如果我想做一个基于chatGPT的剧本杀创作的微信小程序开发项目，现在要进行大数据平台的后端开发与搭建，你建议怎么入手

AGI 即通用人工智能（Artificial General Intelligence），指的是具备像人类一样广泛的认知能力和学习能力，可以执行多种复杂任务的人工智能。 在企业级程序开发工作中提高效率，可以考虑以下几点： 1. 利用自动化工具和脚本：例如自动化测试工具、代码生成工具等，减少重复性工作。 2. 采用敏捷开发方法：如 Scrum 或 Kanban，提高团队协作和项目管理效率。 3. 学习和应用新的编程语言和框架：选择适合项目需求的高效技术。 4. 优化代码结构和算法：提高程序的性能和运行效率。 5. 建立良好的代码规范和文档：便于团队成员理解和维护代码。 6. 利用云计算资源：根据需求灵活扩展计算和存储能力。 7. 持续学习和交流：参加技术社区和培训，了解行业最新动态和最佳实践。

以下是基于您的项目“基于 chatGPT 的剧本杀微信小程序开发”进行大数据平台后端开发与搭建的入手步骤： 1. 搭建 OneAPI（https://github.com/songquanpeng/oneapi），其作用是汇聚整合多种大模型接口，方便后续更换使用各种大模型，同时会告知您如何白嫖大模型接口。 2. 搭建 FastGpt（https://fastgpt.in/），这是一个知识库问答系统。您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，用于回答问题。如果不想接到微信，仅自己使用，搭建到此即可，它本身也有问答界面。 3. 搭建 chatgptonwechat（https://github.com/zhayujie/chatgptonwechat）以接入微信，并配置 FastGpt 将知识库问答系统接入微信。建议先使用小号以防封禁风险。搭建完成后若想拓展功能，可参考 Yaki.eth 同学的教程（https://waytoagi.feishu.cn/wiki/UADkwZ9B0iAWdTkFJIjcN7EgnAh），其中的 cow 插件具备文件总结、MJ 绘画的能力。 完成上述 3 步即可。

以下是基于 ChatGPT 开发剧本杀微信小程序的入手步骤： 1. 注册小程序： 登录微信公众号首页，选取小程序，用新邮箱绑定注册。 2. 小程序信息填写： 注册验证通过后，填写小程序信息和类目。小程序名称可填写与功能相关的名称，头像可网上查找或利用 Midjourney 生成。 3. 开发者工具下载： 回到发布流程页面，点击“普通小程序开发者工具”，在新页面中点击“微信开发者工具”，选择 Windows 64 位下载。 4. 创建小程序项目： 打开下载好的微信开发者工具，选择创建小程序。注意获取 ID，选择不使用云服务，并选择 JavaScript 基础模板。创建后了解相关文件，如 app.js 等。 5. 利用 ChatGPT 生成代码： 构思好产品，画个草稿，包括产品名称、按钮数量、交互逻辑等，并将这些话术告诉 ChatGPT。 例如，以制作计算日子间隔的工具为例，给出详细的 prompt 描述需求。 ChatGPT 会给出代码，并告知代码应放置在微信开发者工具的哪些文件中。特殊文件夹如 add 需自行在 pages 下级新建。 您还可以参考以下文章获取更详细的信息：https://mp.weixin.qq.com/s/WkFxMMrlMqv52ce2n0xX6A

如果您想创建一个类似的 AI ，从程序开发角度来说，以下是一些可能用到的技术和知识： 1. 编程语言： Rust：以性能、安全性和并发处理能力著称，适合高性能和安全性要求高的系统级编程。 Python：在 AI 开发中广泛应用，具有丰富的库和工具。 2. 程序类型和项目规划： 明确要开发的程序类型，如命令行工具、Web 服务、嵌入式系统等。 确定具体的项目想法或寻求方向建议。 评估自身在所选编程语言方面的经验水平。 3. Python 相关知识： 属性和方法：为类定义属性和方法，并通过对象调用。 继承和多态：了解类之间的继承关系及实现方式。 异常处理：理解异常概念，学会使用 try 和 except 语句处理错误。 文件操作：包括文件读写、文件与路径操作等。 4. AI 知识： 背景知识： 基础理论：了解人工智能、机器学习、深度学习的定义及相互关系。 历史发展：回顾 AI 的发展历程和重要里程碑。 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、矩阵等基本概念。 概率论：掌握条件概率、贝叶斯定理等知识。 算法和模型： 监督学习：了解线性回归、决策树、支持向量机（SVM）等常用算法。 无监督学习：熟悉聚类、降维等算法。 强化学习：了解其基本概念。 评估和调优： 性能评估：掌握交叉验证、精确度、召回率等评估方法。 模型调优：学会使用网格搜索等技术优化模型参数。 神经网络基础。

以下是为您生成的适用于使用 DeepSeek 写微信公众号文章的提示词： 我要写一篇关于软件分享或技术分享的微信公众号文章，文章标题要足够吸引人，以便能广泛传播。文章内容要详细且有条理，先介绍分享的软件或技术的基本情况，包括其功能、特点和优势；然后结合实际案例或个人使用体验，阐述其在实际应用中的效果和价值；最后总结并展望其未来的发展前景。请为我生成这样一篇完整的文章。

目前微信尚未直接接入 DeepSeek。但学而思已表示将接入 DeepSeek“深度思考模式”，预计在 2 月内陆续于相关机型上线；钉钉已经全面接入 DeepSeek 系列模型；扣子现已支持满血版 Deepseek 全家桶，R1 模型现支持所有用户免费体验，每个用户每日限 20 条对话。 如果您想使用 DeepSeek，可按以下步骤操作： 1. 搜索 www.deepseek.com，点击“开始对话”。 2. 将装有提示词的代码发给 Deepseek。 3. 认真阅读开场白之后，正式开始对话。 关于 DeepSeek 提示词的设计思路： 1. 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻调试负担。 2. 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 3. 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 4. 照猫画虎参考大模型的 temperature 设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改。 5. 用 XML 来进行更为规范的设定，而不是用 Lisp（有难度）和 Markdown（运行不稳定）。 完整提示词版本为 v 1.3，特别鸣谢李继刚的【思考的七把武器】在前期为其提供了很多思考方向，以及 Thinking Claude（这个项目是现在最喜欢使用的 Claude 提示词，也是设计 HiDeepSeek 的灵感来源）和 Claude 3.5 Sonnet（最得力的助手）。 如有任何问题请联系后台，电子邮箱：alolg@163.com

要将 Dify 的 API 接入微信小程序，您可以参考以下内容： 1. GitHub 上的相关项目：https://github.com/zhayujie/chatgptonwechat 和 https://github.com/hanfangyuan4396/difyonwechat 。 2. API 扩展说明：https://docs.dify.ai/zhhans/guides/extension/apibasedextension ，但 0.8.3 版本可能不再使用（使用时可能需要自行修改或提交 PR）。 3. 接入企业微信的步骤： 创建聊天助手应用：在 Dify 平台创建基础编排聊天助手应用，获取 API 密钥和 API 服务器地址。 下载 Dify on WeChat 项目：下载并安装依赖。 填写配置文件：在项目根目录创建 config.json 文件，填写 API 密钥和服务器地址。 把基础编排聊天助手接入微信：快速启动测试，扫码登录，进行对话测试，可以选择源码部署或 Docker 部署。 把工作流编排聊天助手接入微信：创建知识库，导入知识库文件，创建工作流编排聊天助手应用，设置知识检索节点和 LLM 节点，发布更新并访问 API。 把 Agent 应用接入微信：创建 Agent 应用，设置对话模型和添加工具，生成 API 密钥，填写配置文件，启动程序并进行测试。更多内容请访问原文：https://docs.dify.ai/v/zhhans/learnmore/usecases/difyonwechat

以下是关于微信机器人搭建和使用的相关内容： 测试和重新配置： 登录成功后，找另一个人私聊或者在群中@您，就可以看到机器人的正常回复。若未成功，可检查 config.json 文件中的配置或跳到“第四章，第 3 步”重启服务。 为机器人设置不一样的提示词，可返回“第三章，第 7 步”修改双引号内的 value 部分。 进行任何更改后，需“返回首页 右上角 点击重启，重启一下服务器”。熟悉 linux 操作也可通过重启进程的方式来重启服务。 然后，在“文件”的【终端】里，直接输入“nohup python3 app.py&tail f nohup.out”重新扫码登录。 若想退出机器人，在手机微信上找到桌面版已登录的信息，点击退出桌面版即可。 帮助：若遇到问题，可先查询社区知识库，或加“通往 AGI 之路”群，社区小伙伴们会尽力帮助。也可加 Stuart 个人微信询问。 纯 GPT 大模型能力的微信聊天机器人搭建： 重点是在复制的 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，配置参考来源为 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，model 对应编排模板的 MODEL 等。 私聊或群交流时，最好加上前缀才触发机器人回复，如配置的，即对应的配置参数 SINGLE_CHAT_PREFIX，在群组里对应配置参数是 GROUP_CHAT_PREFIX，机器人只会回复群里包含@bot 的消息。 参数 GROUP_NAME_WHITE_LIST 用来配置哪些群组的消息需要自动回复。 【共学最全版本】微信机器人共学教程第四天教程：FastGPT 教学部署项目： 打开相关页面，把 Administrators 改成“wxid_dna83ykqawl222”。 若已有 FastGPT 或 OpenAI 的 key，可把 Ai_Lock 修改成“1”，并在 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 文件双击开始运行。 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，看解决方法）。 进入微信后系统会自动初始化必备文件，等待完成。 运行成功后，用“大号”给机器人发一条消息，拿到 wxid 返回到之前的步骤进行替换。 添加完后，建议使用小号登录，然后用大号对小号发指令，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”。

企业微信具备智能人事、审批流程和考勤打卡等功能。但具体能否完全满足您企业从钉钉迁移过来后的需求，还需要根据您企业的业务特点和具体要求进行评估和适配。一般来说，企业微信在这些方面提供了较为全面的解决方案，但在实际应用中可能会存在一些差异和需要调整的地方。

以下是一些微信机器人的工具及相关信息： 零基础模板化搭建 AI 微信聊天机器人： 依赖工具： 安装了宝塔服务的轻量应用服务器 x 1（主要针对新手方便上手配置）。 设计好并授权发布到 API 功能的 Coze AI Bot x 1（对接到作为机器人的微信号上）。 闲置并且已通过实名认证的微信号 x 1（作为机器人的微信号）。 【智能体】用 Coze 在微信里搭建一个机器人，还能挖掘销售线索： 目的： 训练公司自有的数据，让机器人对外提供客服功能。 将训练好的机器人与公司的企业微信绑定，对外提供客服功能。 进阶版：同时根据客户咨询的信息，收集用户联系方式信息形成销售线索。 使用工具： 字节旗下的 Coze AI 智能机器人工具。 需要有微信公众号订阅号或服务号的管理权。 功能体验：扣子画小二智能小助手：https://www.coze.cn/store/bot/7371793524687241256?panel=1&bid=6cjksvpbk000a 、B 站公开视频。 安仔：喂饭教程 Coze AI 机器人对接上我的微信群了！ 依赖工具： 安装了宝塔服务的轻量应用服务器 x 1（主要针对新手方便上手配置）。 设计好并授权发布到 API 功能的 Coze AI Bot x 1（对接到作为机器人的微信号上）。 闲置并且已通过实名认证的微信号 x 1（作为机器人的微信号）。 需要注意的是，对接国外版 Coze 平台需要部署的服务支持黑魔法。

以下是豆包、DeepSeek、ChatGPT 在解决用户整理对话需求方面的功能： ChatGPT： 1. 内容生成：可以生成文章、故事、诗歌、歌词等内容。 2. 聊天机器人：作为聊天机器人的后端，提供自然的对话体验。 3. 问答系统：为用户提供准确的答案。 4. 文本摘要：生成文本的摘要或概述。 5. 机器翻译：在这方面有不错的表现。 6. 群聊总结：能够对群聊内容进行总结。 7. 代码生成：生成代码片段，帮助开发者解决编程问题。 8. 教育：帮助学生解答问题或提供学习材料。 9. 浏览器插件：如 webpilot 。 10. PDF 对话：通过相关网站实现与 PDF 的对话。 11. PPT 生成：协助高效制作 PPT 。 12. 音视频提取总结：通过特定网站进行总结。 13. 播客总结：通过特定网站完成总结。 14. 生成脑图：通过相关网站生成。 关于豆包和 DeepSeek 在解决用户整理对话需求方面的功能，上述内容中未提及。

以下是关于 ChatGPT 公司原研发讲 ChatGPT 的文章网页链接： 1. 育儿相关项目：https://chat.openai.com/share/40f1e3da187a4bef9150f93ca34046f4 ，该项目中使用 ChatGPT 进行了多种操作，如翻译、整理远古动物列表等。 2. AIGC 常见名词解释：https://mp.weixin.qq.com/s/ycDWZ8W46DrsyeNShC1wA ，其中对 ChatGPT 有相关解释。 3. AIGC Weekly01：https://openai.com/blog/chatgpt/ ，介绍了 ChatGPT 的发布情况。

以下是关于 ChatGPT 的最新消息： 有一位狂热的书友在 Reddit 的 ChatGPT 子区分享了借助 ChatGPT 在 5 分钟内阅读并理解任何书籍的方法，并给出了详细的 Prompt，包括“Please summarize ”。评论区的几百条回帖也是干货满满，书友们积极留言分享尝试用 ChatGPT 辅助阅读的经验。 评论区有人指出这种方式可能因 ChatGPT 的“幻觉”而得到错误信息，对于“幻觉”有处理经验的人提出在提问时注意三点：明确告诉它想要准确答案且无幻觉；改变 temperature 参数（如改到 0）或控制创造力水平；得到答案后，要求它为每个引用产生精确的引用和页面以便交叉检查。

DeepSeek 与 ChatGPT 的区别主要体现在以下方面： 1. 在 App Store 排名上，DeepSeek R1 冲到了美国区 App Store 第一名，超越了 ChatGPT。 2. 口碑与技术实力方面，DeepSeek 没有市场部和市场投放，完全依靠技术实力和口碑获得用户认可。 3. 性能与成本方面，DeepSeek R1 的效果比肩顶尖闭源模型 o1，但价格仅为 o1 的 27 分之一。 4. 开源与创新方面，DeepSeek R1 开源让行业认知整体拉齐，得到全世界尊重和喜爱。 5. 训练方式上，DeepSeek R1 的创新模型 R1 Zero 跳过了监督微调（SFT）阶段，直接采用强化学习（RL）进行训练。 6. 在回答用户问题时，DeepSeek R1 会先进行“自问自答”式的推理思考，模拟人类的深度思考，以提升最终回答的质量，而 ChatGPT 可能没有这种特定的机制。 原理方面：DeepSeek R1 与 ChatGPT 同属于基于强化学习 RL 的推理模型，但在具体的训练和推理过程中可能存在差异。例如，DeepSeek R1 在训练时可能有独特的方法和策略，使其在性能和表现上与 ChatGPT 有所不同。

DeepSeek 与 ChatGPT 存在以下区别： 1. App Store 排名：DeepSeek R1 冲到了美国区 App Store 第一名，超越了 ChatGPT。 2. 口碑与推广：DeepSeek 没有市场部，也未做市场投放，完全依靠技术实力和口碑赢得用户认可。 3. 技术特点： 性能与成本：DeepSeek R1 效果比肩顶尖闭源模型 o1，价格仅为 o1 的 27 分之一。 开源与创新：DeepSeek R1 开源让行业认知整体拉齐，得到全世界尊重和喜爱。 4. 创新模型 R1 Zero：跳过监督微调（SFT）阶段，直接采用强化学习（RL）进行训练，且发现模型的思考能力可以自我涌现，具有革命性。 5. 影响： 行业影响：DeepSeek R1 的发布引发美国科技界恐慌，Meta 内部对其出色表现感到震惊。 市场影响：DeepSeek R1 的低成本和高性能使英伟达市场地位受挑战，其股价短期内大跌。 6. 未来展望：开源模型进步将超越闭源模型，顶级模型推理价格下降，技术更普惠平权；AI 编程效率提升、门槛降低，创作能力不断提升，催生更多创作形式。 此外，DeepSeek R1 属于基于强化学习 RL 的推理模型，在回答用户问题前会先进行“自问自答”式的推理思考，提升回答质量，模拟人类深度思考。而 ChatGPT 未具备这些特点。

ChatGPT 是一种基于 GPT 架构的人工智能模型，由 OpenAI 开发。 它的工作原理是：从网络、书籍等来源获取大量人类创作的文本样本，然后训练神经网络生成“类似”的文本。具体来说，它能够从“提示”开始，继续生成“类似于训练内容”的文本。其神经网络由大量简单元素组成，基本操作是为每个新单词（或单词部分）生成“输入”，然后将其“通过其元素”（无循环等）。 ChatGPT 在生成文本方面表现出色，结果通常接近人类所产生的。但它也有局限性，例如在训练和计算能力方面，与大脑和当前计算机存在差异。目前，ChatGPT 内部没有“循环”或“重新计算数据”，这限制了其计算能力。 ChatGPT 目前官网有两个版本，GPT3.5 是免费版，拥有账号即可使用，但智能程度不如 GPT4 高，且无法使用 DALL.E3 等插件。GPT4 的 PLUS 套餐收费标准为 20 美金一个月，还有团队版和企业版，功能更多、限制更少，但费用更贵，一般推荐使用 PLUS 套餐。 在注册 ChatGPT 账号前，建议先注册一个谷歌账号，因为国外很多软件支持谷歌账号一键登录，注册谷歌账号支持国内手机号码和国内邮箱验证，过程简单。

知识库中有搭建在线 RAG 知识库的相关内容。 RAG（RetrievalAugmented Generation）即检索增强生成，是一种结合检索和生成能力的自然语言处理架构，旨在为大语言模型提供额外的、来自外部知识源的信息。 自顶向下，RAG 的流程分为离线数据处理和在线检索两个过程。离线数据处理的目的是构建知识库，知识按某种格式及排列方式存储在其中等待使用。在线检索是利用知识库和大模型进行查询的过程。 对于 RAG 来讲，检索的质量直接影响生成的结果，常见的检索方法有关键词检索和语义检索。关键词检索是最传统和基础的方法，基于查询词与文档中词语的精确或近似匹配，实现简单但难以处理同义词和上下文语义。语义检索将查询和文档映射到同一语义空间，通过计算向量相似度判断相关性，能捕捉深层语义但计算成本较高。 在构建知识库的流程中，在线检索各个流程的“是什么”与“为什么”同等重要。例如在检索环节，选择合适的检索方法或组合对系统性能至关重要。 大模型存在无法记住所有知识尤其是长尾知识、知识容易过时且不好更新、输出难以解释和验证、容易泄露隐私训练数据、规模大导致训练和运行成本高等缺点，而 RAG 具有数据库存储和更新稳定、数据更新敏捷且可解释、降低大模型输出出错可能、便于管控用户隐私数据、降低大模型训练成本等优点。

搭建本地 AI 知识库的步骤如下： 1. 了解硬件要求：运行大模型需要较高的机器配置，例如生成文字大模型，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（如果要跑 GPT3.5 差不多性能的大模型）；生成图片大模型（比如跑 SD），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 等。 2. 了解 RAG 技术：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 技术包括文档加载、文本分割、存储、检索和输出等 5 个过程。其中，文档加载可从多种不同来源加载文档，文本分割将文档切分为指定大小的块，存储涉及将切分好的文档块进行嵌入转换成向量形式并存储到向量数据库，检索通过某种检索算法找到与输入问题相似的嵌入片，最后把问题以及检索出来的嵌入片一起提交给 LLM 生成答案。 3. 安装和配置 AnythingLLM：安装地址为 https://useanything.com/download 。安装完成后进入配置页面，主要分为三步，即选择大模型、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 跟其他的项目数据进行隔离。首先创建一个工作空间，然后上传文档并且在工作空间中进行文本嵌入，选择对话模式（包括 Chat 模式和 Query 模式），最后测试对话。 需要注意的是，虽然本地可以搭建知识库，但不一定能跑起来。如果想要更顺滑的体验知识库，可以参考文章 。

搭建个人知识库的具体操作如下： 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，当需要依靠不在训练集中的数据时，通过检索增强生成 RAG 实现。 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不同类型的文档。 文本分割器把文档切分为指定大小的块。 存储涉及将切分好的文档块嵌入转换成向量形式，并将向量数据存储到向量数据库。 通过检索算法找到与输入问题相似的嵌入片。 把问题以及检索出来的嵌入片一起提交给 LLM 生成答案。 2. 本地知识库进阶： 若要更灵活掌控知识库，需使用 AnythingLLM 软件，其包含 Open WebUI 的所有能力，并额外支持选择文本嵌入模型和向量数据库。 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。 在 AnythingLLM 中创建独有的 Workspace 与其他项目数据隔离。 操作包括创建工作空间、上传文档并进行文本嵌入、选择对话模式（Chat 模式综合给出答案，Query 模式仅依靠文档数据给出答案）、测试对话。 3. 使用 embeddings： 将文本转换成向量能节省空间，可理解为索引。 把大文本拆分成小文本块，通过 embeddings API 转换成向量，在向量储存库保存向量和文本块作为知识库。 用户提问时，问题先转成向量，与储存库中的向量比对，提取关联度高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，通过比较向量可找到关联度高的文本块。

搭建自己的知识库可以参考以下步骤： 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，当需要依靠不在训练集中的数据时，可通过检索增强生成 RAG 实现。 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：从多种来源加载文档，LangChain 提供 100 多种文档加载器，包括非结构化、结构化和代码等数据。 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，并将向量数据存储到向量数据库。 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提交给 LLM 生成答案。 2. 基于 GPT API 搭建： 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，向量之间的距离衡量关联性，小距离表示高关联度。 3. 本地知识库进阶： 若想更灵活掌控知识库，可使用额外软件 AnythingLLM，它包含 Open WebUI 的能力，并额外支持选择文本嵌入模型和向量数据库。 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。 在 AnythingLLM 中创建 Workspace 构建本地知识库，包括创建工作空间、上传文档并进行文本嵌入、选择对话模式（Chat 模式综合给出答案，Query 模式仅依靠文档数据给出答案）、测试对话。 总之，“看十遍不如实操一遍，实操十遍不如分享一遍”，希望您能成功搭建自己的知识库。如果对 AI Agent 技术感兴趣，可以联系相关人员或加入免费知识星球（备注 AGI 知识库）。

扣子是字节跳动旗下的 AI 应用开发平台，搭建扣子智能体的门槛较低，无论有无编程基础均可操作。以下是关于扣子智能体搭建的相关信息： 菠萝作词家智能体：是专为音乐创作设计的辅助工具，能理解分析用户输入的提示词、情感基调、歌曲主题等信息并生成歌词。创建时需想一个名字，写一段详细介绍，然后点击确认即可。 竖起耳朵听智能体：创建需三步，先起一个名称，再写一段简单介绍，最后使用 AI 创建一个头像。 多模态资讯的跨平台推送智能体：可根据个人需求抓取、整理资讯并推送到多个平台。其视频演示地址为：https://www.bilibili.com/video/BV1RLaGeAE7Z/?vd_source=baeb68724c9458d179387d4bce43931c ；体验地址为：https://www.coze.cn/store/bot/7386884942153957391?panel=1&bid=6d2j6kkj04019 。 一般来说，创建扣子智能体首先要想一个智能体的名字，然后写一段该智能体的介绍（越详细越好，会根据介绍智能生成符合主题的图标），最后完成相关操作（如确认、创建头像等），一个新的智能体就诞生了。

很抱歉，目前没有关于为 DEESKEEP 搭建本地知识库且使用 WORD 和 PDF 文件频率较高、中文界面的相关内容。但一般来说，您可以考虑以下步骤： 1. 确定知识库的结构和分类，以便有效地组织和存储文件。 2. 选择适合的工具或软件来管理本地知识库，确保其支持中文界面和对 WORD、PDF 文件的良好处理。 3. 对 WORD 和 PDF 文件进行整理和标记，以便于快速检索和查找。 4. 建立索引和目录，提高文件的访问效率。 您还可以通过在网上搜索相关的技术教程和案例，获取更详细和具体的指导。