。 提供了不同类型的学习路径规划，如 AI 提示词、AI 绘画、AI 语音与数字人等方面的学习路径。 包含 AI 产品介绍、数据分析、研究报告与课程、AI 论文和数据等内容。 有开源内容共建，如音乐之路、AI 视频学社、微信机器人搭建、手搓“硬件”机器人、关键词学社、AI 教育之路、AI 3D 学社、AI 即兴喜剧等。 您可以通过以下链接访问：https://waytoagi.com/ ，即刻体验：https://waytoagi.com/
2024-10-20
以图像识别，为小白科普相关知识和交叉领域，并为研究生提供参考选题
图像识别是指利用计算机技术对图像进行处理和分析，以识别和理解图像中的内容。 对于小白来说，图像识别是让计算机像人一样“看懂”图像。它基于深度学习、机器学习等技术，通过对大量图像数据的学习和训练，能够自动提取图像的特征，并进行分类、识别等操作。 图像识别的应用非常广泛，比如在安防领域，用于人脸识别、车牌识别等；在医疗领域，辅助疾病诊断、医学影像分析；在交通领域，实现交通标志识别、车辆检测等。 图像识别与多个领域存在交叉，如计算机视觉，它不仅关注图像的识别，还包括图像的生成、处理等；与人工智能的其他分支如自然语言处理也有结合，实现图文转换等功能；在工业领域，与自动化生产相结合，进行产品质量检测等。 对于研究生来说，以下是一些参考选题： 1. 基于小样本学习的图像识别算法研究。 2. 融合多模态信息的图像识别模型优化。 3. 针对特定场景（如复杂环境、低光照等）的图像识别改进。 4. 图像识别在医疗诊断中的精准度提升策略。 5. 结合深度学习和传统方法的图像识别性能比较。 6. 基于新型神经网络架构的图像识别应用。
2024-10-19
有没有能将提供的文章内容改写合并的提示词？
以下是一些能够将提供的文章内容改写合并的提示词示例： 对于政府机关材料写作者的提示词： Role：人物精神写作笔杆子，Profile 包含作者、版本、语言、描述等信息，Goals 是根据提供的材料生成完整文体，Constrains 有对未知信息的处理、调用数据库等，Skills 包括文章撰写和排版审美，Workflows 有具体步骤。 对于联网的科普作者的提示词： Role:科普作者，Profile 包含作者、版本、语言等信息，Goals 是根据关键词解读新闻，Constrains 有准确性、清晰性、公正性和及时性要求。 对于新闻文章的事实核查员的提示词：角色为新闻文章的事实核查员，个人信息包含作者等，目标是区分事实和观点等，约束有对事实和观点的处理方式，Skills 包括区分能力和使用格式化技术，工作流程分多步进行。
2024-10-15
小白想了解AI相关知识，请提供合理化建议
以下是为小白提供的关于 AI 相关知识的合理化建议： 一、概念部分 1. 生成式 AI 生成的内容被称为 AIGC。 2. 相关技术名词： AI 即人工智能。 机器学习是指电脑通过找规律进行学习，包括监督学习、无监督学习、强化学习。 监督学习使用有标签的训练数据，目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习的数据没有标签，算法自主发现规律，经典任务如聚类，例如让模型将一堆新闻文章根据主题或内容特征分成相似组。 强化学习从反馈中学习，以最大化奖励或最小化损失，类似训练小狗。 深度学习是一种参照人脑构建神经网络和神经元的方法（因层数多而称为深度），神经网络可用于监督学习、无监督学习、强化学习。 生成式 AI 能够生成文本、图片、音频、视频等内容形式。 LLM 是大语言模型。对于生成式 AI，生成图像的扩散模型不属于大语言模型；对于大语言模型，生成只是其中一个处理任务，如谷歌的 BERT 模型可用于语义理解（不擅长文本生成），像上下文理解、情感分析、文本分类。 二、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（SelfAttention）处理序列数据，无需依赖循环神经网络（RNN）或卷积神经网络（CNN）。GPT 中 Transformer 是关键，且 Transformer 比 RNN 更适合处理文本的长距离依赖性。
2024-10-14
有没有一个ai，我提供照片之后他可以按照我的要求进行设计
以下为您介绍一些关于通过 AI 按照您的要求对提供的照片进行设计的相关知识： 关键词和主题描述： 图片内容通常分为二维插画和三维立体两种表现形式。 主题描述可以包括场景、故事、元素、物体或人物的细节搭配。比如描述一个动物园，要列举其中的动物、设施等；描述人物要独立描述其特征。 但大场景中多个角色的细节不太容易通过关键词生成。 设计风格： 设计师可能难以直接表达设计风格，可通过找风格类关键词参考或垫图/喂图，让 AI 结合主题描述生成相应风格的图片。 对于某些材质的描述，如玻璃、透明塑料等，关键词的运用有很多门道，需要针对特定风格进行“咒语测试”。 Midjourney 工具： Midjourney 是容易上手的 AI 绘图工具，适合新手。 对于 UI 设计，可使用指令模板「ui design forapplication,mobile app,iPhone,iOS,Apple Design Award,screenshot,single screen,high resolution,dribbble」，将“类型”替换为产品关键词描述（英文）生成 UI 设计图。 如出行类可使用「距离、车费、费用结算、优惠金额、地图」等关键词。 餐饮类可使用「介绍咖啡的特色、口味、咖啡豆产地、价格」等关键词。 运动类可使用「卡路里、步数、距离、某种运动」等描述。 若想指定生成某个页面（如首页、登录页等），可再加页面指令描述，如「landing page、Profile Page」。 社交平台可用「landing page」生成登录页设计。 信息类可用「Profile Page」生成个人资料页。 目前，Midjourney 产出的设计图更适合在 APP 设计的初始阶段，如头脑风暴和风格探索中提供灵感和创意，直接落地开发仍有距离，但随着技术迭代，这种距离有望缩短。
2024-10-13