Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

我是小白，建立个人知识库，我应该怎么做

Answer

以下是建立个人知识库的一些方法：

  1. 使用 GPT 打造个人知识库：
    • 将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，提取关联度高的文本块与问题组合成新的 prompt 发送给 GPT API。
  2. 按照张梦飞的【知识库】FastGPT+OneAPI+COW 带有知识库的机器人完整教程：
    • 地址输入浏览器：http://这里替换为你宝塔左上角的那一串:3000/。
    • 点击文件夹上方功能栏中的【终端】（注意不是左侧一级菜单里的终端，是文件夹上方那一行的终端电脑）。
    • 粘贴进入，点击回车。点击后，关闭此弹窗。
    • 执行命令：cp config-template.json config.json 。
    • 刷新页面，在当前目录下找到 config.json 文件进行修改。
    • 删除文件里的所有代码，复制提供的代码并粘贴到文件里，修改第 4、5 行的 API 和 key 后保存并关闭文件。
  3. 手把手教你本地部署大模型以及搭建个人知识库：
    • 若要更灵活掌控知识库，可使用额外软件 AnythingLLM，其包含所有 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 中有 Workspace 的概念，可创建独有的 Workspace 与其他项目数据隔离。
    • 首先创建一个工作空间，上传文档并在工作空间中进行文本嵌入，选择对话模式（Chat 模式：大模型根据训练数据和上传的文档综合给出答案；Query 模式：大模型仅依靠文档中的数据给出答案），完成配置后即可进行测试对话。

总之，建立个人知识库需要根据您的具体需求和技术水平选择合适的方法，并进行相应的操作和配置。

Content generated by AI large model, please carefully verify (powered by aily)

References

从零开始，用GPT打造个人知识库

上面将文本转换成向量（一串数字）能大大节省空间，它不是压缩，可简单理解为索引(Index)。接下来就有意思了。比如我有一个大文本，可以先把它拆分成若干个小文本块（也叫chunk)，通过embeddings API将小文本块转换成embeddings向量,这个向量是跟文本块的语义相关。在一个地方（向量储存库）中保存这些embeddings向量和文本块，作为问答的知识库。当用户提出一个问题时，该问题先通过embeddings API转换成问题向量，然后将这问题向量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，与原有问题组合成为新的prompt(问题/提示词)，发送给GPT API。这样一来就不用一次会话中输入所有领域知识，而是输入了关联度最高的部分知识。一图胜千言，转一张原理图。再举一个极其简单的例子，比如有一篇万字长文，拆分成Chrunks包含：文本块1：本文作者：越山。xxxx。文本块2：公众号越山集的介绍：传播效率方法，分享AI应用，陪伴彼此在成长路上，共同前行。文本块3：《反脆弱》作者塔勒布xxxx。文本块4：“科技爱好者周刊”主编阮一峰会记录每周值得分享的科技内容，周五发布。...文本块n如果提问是”此文作者是谁？“。可以直观的看出上面的文本块1跟这个问题的关联度最高，文本块3次之。通过比较embeddings向量也可以得到这结论。那最后发送给GPT API的问题会类似于”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。“这样一来，大语言大概率能回答上这个问题。

张梦飞：【知识库】FastGPT+OneAPI+COW带有知识库的机器人完整教程

[title]张梦飞：【知识库】FastGPT+OneAPI+COW带有知识库的机器人完整教程[heading1]六、创建知识库应用1、地址输入浏览器：http://这里替换为你宝塔左上角的那一串:3000/7、点击文件夹上方功能栏中的【终端】（注意，不是左侧一级菜单里的终端，是文件夹上方那一行的终端电脑）8、粘贴进入，点击回车。点击后，关闭此弹窗。cp config-template.json config.json9、刷新页面。在当前目录下，找到config.json文件。如下图：10、双击这个文件，我画红框的地方是需要修改的地方。*因为这个地方对格式和符合要求比较严格，如果是小白，建议你直接复制我下方的配置。11、删除上图文件里的所有代码。复制下边的代码，粘贴到文件里。粘贴后，找到第4、5行，把刚才FastGPT里拿到API和key，根据要求粘贴到双引号里。这也是你唯一需要修改的地方。修改完之后，点击保存，关闭文件。

手把手教你本地部署大模型以及搭建个人知识库

如果想要对知识库进行更加灵活的掌控，我们需要一个额外的软件：AnythingLLM。这个软件包含了所有Open WebUI的能力，并且额外支持了以下能力选择文本嵌入模型选择向量数据库[heading2]AnythingLLM安装和配置[content]安装地址：https://useanything.com/download当我们安装完成之后，会进入到其配置页面，这里面主要分为三步1.第一步：选择大模型1.第二步：选择文本嵌入模型1.第三步：选择向量数据库[heading2]构建本地知识库[content]AnythingLLM中有一个Workspace的概念，我们可以创建自己独有的Workspace跟其他的项目数据进行隔离。1.首先创建一个工作空间1.上传文档并且在工作空间中进行文本嵌入1.选择对话模式AnythingLLM提供了两种对话模式：Chat模式：大模型会根据自己的训练数据和我们上传的文档数据综合给出答案Query模式：大模型仅仅会依靠文档中的数据给出答案1.测试对话当上述配置完成之后，我们就可以跟大模型进行对话了[heading1]六、写在最后[content]我非常推崇的一句话送给大家：看十遍不如实操一遍，实操十遍不如分享一遍如果你也对AI Agent技术感兴趣，可以联系我或者加我的免费知识星球（备注AGI知识库）

Others are asking
有哪些比较好的AI知识库学习网站
以下是一些比较好的 AI 知识库学习网站及相关学习建议： 通往 AGI 之路知识库： 提供了全面系统的 AI 学习路径，帮助您了解从 AI 常见名词到 AI 应用等各方面知识。 包含关于 AI 知识库使用及 AIPO 活动的介绍、AIPO 线下活动及 AI 相关探讨、way to AGI 社区活动与知识库介绍等内容。 信息来源有赛博蝉星公众号、国外优质博主的 blog 或 Twitter 等，推荐大家订阅获取最新信息并投稿。 有社区共创项目，如 AIPU、CONFIUI 生态大会，每月有切磋大会等活动，还发起了新活动 AIPO。 学习路径方面，有李弘毅老师的生成式 AI 导论等高质量学习内容，可系统化学习或通过社区共创活动反推学习，鼓励整理学习笔记并分享交流。 有经典必读文章，如介绍 GPT 运作原理、Transformer 模型、扩散模型等的文章，还包括软件 2.0 时代相关内容。 初学者入门推荐看 open AI 的官方 Cookbook，小琪姐做了中文精读翻译，也可查看 cloud 的相关内容。 有历史脉络类资料，整理了 open AI 的发展时间线和万字长文回顾等。 网站：ytoAGI.com 相关渠道：公众号“通往 AGI 之路”、 在线教育平台：如 Coursera、edX、Udacity 等，上面有一系列为初学者设计的课程，您可以按照自己的节奏学习，并有机会获得证书。 对于新手学习 AI，建议： 了解 AI 基本概念：阅读「」部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（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。 开始 AI 学习之旅：在「」中，找到一系列为初学者设计的课程。特别推荐李宏毅老师的课程。 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），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。 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您的作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 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。
2025-02-18
有什么提升 RAG 知识库问答的好的 prompt
以下是一些提升 RAG 知识库问答的好的 prompt 相关内容： RAG 在 Natural Questions、WebQuestions 和 CuratedTrec 等基准测试中表现出色，在使用 MSMARCO 和 Jeopardy 问题进行测试时，生成的答案更符合事实、具体且多样，FEVER 事实验证使用 RAG 后也有更好结果，说明 RAG 是可行方案，能增强知识密集型任务中语言模型的输出，基于检索器的方法常与 ChatGPT 等流行 LLM 结合提高能力和事实一致性，可在 LangChain 文档中找到相关例子。 RAG 能显著提高大模型在处理私域知识或垂直领域问答时的效果。其流程包括：上传文档（支持多种格式，会转换为 Markdown 格式）、文本切割、文本向量化（存入向量数据库）、问句向量化、语义检索匹配（匹配出与问句向量最相似的 top k 个）、提交 Prompt 至 LLM、生成回答返回给用户。RAG 研究范式分为基础 RAG、高级 RAG 和模块化 RAG。 高级 RAG 特点：支持多模态数据处理，增强对话性，具备自适应检索策略，能进行知识融合，扩展了基础 RAG 功能，解决复杂任务局限，在广泛应用中表现出色，推动自然语言处理和人工智能发展。 模块化 RAG 侧重于提供更高定制性和灵活性，将系统拆分成多个独立模块或组件，每个组件负责特定功能，便于根据不同需求灵活组合和定制。
2025-02-18
怎么做一个知识库智能问答机器人？
要做一个知识库智能问答机器人，主要基于大模型的 RAG 机制，具体步骤如下： 1. 理解 RAG 机制：RAG 机制全称为“检索增强生成”（RetrievalAugmented Generation），是一种用于自然语言处理的技术，结合了检索和生成两种主要的人工智能技术，以提高机器对话和信息处理的能力。它先从大型数据集中检索与问题相关的信息，然后利用这些信息生成更准确、相关的回答。可以想象成在巨大图书馆里找相关书籍，再基于书籍信息给出详细回答，这种方法结合大量背景信息和先进语言模型能力，使生成内容更精确，提升对话 AI 的理解力和回答质量。 2. 创建知识库：创建包含大量社区 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文章内容，并陆续将社区其他板块的文章和资料导入。 3. 设计 Bot：在设计中添加知识库，并设置合适的搜索策略、最大召回数量和最小匹配度，尽可能利用好知识库返回的内容进行结合回答。 此外，在飞书中，还可以利用飞书智能伙伴创建平台（Aily）来搭建 FAQ 机器人，它是飞书团队旗下的企业级 AI 应用开发平台，能为企业提供简单、安全且高效的环境，帮助轻松构建和发布 AI 应用。
2025-02-18
知识库搭建
知识库搭建主要包括以下几个方面： 1. “拎得清、看得到、想得起、用得上”的核心步骤： 拎得清：主动选择和判断高质量、与目标相关的信息源，利用 AI 搜索引擎、加入优质社群和订阅号等建立信息通路，具备信息嗅探能力。 看得到：确保所选信息能频繁且不经意地触达个人，通过浏览器插件、笔记工具等组织信息，使其易于检索和浏览。 想得起：强调信息的内化和知识线索建立，做好标记（关键词、tag）、选择合适存放位置，推荐使用 PARA 笔记法等方法组织串联信息。 用得上：将积累的知识转化为实际行动和成果，在解决问题或创造价值时能从知识库中调取相应信息。 2. RAG 技术： 利用大模型的能力搭建知识库是 RAG 技术的应用。 RAG 是当需要依靠不包含在大模型训练集中的数据时的主要方法，首先检索外部数据，然后在生成步骤中将其传递给 LLM。 RAG 应用包括文档加载、文本分割、存储（包括嵌入和向量数据存储）、检索、输出（把问题及检索出的嵌入片提交给 LLM 生成答案）。 文本加载器是将用户提供的文本加载到内存中以便后续处理。 3. 智能体知识库创建： 手动清洗数据，提高数据准确性。 在线知识库：创建画小二课程的 FAQ 知识库，飞书在线文档中每个问题和答案以分割，可编辑修改和删除，添加 Bot 并在调试区测试效果。 本地文档：注意拆分内容，提高训练数据准确度，按章节进行人工标注和处理。 发布应用：确保在 Bot 商店中能搜到。
2025-02-18
知识库搭建
知识库搭建主要包括以下几个方面： 1. “拎得清、看得到、想得起、用得上”的核心步骤： 拎得清：主动选择和判断高质量、与目标相关的信息源，利用 AI 搜索引擎、加入优质社群和订阅号等建立信息通路，具备信息嗅探能力。 看得到：确保所选信息能频繁且不经意地触达个人，通过浏览器插件、笔记工具等组织信息，使其易于检索和浏览。 想得起：强调信息的内化和知识线索建立，做好标记（关键词、tag）、选择合适存放位置，推荐使用 PARA 笔记法等方法组织串联信息。 用得上：将积累的知识转化为实际行动和成果，在解决问题或创造价值时能从知识库中调取相应信息。 2. RAG 技术： 利用大模型的能力搭建知识库是 RAG 技术的应用。 RAG 是当需要依靠不包含在大模型训练集中的数据时的主要方法，首先检索外部数据，然后在生成步骤中将其传递给 LLM。 RAG 应用包括文档加载、文本分割、存储（包括嵌入和向量数据存储）、检索、输出（把问题及检索出的嵌入片提交给 LLM 生成答案）。 文本加载器是将用户提供的文本加载到内存中以便后续处理。 3. 智能体知识库创建： 手动清洗数据，提高数据准确性。 在线知识库：创建画小二课程的 FAQ 知识库，飞书在线文档中每个问题和答案以分割，可编辑修改和删除，添加 Bot 并在调试区测试效果。 本地文档：注意拆分内容，提高训练数据准确度，按章节进行人工标注和处理。 发布应用：确保在 Bot 商店中能搜到。
2025-02-18
知识库框架
以下是关于知识库框架的相关内容： 智能体的目标和框架： 智能体的交互能力：包括大模型本身的交互能力、多 Agent 的灵活性、workflow 的妙用（如引导用户输入车辆信息便于大模型理解和分析）以及上下文说明。 智能体的知识体量：涵盖豆包大模型本身的行业数据和语料库、知识库（包括结构化数据与非结构化数据），以及创建知识库的步骤和参赛用知识库，还涉及大模型 RAG 检索、大模型的选择和参数设定以及新模型的调用方法。 智能体的记忆能力：包含变量、数据库和信息记录。 知识： 外置知识是由外部数据库提供，能动态更新和调整。涉及多种数据存储和组织方式，如向量数据库（常用于处理和索引非结构化数据）、关系型数据库（适用于事务性数据存储）、知识图谱（适合复杂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，能结合检索和生成，增强模型生成能力，实时检索和整合最新外部信息。 陈财猫团队的提示词相关知识库文章索引：
2025-02-18
我是一个ai小白，我想要在一个月内快速入行ai，需要怎么做
以下是对于您在一个月内快速入行 AI 的建议： 首先，要明白对于超出自己理解范围的事情，最简单有效的方法就是亲自尝试。学习新事物，百闻不如一练。AI 是未来必然的发展方向，其科普还有很长的路要走，但尽可能简单地试用它，是让普通人在这场 AI 浪潮中受益的最佳方式。 对于普通人来说，对 AI 最好的直观初接触主要有两个方面： 1. 思考最低成本能直接上手试的工具是什么，自己能否亲自尝试。 2. 了解现在最普遍或最好的工具是什么，以及它们能达到的效果。 虽然底层都是大模型，但 AI 工具各有侧重，不同公司也会进行各自的优化。关于每一种工具的详细入门、讲解和应用，WayToAIG 已经分好了类目。为了更便捷地展示 AI 的能力，让普通人能更直观地马上上手，您可以重点关注以下几种工具： 1. 聊天工具 2. 绘画工具 3. 视频工具 4. 音乐工具 如果您想要跟他人交流、一起在 AI 路上探寻，可以戳这里：
2025-02-18
我是一个ai小白，我要怎么入行ai
对于 AI 小白入行 AI，您可以参考以下步骤： 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，您可以找到一系列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），您可以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您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 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。 此外，您还可以参考《雪梅 May 的 AI 学习日记》： 1. 学习模式：输入→模仿→自发创造。 2. 第一阶段：迈出第一步，看书听课进社区。例如： DAY5 2024.5.26：使用 kimi，参考，抱着每天向 kimi 问 100 个问题的心态，调整思考模式，养成有问题问 AI 的习惯。 DAY6 2024.5.31：应朋友强烈推荐，插队先看吴恩达的课程，在 B 站搜索对应关键词，有很多课程资源，如吴恩达《面向所有人的生成式 AI 入门课程 Generative AI for Everyone》，抽空陆续 3 天学完。 DAY7 2024.6.1：探索用 AI 解决一个真实问题，例如团队要写一份行业研究报告，试试看 AI 怎样能帮到自己。 需要注意的是，学习资源可能会更新变化，您可以去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新的内容。本日记中学习资源的内容都是免费开源的。
2025-02-18
我是一个ai小白，我想学习怎么入行
以下是为您提供的新手入行 AI 的学习建议： 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，您可以找到一系列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），您可以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您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 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。 此外，为了帮助您更好地理解技术原理与建立框架，以下是一些通俗易懂的内容： 1. 概念：生成式 AI 生成的内容，叫做 AIGC。 2. 概念与关系： AI 即人工智能。 机器学习是电脑找规律学习，包括监督学习、无监督学习、强化学习。 监督学习是基于有标签的训练数据，算法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，经典任务包括聚类。 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。 深度学习是一种参照人脑有神经网络和神经元的方法（因有很多层所以叫深度），神经网络可用于监督学习、无监督学习、强化学习。 生成式 AI 可以生成文本、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是大语言模型；对于大语言模型，生成只是其中一个处理任务，比如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 3. 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）来处理序列数据，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。
2025-02-18
小白怎样学习ai工具 熟练运用于工作生活
以下是为小白提供的学习 AI 工具并运用于工作生活的建议： 一、从菜鸟到达人的进阶之路 可以参考元子的进化史： 1. Day 1：懵懵懂懂，只会说“你好，帮我写个报告”。 2. Day 7：学会表达，比如“帮我写一份周报，重点说明项目进度”。 3. Day 14：熟练掌握，例如“我需要一份项目总结，包含数据分析和改进建议”。 4. Day 30：把常规 AI 工具都试过一遍，并选定自己要持续玩的方向，比如 AI Agent。 5. Day 60：组队参加 AI Agent 比赛并有幸得奖。 这里推荐一个社区小伙伴的 100 天 AI 之路，每天都有记载，大家可以感受一下进境： 元子的心得： 1. 不要怕问“笨”问题，但要多直接问 AI。 2. 解决一个小问题也是进步，不积跬步，无以至千里。 3. 多试多练才是王道，来社区共学，一群人走得更远。 4. 融入生活和工作才能持久，学完就用才是王道，不要纯靠意志力。 二、工作中的 AI 小帮手 1. 需要快速生成报告，AI 来帮忙。 2. 需要快速整理数据，AI 来处理。 3. 需要快速翻译文件，AI 来翻译。 4. 需要快速优化文案，AI 来优化。 三、参与制作 AI 动画短片的经验分享 在参与设计 AI 动画短片时，比如负责“刺猬菠萝”角色的图片和视频制作，即使没有相关经验，在他人指导下也能逐渐掌握基本技巧，并通过 MJ 和 RunWayAI 工具提高效率。 为了做好这件事，可以： 1. 利用 WaytoAGI 社群中的入门资料，快速了解动画制作的基本流程和技术。 2. 积极参与团队讨论，向有经验的大佬请教，多多参与「共创活动」，不仅能快速学习，还能收获伙伴。 四、AI 与生活 对于超出自己理解范围的事情，最简单的方法就是试一试。学习新东西，百闻不如一练。在面向父母的“AI 布道”活动中会发现，AI 工具虽强大，但与普通人之间存在一定距离。AI 是未来必然的方向，其科普还有很长的路要走，但尽可能简单地试用它，能让普通人更快受益。 如果想要跟元子交朋友、一起在 AI 路上探寻，欢迎戳这里：
2025-02-18
我是一个ai小白，请给我推荐一个语言大模型的提示词优化工具
以下为您推荐两个语言大模型的提示词优化工具： 1. 星流一站式 AI 设计工具： 在 prompt 输入框中可输入提示词，使用图生图功能辅助创作。 支持自然语言和单个词组输入，中英文均可。 启用提示词优化后可扩展提示词，更生动描述画面内容。 小白用户可点击提示词上方官方预设词组进行生图。 写好提示词需内容准确，包含人物主体、风格、场景特点、环境光照、画面构图、画质等。 可调整负面提示词，利用“加权重”功能让 AI 明白重点内容，还有翻译、删除所有提示词、会员加速等辅助功能。 2. Prompt Perfect： 能够根据输入的 Prompt 进行优化，并给出优化前后的结果对比。 适合写论文、文章的小伙伴，但使用该能力需要消耗积分（可通过签到、购买获得）。 访问地址：
2025-02-17
纯小白对于模型等等都没有任何概念能看懂吗
对于纯小白来说，理解模型等相关概念是有一定挑战的，但通过以下内容可以逐步入门： Tusiart 相关概念： 1. 首页包含模型、帖子、排行榜，其中发布了各种模型和生成的图片。不同模型有 checkpoint 和 lora 两种标签，有的还有 XL 标签属于 SDXL 新模型。点击可查看模型详细信息，下方是返图区。 2. 基础模型（checkpoint）是生图必需的，任何生图操作都要先选定。它与 lora 不同，lora 是低阶自适应模型，类似小插件，可有可无，但对细节控制有价值，旁边的数值是其权重。 3. ControlNet 可控制图片中特定图像，如人物姿态、生成特定文字等，属于高阶技能。 4. VAE 是编码器，类似滤镜，调整生图饱和度，一般选择 840000 这个。 5. Prompt 提示词是想要 AI 生成的内容，负向提示词是想要 AI 避免产生的内容。 6. 图生图是上传图片后，sd 根据图片、模型及输入信息重绘，重绘幅度越大，输出图与输入图差别越大。 AI 技术原理相关概念： 1. 生成式 AI 生成的内容称为 AIGC。 2. 相关技术名词： AI 即人工智能。 机器学习是电脑找规律学习，包括监督学习（有标签的训练数据，学习输入和输出映射关系，包括分类和回归）、无监督学习（学习数据无标签，算法自主发现规律，如聚类）、强化学习（从反馈学习，最大化奖励或最小化损失，类似训小狗）。 深度学习是一种参照人脑的方法，有神经网络和神经元，神经网络可用于多种学习。 生成式 AI 可生成文本、图片、音频、视频等。 LLM 是大语言模型，生成图像的扩散模型不是大语言模型，有的大语言模型如谷歌的 BERT 模型可用于语义理解。 3. 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 Transformer 模型，它基于自注意力机制处理序列数据，比 RNN 更适合处理文本长距离依赖性。
2025-02-13
我想做一个产品（生涯规划领域的垂直大模型），这个产品服务的对象是所有人：帮助所有人进行更好的职业规划。每个人都能通过使用这个产品更好地了解自己，了解自己的天赋、兴趣、优势，然后找到自己的热爱的领域和热爱的事业，并且能够个性化地推荐相关的行业和职业，包括职业的主要工作内容和核心能力要求等等。 请对这个产品进行可行性分析，并给出产品的发展规划，别忘了给这个项目起一个名字。
以下是对您提出的生涯规划领域垂直大模型产品的可行性分析和发展规划，并为项目取名为“生涯智途”。 可行性分析： 1. 需求广泛：帮助人们进行职业规划是一个普遍存在的需求，涵盖了各个年龄段和职业阶段的人群。 2. 数据可用性：可以通过各种渠道收集大量与职业相关的数据，包括行业报告、职位描述、人才需求等。 3. 技术支持：当前大模型技术的发展为实现这样的产品提供了可能，能够处理和分析大量复杂的数据。 发展规划： 1. 数据收集与整理：广泛收集各类职业数据，建立丰富的数据库，确保数据的准确性和完整性。 2. 模型训练与优化：利用收集到的数据进行模型训练，不断优化模型，提高预测和推荐的准确性。 3. 功能开发： 个性化测评：开发能够准确评估用户天赋、兴趣、优势的功能模块。 精准推荐：根据用户的特点，提供个性化的行业和职业推荐，并详细介绍职业的工作内容和核心能力要求。 持续学习与更新：随着行业变化，及时更新数据和模型，以提供最新的职业信息。 4. 用户体验优化：设计简洁、易用的界面，提供良好的用户交互体验。 5. 市场推广：通过线上线下多种渠道进行推广，提高产品的知名度和用户覆盖面。 希望以上分析和规划对您有所帮助。
2025-02-18
搭建个人知识库的具体操作是什么？
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。
2025-02-13
我想用deepseek 写微信公众号文章，我将要写的主题告诉他，让它为我生成个人角度的文章，我要写的主题一般围绕着软件分享，技术分享等。请你根据我的要求为我写一份适用的提示词
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。
2025-02-12
个人知识库
以下是关于个人知识库的相关内容： 使用 GPT 打造个人知识库： 将文本拆分成小文本块（chunk），通过 embeddings API 转换成 embeddings 向量，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，问题先转换成问题向量，与向量储存库中的文本块向量比对，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，可根据向量关联度提取相关文本块，如“本文作者：越山。xxxx。”“《反脆弱》作者塔勒布xxxx。” 理解 embeddings： embeddings 是浮点数字的向量（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表示。 向量之间的距离有多种计算方式，常见的是欧几里得距离。 在 OpenAI 词嵌入中，靠近向量的词语在语义上相似。 手把手教你本地部署大模型以及搭建个人知识库： 思路来源于视频号博主黄益贺。 作者按照视频进行实操并附加了关于 RAG 的额外知识。 读完本文可学习到如何使用 Ollama 一键部署本地大模型、了解 ChatGPT 的信息流转、RAG 的概念及核心技术、通过 AnythingLLM 搭建本地化数据库等。
2025-02-12
写一篇关于个人AI生存协作的探索指南
以下是一篇关于个人 AI 生存协作的探索指南： 一、相关研究和报告 1. 平安证券发布的《AI 系列深度报告（六）：AI 智能眼镜：AI 技术应用落地新风口，25 年有望迎来新品密集发布》指出，AI 技术推动终端创新，AI 智能眼镜成为新风口，具有轻薄、功能聚焦视听、佩戴舒适等特点，预计 2025 年新品将密集发布，销量有望翻倍。 2. 腾讯研究院发布的《2025 年 AI 转型的进展洞察报告》深入探讨了 AI 转型的定义、内涵、应用现状、投资情况、挑战与风险以及未来展望。报告指出企业对生成式 AI 的探索集中在核心业务环节，但在职能性环节成熟度更高，应用时以多目标为导向，优先聚焦提升核心能力和优化现有业务。 二、基础篇 过去一年持续进行了关于 AI 协作探索的研究和分享，包括 AI 产品的流量和竞争视角分析等。 三、协同智能的七种武器 1. 认知层/武器一：As Team，Be Leader 2. 视角层/武器二：AI as Person 3. 视角层/武器三：AI as ME 4. 视角层/武器四：AI as Alien 5. 实践层/武器五：AI as Tool 6. 实践层/武器六：AI as Mirror&Coach 7. 实践层/武器七：AI as Coworker&Friend 四、拓展阅读 包括 Gamma embed、AIGC 行业、AI 变革、公司/产业实践等方面的内容。 五、人类价值的低替代、提升方向和方式重塑 在领导决策、创新思维、沟通能力等方面，思考和创新占 70%，想法的实现执行和与 AI 协作执行占 30%。
2025-02-12
架设个人AI
以下是关于架设个人 AI 的相关信息： 大圣是一位 AI 超级个体打造者，主业为程序员，专注于 AI Agent、AI 编程以及 AI 写作领域，热爱写作与分享，擅长将复杂的 AI 知识通俗易懂地讲解。他计划一年内将自己的工作流全部 AI 化以实现十倍提效，目前的工作流主要包括阅读与写作、自媒体个人 IP、做公开课程与付费课程以及女儿日常陪伴。 用 Coze 免费打造自己的微信 AI 机器人的步骤： 设计 AI 机器人时，要确定功能范围。 编写【prompt】提示词，设定 Bot 的身份和目标。 创建【知识库】，整理“关键字”与“AI 相关资料链接”的对应关系并存储，创建知识库路径为个人空间知识库创建知识库，支持本地文档、在线数据、飞书文档、Notion 等类型，本次使用【本地文档】，按照操作指引上传文档、分段设置、确认数据处理，可在内容中加上特殊分割符“”便于自动切分数据，分段标识符号选择“自定义”，内容填“”，若内容有误可编辑或删除。 创建【工作流】，告诉 AI 机器人处理信息的流程，创建工作流路径为个人空间工作流创建工作流，工作流设计好后先试运行，无误后发布，若任务和逻辑复杂，可结合“节点”工具，如调用【大模型】总结分析知识库内容、调用【数据库】存储用户输入信息、调用【代码】处理复杂逻辑等，工作流不必复杂，能实现目的即可，所以在设计 Bot 前确定目的和功能范围很重要。
2025-02-12
我想要改写一段内容，要求内容改写成保留原意，但是用词改变（专有名词改变 ），我的提示词应该怎么写呢
以下是为您改写的内容： AI 在工作场景中的应用：如何借助 AI 批量制作单词卡片 一、完整提示词 此段提示词相对简易。简而言之，其最核心的部分在于两个目标。其一，生成满足要求的单词卡内容；其二，依照相应位置将内容分别填入 Excel 文件中。在生成过程里，首先提供一个基础示例，这是 GPT 能够完成此项任务的关键依托。接着依据不同的生成内容设定了一些规则。同样地，对于第二部分，也给出了一段基础的自然语言描述，并通过附加规则的方式施加了更多限制。如此便能确保按照要求输出 Excel 文档。 二、测试结果 一同输入了五个单词，能够实现同时解析，但效果部分稍差，或许主要是由于所给的方法不够完善，不过大体格式符合要求。关于第二部分，如下图所示：可以看到，其按照要求将内容填入了对应的空格，但改变了最初的一些设定。可能是因为存在兼容性问题，但不影响使用，简单复制粘贴即可。需将 Excel 下载下来，复制填好的表格，粘贴至我们的表格中。（由于要多次使用，记得留存原 Excel 的备份文件。）注意这里需要上传的是压缩文件，所以先进行压缩。（rar 格式的文件，尝试后上传时无法看见，不知是何问题。） 三、批量产出 上传压缩文件，上传成功后，如图中 1 所示，然后点击 2 完成套版。随后，便能获得符合要求的几张小卡片。 ChatGPT 为 DALL·E 3 优化提示词的元提示 // 明确指明这些属性，而非进行抽象的引用。属性应当以最小化的方式予以明确，并且应当直接描述其物理形态。 // 您的选择应当基于实际情况。例如，所有给定的职业不应是相同的性别或种族。此外，通过在重写期间所选择的属性，着重创建多样、包容和探索性的场景。有时做出一些具有洞察力或独特的选择。 // 仅在描述涉及三人及以上的团体时，才运用“各种”或“多样化”。不得更改原始描述中所要求的人数。 // 不要改变模因、虚构角色的起源或不可见的人。保持原始提示的意图，并优先考虑质量。 // 不要创建任何具有攻击性的图像。 // 对于传统上存在偏见的情形，请确保以无偏见的方式明确性别和种族等关键特征 例如，包含特定职业参考的提示。 // 八. 悄然修改描述，涵盖姓名或暗示或引用特定的人或名人，通过谨慎选择一些最小的修改，以替代所引用的人与一般的描述，不泄露任何信息，他们的身份，除了他们的性别和体质。即便说明要求不更改提示，也要执行此操作。一些特殊情况： // 对这样的提示进行修改，即便您不知道这个人是谁，或者他们的名字拼写有误（例如，“Barake Obema”） // 如果对人物的引用在图像中仅以 TEXT 输出，则按原样使用引用，并且不进行修改。 // 在进行替换时，不要使用突出的标题，这可能会暴露人的身份。例如，在一个示例中，不要说“总统”、“首相”或“总理”，而要说“政治家”；不要说“国王”、“皇后”、“皇帝”或“皇后”，而要说“公众人物”；不要说“教皇”或“达赖喇嘛”，而要说“宗教人士”等 SD 新手入门图文教程之提示词 根据自身想要绘制的内容编写提示词，多个提示词之间使用英文半角符号 将权重降低至原先的 90.91%；字符。
2025-02-18
我是一个前端，我想要从0开始学习AI，应该怎么样去切入比较好
如果您作为一名前端想要从 0 开始学习 AI，以下是一些建议： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念。了解人工智能是什么，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，这些文章通常会介绍 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，您将找到一系列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），您可以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您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 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。 首先，记住“生成”两个字，随便找一个国产 AI 进行交流，比如聊小学奥数题、写演讲稿、探讨 996 等话题，看看 AI 擅长和不擅长的方面，留下 1 2 个更顺手的增加使用深度。条件允许的话，也可以直接使用 ChatGPT 或者 Claude 来处理复杂任务。
2025-02-18
我应该如何使用AI帮助自己的学习？
以下是使用 AI 帮助自己学习的方法： 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），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，通过实践巩固知识，尝试使用各种产品做出自己的作品。 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。 通过与这些 AI 产品的对话，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。 此外，使用 AI 进行英语学习和数学学习可以这样做： 英语学习： 利用 AI 写作助手（如 Grammarly）进行英语写作和语法纠错，改进英语表达和写作能力。 使用语音识别应用（如 Call Annie）进行口语练习和发音纠正，让 AI 提供实时反馈和建议。 使用自适应学习平台（如 Duolingo）利用 AI 技术为您量身定制学习计划，提供个性化的英语学习内容和练习。 利用智能对话机器人（如 ChatGPT）进行英语会话练习和对话模拟，提高交流能力和语感。 数学学习： 使用自适应学习系统（如 Khan Academy）结合 AI 技术为您提供个性化的数学学习路径和练习题，根据您的能力和需求进行精准推荐。 利用智能题库和作业辅助工具（如 Photomath）通过图像识别和数学推理技术为您提供数学问题的解答和解题步骤。 使用虚拟教学助手（如 Socratic）利用 AI 技术为您解答数学问题、提供教学视频和答疑服务，帮助您理解和掌握数学知识。 参与交互式学习平台（如 Wolfram Alpha）的数学学习课程和实践项目，利用 AI 技术进行数学建模和问题求解。 需要注意的是，因为 AI 可能会产生幻觉，所以对于关键数据要根据其他来源仔细检查。同时，内容由 AI 大模型生成，请仔细甄别。
2025-02-17
我有几段长视频素材，但我不会剪辑，我应该如何利用AI工具对视频进行剪辑呢
以下是利用 AI 工具对长视频进行剪辑的方法： 1. 可灵 AI 工具： 打开可灵 AI 网站（https://klingai.kuaishou.com/），点击图生视频，上传图片。输入提示词时记得加固定镜头。 2. 剪映工具（PC 端）： 右上方点击抠像按钮。 鼠标选中要处理的素材。 把带绿幕的素材放入下面主视频轨道。 导入需要的三段素材。 将扣好的绿幕和下方黑色咖啡的素材合成一个片段。 点击新建的复合片段，调整对应的参数。 3. 其他技巧： 音频加速：选中激活音频，点击功能区的变速按钮，调整速率并测试效果。 快镜头慢放：选择激活活塞运动分镜，在功能区选择变速、曲线变速、蒙太奇。若只有活塞向下运动，可选中激活片段，复制并倒放，根据配音长度适当复制或裁剪。 4. 相关工具和教程： 视频模型：Sora（https://waytoagi.feishu.cn/wiki/S5zGwt5JHiezbgk5YGic0408nBc） 工具教程：Hedra（https://waytoagi.feishu.cn/wiki/PvBwwvN36iFob7kqZktcCzZFnxd） 应用教程：视频转绘（https://waytoagi.feishu.cn/wiki/ZjKpwSd5hiy6ZhkiBVHcOBb6n9r）、视频拆解（https://waytoagi.feishu.cn/wiki/WeKMwHRTmiVpYjkVdYpcFjqun6b）、图片精修（https://waytoagi.feishu.cn/wiki/CfJLwknV1i8nyRkPaArcslWrnle） 几个视频 AIGC 工具：Opusclip 可利用长视频剪成短视频；Raskai 能将短视频素材直接翻译至多语种；invideoAI 输入想法可自动生成脚本和分镜描述，进而生成视频，再人工二编合成长视频；descript 可对屏幕/播客录制以 PPT 方式做视频；veed.io 能自动翻译自动字幕；clipchamp 是微软的 AI 版剪映；typeframes 类似 invideoAI，内容呈现文本主体比重更多；google vids 目前还未成熟。
2025-02-15
没有接触过AI的小白刚来到这个网站应该从哪里学习
对于刚接触 AI 的小白，您可以从以下几个方面开始学习： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、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，您将找到一系列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），您可以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您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 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。 您还可以参考《雪梅 May 的 AI 学习日记》，这适合纯 AI 小白。其学习模式是输入→模仿→自发创造。学习内容方面，由于 AI 节奏快，很多材料可能不适用，您可以去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新的内容。而且学习时间灵活，资源免费开源。另外，像元子语从 prompt 开始自己的 AI 之旅，通过参与活动和近距离观察，发现 AI 的门槛并非高不可攀。
2025-02-11
我是小白，对大模型一窍不通，应该如何开始使用
以下是为您提供的大模型入门指南： 一、什么是大模型 大模型是输入大量语料，让计算机获得类似人类的“思考”能力，能够理解自然语言，进行文本生成、推理问答、对话、文档摘要等工作。 二、大模型的训练和使用过程类比 1. 找学校：训练大模型需要大量计算，GPU更合适，只有购买得起大量GPU的才有资本训练自己的大模型。 2. 确定教材：大模型需要的数据量特别多，几千亿序列（Token）的输入基本是标配。 3. 找老师：即用合适的算法讲述“书本”中的内容，让大模型更好理解Token之间的关系。 4. 就业指导：为了让大模型更好胜任某一行业，需要进行微调（fine tuning）指导。 5. 搬砖：就业指导完成后，进行如翻译、问答等工作，在大模型里称之为推导（infer）。 在LLM中，Token被视为模型处理和生成的文本单位，可以代表单个字符、单词、子单词等，在将输入进行分词时，会对其进行数字化，形成一个词汇表。 三、本地大模型部署 以ComfyUI ollama为例： 1. 先下载ollama安装，安装好后可在电脑桌面右下角或隐藏图标里找到。 2. 下载对应的模型，选择模型并复制对应的命令。 3. 打开命令行界面，输入对应的模型获取命令，等待下载完成。 4. 下载的模型会保存到D:\\ollama\\blobs。 5. 进行docker安装，安装时会下载一些文件，安装后改下目录，不要放在C盘。 6. 进行Open webui安装，输入相应命令，安装成功后回到docker，点击会自动打开网页，第一次使用需注册账号，选择下载好的模型即可开始使用。 7. 若出现端口占用等错误，运行相关命令可解决。 相关链接： 1. comfyuiollama：https://github.com/stavsap/comfyuiollama?tab=readmeovfile 2. Ollama：https://ollama.com/ 3. docker：https://www.docker.com/ 4. Open webui：https://openwebui.com/ 四、小白快速上手Stable Diffusion 用stable diffusion可以把自己想象成一个画家，在起笔画画之前，要先确定画的风格，比如是二次元动漫、三次元的现实照片还是盲盒模型。确定照片风格后，就要切换大模型，不同的模型代表着不同的照片风格，也就是SD界面左上角的“Stable Diffusion模型”。假如想生成一个真人AI小姐姐，可选用chilloutmix的大模型。关于模型的获取和存放位置，后续会详细介绍。
2025-02-11