资讯收集机器人-WayToAGI

回答

以下是关于资讯收集机器人的相关信息：

上周使用 GPT-4 创建了一个信息收集机器人，用于监控指定推特账户，将信息交给 ChatGPT 翻译并总结，然后发送到 Discord 指定频道。具体步骤包括：简单说明需求让 GPT-4 给出建议，获取更具体可执行方法，用 zapier 创建机器人，触发器选择推特 APP 并绑定账号，将信息发送给 ChatGPT 并设置处理方式和输出格式，最后链接 Discord 创建机器人并选择发送频道和信息。详细内容和 zapier 机器人模板可参考：https://op7418.zhubai.love/posts/2251721691841511424 。
本地部署资讯问答机器人可通过 Langchain + Ollama + RSSHub 实现 RAG，包括加载所需库和模块，如 feedparse 用于解析 RSS 订阅源，ollama 用于在 python 程序中跑大模型（使用前需确保 ollama 服务已开启并下载好模型）；从订阅源获取内容，通过函数从指定 RSS 订阅 url 提取内容并处理；为文档内容生成向量，使用文本向量模型 bge-m3（https://huggingface.co/BAAI/bge-m3），从 hf 下载好模型后通过函数利用 FAISS 创建高效向量存储。
介绍了一些大模型，如 Google 推出的 Gemma（下载的是 7B 模型）、欧洲法国 Mistral AI 团队推出的 Mistral（7B 模型）和 Mixtral（8*7B 的 MoE 模型）、阿里巴巴推出的 Qwen（通义千问，7B 模型）。
强调了 RSS 作为数据源的作用，虽然在日常获取资讯时手机 APP 基本够用，但对于特定需求从某些网站获取最新通知或相关信息，如获取 https://openai.com/blog 的最新更新、https://www.producthunt.com 每天的热门产品、https://github.com/trending 每天的热门开源项目等，RSS 仍有其优势。

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

[title]AIGC Weekly #14工具：Midjourney v5提示词：pastel colored silk,inside twisted waves,defocus,smooth,modern minimalist,blender,3d render,unreal engine 5,industrial design,white background,studio lighting,zoomed shoot --ar 3:2上周我用GPT-4创建了一个信息收集机器人来帮助我收集和整理AI相关信息。机器人主要的操作就是监控指定的推特账户，在发出信息后交给ChatGPT翻译并总结，之后把总结的内容发送到Discord指定频道里。下面是简略的教程。详细内容和zapier机器人模板可以看这里：[https://op7418.zhubai.love/posts/2251721691841511424](https://op7418.zhubai.love/posts/2251721691841511424)首先简单说明自己的需求（如何将我收集信息的流程自动化并且对信息进行处理和整合），让GPT-4给出一些可能的建议。之后从GPT-4给出的建议获取更具体的可执行的方法，之后我发现写代码部署服务的过程有点复杂。于是让他给出zapier创建机器人的方法。然后按照他给的步骤创建机器人。第一步的触发器选择推特APP，绑定自己的推特账号，选择需要监控的账号或者列表。之后将信息发送给ChatGPT，还是选择APP为ChatGPT，填写自己的Open API Key，选择需要GPT处理的信息，填写提示词告诉GPT要如何处理信息，以及信息的输出格式。最后链接Discord创建机器人，选择发送信息的频道和需要发送的信息（也就是ChatGPT的输出内容）。

本地部署资讯问答机器人：Langchain+Ollama+RSSHub 实现 RAG

[title]本地部署资讯问答机器人：Langchain+Ollama+RSSHub实现RAG加载所需的库和模块。其中，feedparse用于解析RSS订阅源ollama用于在python程序中跑大模型，使用前请确保ollama服务已经开启并下载好模型|从订阅源获取内容下面函数用于从指定的RSS订阅url提取内容，这里只是给了一个url，如果需要接收多个url，只要稍微改动即可。然后，通过一个专门的文本拆分器将长文本拆分成较小的块，并附带相关的元数据如标题、发布日期和链接。最终，这些文档被合并成一个列表并返回，可用于进一步的数据处理或信息提取任务。|为文档内容生成向量这里，我们使用文本向量模型bge-m3。https://huggingface.co/BAAI/bge-m3bge-m3是智源研究院发布的新一代通用向量模型，它具有以下特点：支持超过100种语言的语义表示及检索任务，多语言、跨语言能力全面领先（M ulti-Lingual）最高支持8192长度的输入文本，高效实现句子、段落、篇章、文档等不同粒度的检索任务（M ulti-Granularity）同时集成了稠密检索、稀疏检索、多向量检索三大能力，一站式支撑不同语义检索场景（M ulti-Functionality）从hf下载好模型之后，假设放置在某个路径/path/to/bge-m3，通过下面函数，利用FAISS创建一个高效的向量存储。|实现RAG

本地部署资讯问答机器人：Langchain+Ollama+RSSHub 实现 RAG

[title]本地部署资讯问答机器人：Langchain+Ollama+RSSHub实现RAGGemma：Gemma是由Google推出的轻量级模型，Google表示，“Gemma 2B和7B与其他开放式模型相比，在其规模上实现了同类最佳的性能。”本次开发，下载的是7B模型。Mistral：Mistral是由欧洲法国Mistral AI团队推出的大模型，该模型采用了分组查询注意力（GQA）以实现更快的推断速度。本次开发，下载的是7B模型。Mixtral：Mixtral也是由Mistral AI团队推出的大模型，但Mixtral是一个8*7B的MoE模型，在大多数基准测试中都优于Llama 2 70B和GPT-3.5。Qwen：Qwen（通义千问）是由阿里巴巴推出的大模型，本次开发，下载的是7B模型。万物皆可RSS巧妇难为无米之炊。不管是获取日常新闻，还是获取A股行情，都需要有稳定靠谱的数据源。大家可能第一时间会想到爬虫，但自己去搭建和维护这样一个爬虫系统还是比较麻烦的。有没有其他更好的方式呢？这就需要用到「上古神器」 RSS了！大家可能会觉得RSS已经过时了。现如今，打开手机，今日头条、微博、微信等APP时不时就会给你推送最新的资讯，日常生活工作好像没有用到RSS的场景。确实，大部分情况下，我们想要获取资讯，手机APP基本够用了。但是，如果你想针对一些特定的需求，需要从某些网站上获取最新通知或相关信息呢？比如，获取https://openai.com/blog的最新更新获取https://www.producthunt.com每天的热门产品获取https://github.com/trending每天的热门开源项目