直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

如何打造智能家电行业大模型,需要几步,分别具体怎么实施?

回答

打造智能家电行业大模型一般需要以下步骤及具体实施方法:

  1. 准备计算资源:训练大模型需要大量的计算能力,特别是 GPU 等硬件,类似于找一所具备资本和资源的“贵族学校”。
  2. 确定数据:大模型需要海量的数据,数据量通常以千亿序列(Token)为标配,这就像为学习确定丰富的“教材”。
  3. 选择算法:选择合适的算法来处理和讲解数据,让大模型能更好地理解 Token 之间的关系,如同为学习找一位好“老师”。
  4. 微调指导:为了让大模型更好地适应智能家电行业,需要进行微调指导,类似于就业指导。
  5. 实际应用:完成上述步骤后,大模型就可以进行实际的任务,如翻译、问答等,这被称为推导。

在构建大模型的过程中,还包括以下具体环节:

  1. 收集海量数据:如同教孩子成为博学多才的人需要让其阅读大量书籍、观看纪录片、与人交谈,对于大模型,要收集互联网上的文章、书籍、维基百科条目、社交媒体帖子等各种文本数据。
  2. 预处理数据:就像为孩子整理学习资料,要对收集到的数据进行清理和组织,包括删除垃圾信息、纠正拼写错误、将文本分割成易于处理的片段。
  3. 设计模型架构:为大模型设计“大脑”结构,通常是复杂的神经网络,例如使用 Transformer 架构这种擅长处理序列数据的结构。
  4. 训练模型:让大模型“阅读”提供的数据,通过反复预测句子中的下一个词等方式,逐渐学会理解和生成人类语言。

行业最佳实践方面,以 Baichuan 为例,针对用户复杂的问题,借鉴了 Meta 的 CoVe 技术,将复杂 Prompt 拆分为多个独立且可并行检索的搜索友好型查询,还利用自研的 TSF 技术挖掘用户输入背后更深层的问题。在检索步骤中,自研了 Baichuan-Text-Embedding 向量模型,对大量数据进行预训练,并通过自研损失函数解决问题,同时引入混合检索方式提升目标文档的召回率。

内容由 AI 大模型生成,请仔细甄别(powered by aily)

参考资料

大模型入门指南

通俗来讲,大模型就是输入大量语料,来让计算机获得类似人类的“思考”能力,使之能够理解自然语言,能够进行『文本生成』、『推理问答』、『对话』、『文档摘要』等工作。既然是学习,那我们就可以用『上学参加工作』这件事来类比大模型的训练、使用过程:1.找学校::训练LLM需要大量的计算,因此GPU更合适,因此只有购买得起大量GPU的贵族学校才有资本训练自己的大模型2.确定教材::大模型顾名思义就是大,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::即用什么样的算法讲述“书本”中的内容,让大模型能够更好理解Token之间的关系4.就业指导::学完书本中的知识后,为了让大模型能够更好胜任某一行业,需要进行微调(fine tuning)指导5.搬砖::就业指导完成后,下面就要正式干活了,比如进行一次翻译、问答等,在大模型里称之为推导(infer)在LLM中,Token([2])被视为模型处理和生成的文本单位。它们可以代表单个字符、单词、子单词,甚至更大的语言单位,具体取决于所使用的分词方法(Tokenization)。Token是原始文本数据与LLM可以使用的数字表示之间的桥梁。在将输入进行分词时,会对其进行数字化,形成一个词汇表(Vocabulary),比如:The cat sat on the mat,会被分割成“The”、“cat”、“sat”等的同时,会生成下面的词汇表:|Token|ID|<br>|-|-|<br>|The|345|<br>|cat|1256|<br>|sat|1726|<br>|…|…|

胎教级教程:万字长文带你理解 RAG 全流程

旁白当你发现大模型的效果并没有你预期想的那么好时,你打算放弃但是你也听到了另一种声音:如果大模型没有你想的那么好,可能是你没有了解他的能力边界。你不想就这么放弃,为了更好的理解大模型,你首先了解了他的创建过程[heading2]1.收集海量数据[content]想象一下,我们要教一个孩子成为一个博学多才的人。我们会怎么做?我们会让他阅读大量的书籍,观看各种纪录片,与不同背景的人交谈等。对于AI模型来说,这个过程就是收集海量的文本数据。例子:研究人员会收集互联网上的文章、书籍、维基百科条目、社交媒体帖子等各种文本数据。[heading2]2.预处理数据[content]在孩子开始学习之前,我们可能会先整理这些资料,确保内容适合他的年龄和学习能力。同样,AI研究人员也需要清理和组织收集到的数据。例子:删除垃圾信息,纠正拼写错误,将文本分割成易于处理的片段。[heading2]3.设计模型架构[content]就像我们要为孩子设计一个学习计划一样,研究人员需要设计AI模型的"大脑"结构。这通常是一个复杂的神经网络。这里我们就不展开了,我们只需要了解,为了让AI能够很好的学习知识,科学家们设计了一种特定的架构。例子:研究人员可能会使用Transformer架构,这是一种特别擅长处理序列数据(如文本)的神经网络结构。[heading2]4.训练模型[content]就像孩子开始阅读和学习一样,AI模型开始"阅读"我们提供的所有数据。这个过程被称为"训练"。例子:模型会反复阅读数据,尝试预测句子中的下一个词。比如给出"太阳从东方__",模型学会预测"升起"。通过不断重复这个过程,模型逐渐学会理解和生成人类语言。

大模型RAG问答行业最佳案例及微调、推理双阶段实现模式:基于模块化(Modular)RAG自定义RAG Flow

基于百川的宣传资料整理([查看原文](https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2650901201&idx=1&sn=3a9bd61403fb4b024ec5d8c128990495&scene=21#wechat_redirect)),由于资料有限,对于部分细节笔者进行了适当猜测和补充。针对用户日益复杂的问题,Baichuan借鉴了Meta的CoVe技术,将复杂Prompt拆分为多个独立且可并行检索的搜索友好型查询,使大模型能够对每个子查询进行定向知识库搜索。此外,他们还利用自研的TSF(Think-Step Further)技术来推断和挖掘用户输入背后更深层的问题,以更精准、全面地理解用户意图。TSF的技术细节并没有披露,猜测其本质应该是对Step-back prompting方法的改良。在检索步骤中,百川智能自研了Baichuan-Text-Embedding向量模型,对超过1.5T tokens的高质量中文数据进行预训练,并通过自研损失函数解决了对比学习方式依赖batchsize的问题。该向量模型登顶了C-MTEB。同时引入稀疏检索和rerank模型(未披露),形成向量检索与稀疏检索并行的混合检索方式,大幅提升了目标文档的召回率,达到了95%。

其他人在问
用Coze创建AI,打造自己的图像生成AI机器人
以下是使用 Coze 创建自己的图像生成 AI 机器人的步骤: 1. 注册 Coze 账号: 访问 Coze 官网,可选择中文版(https://www.coze.cn/,支持大模型:kimi、云雀)或英文版(https://coze.com/,支持大模型:chatgpt4)进行快速注册。 产品定位为新一代 AI 原生应用开发服务平台。 2. 创建机器人: 登录 Coze,可使用抖音或手机号登陆,登陆后选择“创建 Bot”,起一个响亮的名字。 工作空间选“个人空间”。 小技巧:“图标”AI 可以自动生成,先在“Bot 名称”用文字描述想要的图标,满意后再把“Bot 名称”改为简洁版名称。 3. 具体创建 AI Bot: 首先打开扣子的首页(https://www.coze.cn/home),直接点击左上角的创建 AI Bot 按钮。 直接在弹窗输入 Bot 的相关信息,完成创建后细化其功能。 设计人设与回复逻辑,根据功能需求设计提示词。 调整模型设置,比如基于聊天为主的需求,将对话轮数记录改为 20 轮。 选择插件,如英文名言警句(get_one_eng_word & get_many_eng_words)随机获取英语名言,Simple OCR(ocr)识别图片中的文字。 设置开场白和预置问题,预置问题有参考价值。 最后设置语音,若为英语陪练 AI Bot,选择亲切的英语音色。
2024-11-09
用 Coze 免费打造自己的图像生成 AI 机器人
以下是用 Coze 免费打造自己的图像生成 AI 机器人的步骤: 1. 注册 Coze 账号 访问 Coze 官网,快速注册,开启智能之旅。 Coze 中文名扣子,字节跳动出品。 中文版:https://www.coze.cn/(支持大模型:kimi、云雀)——本次教程使用中文版 Coze。 英文版:https://coze.com/(支持大模型:chatgpt4) 产品定位:新一代 AI 原生应用开发服务平台,Nextgeneration AI chatbot building platform。 2. 创建你的机器人 登录 Coze,可使用抖音或手机号登陆,登陆后选择“创建 Bot”,然后起一个响亮的名字。 登录页面、首页、创建 Bot 时,工作空间选“个人空间”即可。 小技巧:“图标”AI 可以自动生成,先在“Bot 名称”那里用文字描述你想要的图标,图标生成满意后,再把“Bot 名称”改为简洁版名称。 此外,在实际体验中: 测试 AI Bot 时,可能会出现回答不完整的情况,如部分信息未给出,这是因为 Coze 国内版刚发布不久,有些官方和第三方插件的 API 调用和返回结果不太稳定。但官方会尽快解决。 成功的回答是根据提示词和插件+工作流的组合,结果非常详细。若加上自己的知识库甚至定制化使用数据库功能,AI Bot 的使用场景会更丰富。 国外版有免费的 GPT4 大模型使用,插件和工作流功能更丰富稳定,还有更多自定义插件和工作流功能,能更灵活定制 AI Bot。 作者演示上述步骤后发布的 AI Bot,其 ID 是:7333630516673167394,有兴趣可在 Coze 平台上搜索这个 ID 来体验。
2024-11-09
打造自己的ai本地知识库
以下是打造自己的 AI 本地知识库的相关内容: 1. 本地部署大模型以及搭建个人知识库的思路来源于视频号博主黄益贺。 2. 可以使用 Ollama 一键部署本地大模型,了解 ChatGPT 的信息流转方式以及 RAG 的概念和核心技术。 3. 若要对知识库进行更灵活掌控,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 中创建自己独有的 Workspace 与其他项目数据隔离。首先创建工作空间,然后上传文档并在工作空间中进行文本嵌入,接着选择对话模式,包括 Chat 模式(大模型根据训练数据和上传文档综合给出答案)和 Query 模式(大模型仅依靠文档数据给出答案),最后进行测试对话。 4. 用 Coze 免费打造微信 AI 机器人时: 设计 AI 机器人,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,并将信息存储起来。创建知识库路径: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,本次使用【本地文档】,注意内容切分粒度,可加特殊分割符如“”,分段标识符号选择“自定义”,内容填“”。 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:个人空间工作流创建工作流,工作流不必复杂,能实现目的即可。
2024-11-05
怎么打造属于自己的AI
以下是打造属于自己的 AI 的方法: 对于新手,可通过 Coze 快速创建 AI Bot: 1. 访问官网首页 https://www.coze.cn/home 。 2. 在中间的对话框里直接和“Coze 扣子 AI”对话,按照提示操作。 3. 发出需求后,扣子 AI 会根据需求创建新的 AI Bot,创建成功后点击回答的链接进入配置页面。 4. 一个最简单的 AI Bot 就创建好了,可以在页面上进行对话测试,也能分享到微信、飞书等平台。 此外,还有更深入的设计步骤: 1. 确定功能范围,编写 prompt 提示词设定 Bot 的身份和目标。 2. 创建知识库,整理“关键字”与“AI 相关资料链接”的对应关系。创建路径为: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。上传文档时注意内容切分粒度,可添加特殊分割符如“”,分段标识符号选择“自定义”,内容填“”。 3. 创建工作流,告诉 AI 机器人处理信息的流程。创建路径为: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。如果任务和逻辑复杂,可结合左边“节点”工具,如调用大模型、数据库、代码等。在设计 Bot 前确定目的和功能范围很重要。
2024-11-03
AI 打造个性化学习路径
以下是关于 AI 打造个性化学习路径的相关内容: 在教育领域,AI 的应用带来了颠覆性的改变。个性化学习平台通过集成算法和大数据分析,能实时跟踪学生学习进度、诊断学习难点并提供个性化建议和资源。例如 Knewton 平台,通过对数百万学生行为模式的分析,精准预测学习难点并提前给出解决方案,大幅提升学习效率。 AI 在自动评估方面也有显著进展,如利用自然语言处理技术的 Pearson 的 Intelligent Essay Assessor 能自动批改作文和开放性答案题,减轻教师批改负担,提高评估效率和一致性。 智能辅助教学工具使课堂教学更丰富互动,如 AI 教师能引导对话学习、解答疑问并提供即时反馈。Google 的 AI 教育工具 AutoML 可创建定制学习内容。 在虚拟现实和增强现实方面,AI 技术不断推动边界。如 Labster 的虚拟实验室平台提供高科技实验室场景,让学生安全进行实验操作并得到即时反馈。 生成式人工智能在教学中的应用包括: 个性化学习计划:分析学生表现,根据知识差距和个人学习风格创建定制学习路径。 课程开发/学习沉浸:生成图像、文本和视频,转化为补充教育材料、作业和练习题。 社会互动/沟通:与新的 AI 工具结合,为学生提供更好的准备工具。 使用 AI 进行英语学习和数学学习的方法和建议: 英语学习: 利用智能辅助工具如 Grammarly 进行写作和语法纠错。 使用语音识别应用如 Call Annie 进行口语练习和发音纠正。 借助自适应学习平台如 Duolingo 获得量身定制的学习计划和内容。 利用智能对话机器人如 ChatGPT 进行会话练习和对话模拟。 数学学习: 使用自适应学习系统如 Khan Academy 获取个性化学习路径和练习题。 借助智能题库和作业辅助工具如 Photomath 获得问题解答和解题步骤。 使用虚拟教学助手如 Socratic 解答问题、获取教学视频和答疑服务。 参与交互式学习平台如 Wolfram Alpha 的课程和实践项目进行数学建模和问题求解。 通过结合 AI 技术和传统学习方法,能更高效、个性化地进行学习并取得更好效果。但需注意,部分内容由 AI 大模型生成,请仔细甄别。
2024-10-29
我想做一个知识库管理,用于用户累计只是,在此基础上打造属于用户个人的知识库,通过ai生成用户专属的答案。但是我不知道应该怎么设计这个软件,请为我建议
设计一个用于用户知识累计和生成专属答案的知识库管理软件,您可以考虑以下几个关键方面: 1. 数据存储与架构 选择合适的数据库系统,如关系型数据库(如 MySQL、PostgreSQL)或非关系型数据库(如 MongoDB、Cassandra),以有效存储用户的知识数据。 设计合理的数据表结构,包括用户信息表、知识条目表、知识分类表等,确保数据的组织和关联清晰。 2. 知识录入与编辑 提供直观的用户界面,方便用户录入知识,支持多种格式,如文本、图片、音频、视频等。 具备知识编辑功能,允许用户修改、更新和完善已录入的知识。 3. 知识分类与标签 建立灵活的知识分类体系,让用户能够将知识分类存放,便于查找和管理。 支持用户为知识添加自定义标签,提高知识检索的准确性。 4. 搜索与检索功能 实现强大的搜索功能,支持全文搜索、关键词搜索、模糊搜索等多种搜索方式。 优化搜索算法,确保快速返回准确的搜索结果。 5. AI 模型集成 选择适合的 AI 模型,如自然语言处理模型,用于理解用户的问题和生成答案。 对 AI 模型进行训练和优化,使其能够基于用户的知识库提供准确和有用的回答。 6. 用户权限管理 设定不同的用户权限级别,如管理员、普通用户等,控制用户对知识库的操作权限,保障数据安全。 7. 数据备份与恢复 定期自动备份知识库数据,以防止数据丢失。 提供数据恢复功能,确保在意外情况下能够快速恢复知识库。 8. 界面设计 设计简洁、美观、易用的界面,提高用户体验。 遵循用户习惯和人机交互原则,使操作流程简单直观。 9. 性能优化 对软件进行性能优化,确保在处理大量知识数据时仍能保持高效运行。 10. 测试与迭代 进行充分的测试,包括功能测试、性能测试、用户体验测试等。 根据用户反馈和实际使用情况,不断迭代优化软件功能。 希望以上建议对您有所帮助,祝您成功设计出满足需求的知识库管理软件!
2024-10-29
城市智能停车服务系统建设方案
很抱歉,目前知识库中没有关于城市智能停车服务系统建设方案的相关内容。但一般来说,建设城市智能停车服务系统可以从以下几个方面考虑: 1. 需求分析:了解城市的停车需求、现有停车设施状况以及存在的问题。 2. 技术选型:选择适合的传感器、通信技术、数据库管理系统等。 3. 系统设计:包括车位监测与管理、用户端应用设计、后台管理系统等。 4. 数据采集与处理:准确采集车位使用情况等数据,并进行有效的处理和分析。 5. 支付与计费系统:提供便捷的支付方式,并制定合理的计费规则。 6. 与其他系统的集成:如交通管理系统、城市规划系统等。 7. 安全与隐私保护:确保系统的安全性和用户数据的隐私。 8. 维护与升级:定期对系统进行维护和升级,以适应不断变化的需求。 以上只是一个初步的框架,具体的建设方案需要根据城市的实际情况进行详细的规划和设计。
2024-11-12
智能体
智能体(Agent)在人工智能和计算机科学领域是一个重要概念,指能够感知环境并采取行动以实现特定目标的实体,可以是软件程序或硬件设备。 智能体的定义: 智能体是自主系统,通过感知环境(通常借助传感器)并采取行动(通常通过执行器)来达成目标。在 LLM 支持的自主 Agent 系统中,LLM 充当 Agents 的大脑,并包含以下关键组成部分: 规划 子目标和分解:将大型任务分解为更小、可管理的子目标,以有效处理复杂任务。 反思和完善:对过去行为进行自我批评和反思,从错误中吸取教训,完善未来步骤,提高最终结果质量。 记忆 短期记忆:利用模型的短期记忆进行上下文学习。 长期记忆:通过外部向量存储和快速检索实现长时间保留和回忆(无限)信息。 工具使用:学习调用外部 API 获取模型权重中缺失的额外信息,包括当前信息、代码执行能力、对专有信息源的访问等。 智能体的类型: 智能体可根据复杂性和功能分为以下几种类型: 简单反应型智能体(Reactive Agents):根据当前感知输入直接行动,不维护内部状态,不考虑历史信息。例如温控器,根据温度传感器输入直接控制加热器。 基于模型的智能体(Modelbased Agents):维护内部状态,对当前和历史感知输入建模,能推理未来状态变化并据此行动。例如自动驾驶汽车,不仅感知当前环境,还维护和更新周围环境模型。 目标导向型智能体(Goalbased Agents):具有明确目标,能根据目标评估不同行动方案并选择最优行动。例如机器人导航系统,有明确目的地并规划路线以避障。 效用型智能体(Utilitybased Agents):不仅有目标,还能量化不同状态的效用值,选择效用最大化的行动,评估行动优劣并权衡利弊。例如金融交易智能体,根据市场条件选择最优交易策略。 学习型智能体(Learning Agents):能通过与环境交互不断改进性能,学习模型、行为策略以及目标函数。例如强化学习智能体,通过与环境互动不断学习最优策略。 此外,智能体还应用于情绪主题角色扮演小游戏,来源于 Cathy 教练和 Leah 老师的情绪力手册,帮助家长和孩子从源头了解、分辨、分析、处理和控制情绪,包含需求分析、分步实现需求、提示词编写测试、GPTs 使用链接和总结等内容。
2024-11-12
智能体如何拥有唱歌功能
要让智能体拥有唱歌功能,需要从多个方面进行设计和构建: 1. 基础信息设定:包括智能体的姓名、性别、年龄和职业等,为后续功能设计提供基础。 2. 背景和经历考量:这些因素与基础信息相互影响,决定了智能体的基本特征,例如一个有特定背景和经历的智能体可能对唱歌有独特的喜好和追求。 3. 兴趣爱好规划:如果设定智能体特别喜欢唱歌,这可能会影响其长期规划,比如梦想成为专业歌手。 4. 性格和价值观塑造:这两者会影响智能体在唱歌方面的表现和追求,以及与唱歌相关的人际关系和社交行为。 此外,在技术实现上,需要强大的语音合成和音乐生成技术支持,以模拟真实的唱歌效果。同时,还需要不断优化和训练,以提高唱歌功能的质量和表现力。
2024-11-12
AI agent和智能体有什么区别
AI agent 和智能体在以下方面存在区别: 1. 概念侧重点:AI agent 更强调作为数字人的大脑,拥有记忆模块等,以实现更真实的交互;智能体则被视为智能的最小单元,是可以设定目标后主动完成任务的。 2. 能力构成:AI agent 主要通过接入大语言模型,并结合工具、记忆、行动、规划等能力来发挥作用;智能体不仅具备推理能力,还能执行全自动化业务,但目前许多相关产品仍需人类参与。 3. 实现方式:AI agent 目前行业里主要通过如 langchain 框架,在 prompt 层和工具层完成设计,将大模型与工具进行串接;智能体在实现上可能涉及更多复杂的技术和逻辑。
2024-11-12
有没有能够按照给定的文件出考试题的智能体或者网站或者AI
以下是一些能够按照给定文件出考试题的智能体、网站或 AI 相关的信息: 很多 AI 网站都可以创建“智能体”,您可以为其提供配置信息(提示词)、知识库、能力配置等,让它们为您工作,例如出试题。 像 Perplexity 这样的平台,具有付费、高质量的特点。 利用 Kimi.ai 也可以实现用 AI 出测验题,提升的办法如出 20 道,挑几道出来改改,或者让 AI 根据量规自动评分。 在使用这些工具时,想让 AI 做好,首先您得会做,比如把大模型当作大学生或“实习生”,需要您指明方向,拆解任务,教其一步一步操作,像导演一样编排具体流程,检查结果,修改流程,反复迭代。提示语的核心是逻辑,要将复杂任务拆分成科学合理的步骤,并且让前面每一步的结果都成为后面步骤的基础。 另外,对于 GPT 类的工具,您可以预先把咒语(prompts)写好,像编程一样把要求 AI 操作的步骤写得非常详细,以后每次拿过来直接就用。建议找个空闲日,将自己的日常工作列出来,寻找哪些工作部分可以被 AI 加速,哪些工作基本上是固定输入输出的,并尝试把这些工作场景写成“智能体”,不断迭代优化。
2024-11-11
搭建个人知识库,请推荐的免费人工智能软件
以下为您推荐一些可用于搭建个人知识库的免费人工智能软件: 1. AnythingLLM:包含所有 Open WebUI 的能力,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 。安装完成后需进行配置,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 中可创建独有的 Workspace 与其他项目数据隔离,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 模式会综合给出答案,Query 模式仅依靠文档数据给出答案),配置完成后可进行测试对话。 2. Coze 或 FastGPT 等工具可搭建知识库,但当下其 RAG 能力仅对问答场景友好,复杂企业级知识库场景可能需要专业团队,收费几万到几十万不等。若想使用专门搭建个人知识库的软件,可参考文章 ,忽略本地部署大模型环节,直接看其中推荐的软件。 此外,还有一些相关工具和方法: 用通义听悟整理录音笔记:https://tingwu.aliyun.com 用 React 实现选中即解释 定义提示语提取有用信息:https://memo.ac/zh/ 开源免费屏幕录制工具 OBS,下载地址:https://obsproject.com/ Mac 用 Downie,Windows 推荐 IDM 淘宝数码荔枝店购买 用 losslessCut 快速切块:https://github.com/mifi/losslesscut 希望这些信息对您有所帮助。
2024-11-11