直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

我想知道如果我上传给Coze数据库，我的数据安全有保障吗

回答

关于您上传数据到 Coze 数据库的数据安全保障问题，以下是相关信息：

  • 合规说明方面：
    • 不存在产出违法违规内容，包括色情暴力、政治敏感和违法犯罪等。
    • 不存在爬取行为，遵循 robot.txt 爬虫协议，未使用匿名代理。
    • 不存在版权争议问题，未爬取强版权资源、付费内容等。
    • 不存在跨境数据传输，未使用海外 API 和海外模型。
    • 有安全合规声明，作者声明作品没有侵权，作品安全可用且公开可接受。
  • Coze 数据库的功能特点：
    • 知识库功能不仅支持上传和存储外部知识内容，还提供多样化的检索能力，能解决大模型可能出现的幻觉问题和专业领域知识的不足，显著提升回复准确性。支持从多种数据源上传文本和表格数据，自动将知识内容切分成多个片段进行存储，并允许用户自定义内容分片规则，提供多种检索方式，适应各种使用场景。
    • 数据库具备记忆能力，可以存储和检索用户的交互历史，以提供更加个性化的服务。支持实时更新，确保信息最新。能存储用户的交互历史，包括提问、回答和反馈，用于理解用户需求和优化对话流程，可进行个性化服务和错误纠正与学习。

综上所述，从目前的信息来看，您上传给 Coze 数据库的数据在一定程度上是有安全保障的。但具体情况还需参考 Coze 数据库的最新政策和规定。

内容由 AI 大模型生成，请仔细甄别（powered by aily）

参考资料

清: coze比赛作品[菜品秀秀]大揭密

|合规项|具体说明|作者回答（请回答是/否）|<br>|-|-|-|<br>|是否会产出违法违规内容？|1.色情暴力2.政治敏感3.违法犯罪是否存在爬取行为？若是，补充使用的爬虫服务3.1.是否遵循robot.txt爬虫协议3.2.是否使用了匿名代理？|[未完成]是[已完成]否|<br>|存在版权争议问题|1.涉及强版权资源，包括影视、音乐、游戏(游戏本身)、新闻的信息爬取、完整结果（新闻原文本、资源下载链接）返回2.是否爬取了付费内容？|[未完成]是[已完成]否|<br>|跨境数据传输：数据是否会跟海外交互|1.是否使用了海外API2.是否使用了海外模型，如GPT|[未完成]是[已完成]否|<br>|安全合规声明|本人声明此作品没有侵权，作品安全可用且公开可接受|[已完成]是[未完成]否|<br>|是否愿意开源|是否愿意公开配置（非强制，可以选择不公开～）|[已完成]是[未完成]否|

蓝衣剑客：四万字长文带你通学扣子

详细内容可至Coze官方手册了解：https://www.Coze.cn/docs/guides/knowledge[heading3]3.1知识库[content]Coze的知识库功能不仅支持上传和存储外部知识内容，还提供了多样化的检索能力。这一功能特别设计来解决大模型可能出现的幻觉问题和专业领域知识的不足，显著提升了大模型回复的准确性。Coze的知识库主要包括两大核心能力：一是能够存储和管理外部数据；二是增强检索能力。数据管理与存储Coze支持从多种数据源，如本地文档、在线数据、Notion、飞书文档等渠道上传文本和表格数据。上传后，系统会自动将知识内容切分成多个片段进行存储，并允许用户自定义内容分片规则，比如通过分段标识符或字符长度等方式进行内容分割。增强检索此外，Coze还提供了多种检索方式来对存储的内容片段进行高效检索，例如全文检索可以通过关键词快速找到相关的内容片段并召回。基于这些召回的内容片段，大模型将生成最终的回复内容。应用场景Coze支持上传文本内容及结构化表格数据，以适应各种使用场景。例如，在创建虚拟形象与用户交流时，你可以将相关语料保存在知识库中。后续Bot将通过向量匹配召回最相关语料，并模仿该虚拟形象的语言风格进行回答。在客服场景中，将用户常见问题和产品使用手册等信息上传至Coze知识库中，Bot可以利用这些信息精准地解答用户疑问。对于特定行业应用，如汽车领域，你可以创建包含各种车型详终参数的数据库，在用户查询特定车型信息时，Bot可通过召回相关记录进一步提供精确信息，如百公里油耗等详情。

Coze 全方位入门剖析 - 免费打造自己的 AI Agent (国内版)

扣子平台内置了强大的知识库功能，允许开发者上传和维护大量的数据，这些数据可以用于训练AI Bot，使其能够更准确地理解和回应用户的需求。同时，平台还具备数据库记忆能力，可以存储和检索用户的交互历史，以提供更加个性化的服务。[heading4]知识库功能[content]数据上传与管理：开发者可以通过平台的界面轻松上传各种形式的数据，如文本、图片、视频等，这些数据可以是FAQ文档、产品手册、行业报告等。平台提供了直观的编辑工具，使得数据的整理和分类变得简单高效。训练与优化：上传的数据被用于训练AI Bot，使其能够更好地理解用户的问题并提供准确的回答。平台的机器学习算法会分析这些数据，学习其中的模式和关联，从而提高回答的准确性和相关性。实时更新：知识库支持实时更新，确保AI Bot获取到的信息是最新的。这对于需要频繁更新信息的行业（如金融、法律等）尤为重要。[heading4]数据库功能[content]用户交互记录：平台能够存储用户的交互历史，包括用户的提问、AI Bot的回答以及用户的反馈。这些数据对于理解用户需求和优化对话流程至关重要，目前数据库的设置只能在创建AI bot的时候设置和修改，你不需要懂得数据库语法甚至是编程，只需要用自然语言告诉AI Bot做哪些数据操作即可。个性化服务：通过分析用户的交互历史，AI Bot能够提供更加个性化的服务。例如，如果用户之前询问过某个产品的信息，AI Bot在后续的对话中可以主动提供该产品的更新或相关推荐。错误纠正与学习（进阶玩法）：当AI Bot在回答中出现错误时，开发者可以利用数据库中的交互记录进行错误分析，快速定位问题并进行修正。这种持续的学习过程有助于提高AI Bot的整体性能。

其他人在问
用ai做ppt会有数据安全和隐私泄露 风险吗
使用 AI 制作 PPT 可能存在一定的数据安全和隐私泄露风险。 一方面，取决于所使用的 AI 工具及其数据处理政策。如果该工具的开发者或服务提供商没有采取足够的安全措施来保护用户数据，那么数据就有可能被泄露。 另一方面，在输入数据到 AI 系统时，如果包含了敏感信息，且该信息未经过妥善处理和加密，也存在被窃取或不当使用的风险。 然而，许多正规和知名的 AI 工具通常会采取一系列措施来保障数据安全和用户隐私，例如数据加密、严格的访问控制、遵循相关法律法规等。但用户在选择使用 AI 工具制作 PPT 时，仍需仔细阅读服务条款和隐私政策，了解数据的处理和存储方式，以最大程度降低潜在的风险。
2024-09-22
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
用Coze创建AI，能够通过文字生成图片或者视频或者动画或者渲染效果
以下是使用 Coze 创建 AI 的相关信息： 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。 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”那里用文字描述想要的图标，图标生成满意后，再把“Bot 名称”改为简洁版名称。 3. 制定任务的关键方法： 在开始设计和开发任何 AI Agent 之前，最关键的第一步是明确定义期望 AI 最终输出的结果。这包括详细描述期望获得的输出内容，如输出是文本、图像、音频还是其他形式的数据，输出的具体格式和结构是什么，确定输出内容的质量标准。 预估任务的可行性。 确定任务的执行形式。以 LearnAndRecord 的一篇文章为例，拆解其结构，基于此进行微调优化。值得注意的是，Coze 支持 Markdown 格式输出 AI 生成的内容，Markdown 作为轻量级文本标记语言，能够有效展示文本、图片、URL 链接和表格等多种内容形式。参照精读结构，评估任务的可行性，生成结果包括文字、图片（思维导图）、音频（原文音频）三类输出格式，前两者可直接用 Markdown 输出/嵌入，音频则需通过 URL 链接跳转外部网页收听。最后结合使用习惯，期望在输入一篇英文原文时，AI Agent 能够按模板要求，直接输出精读结果。
2024-11-09
如何用Coze智能体自动提前飞书知识库内容
要使用 Coze 智能体自动提取飞书知识库内容，您可以参考以下步骤： 1. 创建智能体： 手动清洗数据：上节课程是自动清洗数据，自动清洗可能出现数据不准的情况，本节尝试手动清洗以提高准确性。例如创建画小二课程的 FAQ 知识库，飞书在线文档中每个问题和答案以分割，可点击编辑修改和删除，然后添加 Bot 并在调试区测试效果。 本地文档：对于本地 word 文件，注意拆分内容以提高训练数据准确度，例如将画小二课程按章节进行人工标注和处理，然后创建自定义清洗数据的知识库。 发布应用：点击发布，确保在 Bot 商店中能搜到。 2. 创建机器人： 访问 Coze 官网（网址：Coze.cn）创建。 人设与回复逻辑设置。 创建知识库： 飞书知识库：在飞书中选择对应文件夹，一次最多选择 20 个文件（文件多可多建几个知识库），可选择自动进行数据清洗，图片资料会保留，测试对话，目前 Coze 存在不稳定版本，需调试完善。 Excel 知识库：可增加其他形式的知识库，上传表格的知识库不要过于复杂，不要有合并表格情况，系统不认不同的 Sheet，数据处理完成会显示 100%进度，加工出来的数据点击添加 Bot 增加到知识库中，然后测试发布和返回。 网页知识库：有自动采集和手动采集两种方式，手动采集需安装插件，可选择批量添加，写入网址，将全站数据解析并保存到知识库，按照默认自动清洗数据。 此外，在前期准备中，梳理 AI 智能体的功能需求时，要注意在稍后读的知识管理场景中，简化“收集”环节，自动化“整理”环节，根据待阅读内容列表的主题和当前阅读兴趣智能“选择”相关内容、推荐个人阅读计划。
2024-11-05
制作Coze智能体
以下是制作 Coze 智能体的步骤： 1. 打开 Coze 官网（https://www.coze.cn/home）。 2. 创建图像工作流，图像流分为智能生成、智能编辑、基础编辑三类，其很像 ComfyUI，但更普世化且简单易上手。 3. 空间风格化插件有相关参数，如 image_url 是毛坯房的图片地址；Strength 是提示词强度，影响效果图；Style 是生成效果的风格，如新中式、日式、美式、欧式、法式等；user_prompt 是用户输入的 Promot 提示词。 4. 按照构架配置工作流，包括调试效果和测试毛坯房等。 5. 开始节点对应配置三项内容，进行提示词优化。 6. 设定人设和回复逻辑，技能 1 中 3 项中的编译数字来源，然后点击右上角发布。 另外，分步构建和测试 Agent 功能时： 首先进入 Coze，点击「个人空间工作流创建工作流」，打开创建工作流的弹窗。根据弹窗要求自定义工作流信息，点击确认完成新建。编辑视图与功能中，左侧「选择节点」模块根据子任务需要，实际用到插件（提供能力工具）、大模型（生成文本内容）、代码（处理数据）。编辑面板中的开始节点和结束节点分别对应原文输入和结果输出环节。按照流程图在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，完成工作流框架搭建。
2024-11-05
coze是用python实现的码
Coze 可以使用 Python 实现。在 Coze 中，搭建工作流框架时，左侧的“选择节点”模块中有支持编写简单 Python 脚本的“代码”节点，可对数据进行处理。例如，在“大圣：我用 Coze 搓了一个乞丐版的秘塔搜索”中，代码节点的逻辑是将输入的内容处理成两个字段，即 contexts 字段（所有 snippet+title+link 的平铺，用来丢给大模型进行处理）和 references 字段（所有的引用）。代码块对于非程序员来说运用有一定难度，但在 AI 时代，学习一些基础语法就足够，具体逻辑可让 AI 帮忙编写。
2024-11-04
大模型如何接入企业数据库
大模型接入企业数据库的相关内容如下： 原理介绍： 从文档处理角度来看，实现流程包括配置要求。 配置要求： ChatGLM6B 模型硬件需求： 模型文件下载至本地需要 15GB 存储空间。 量化等级不同，最低 GPU 显存（推理）和最低 GPU 显存（高效参数微调）要求不同： FP16（无量化）：分别为 13GB 和 14GB。 INT8：分别为 8GB 和 9GB。 INT4：分别为 6GB 和 7GB。 MOSS 模型硬件需求： 模型文件下载至本地需要 70GB 存储空间。 量化等级不同，最低 GPU 显存（推理）和最低 GPU 显存（高效参数微调）要求不同： FP16（无量化）：分别为 68GB 和 。 INT8：分别为 20GB 和 。 Embedding 模型硬件需求：默认选用的 Embedding 模型约占用显存 3GB，也可修改为在 CPU 中运行。 项目启动： Web 启动：运行 web.py，若显存不足则调整 configs/model_config.py 文件中 LLM_MODEL 参数更换模型，若连接无法连接修改 web.py 文件末尾 lauch 中 0.0.0.0 为 127.0.0.1，点击 URL 进入 UI 界面。 API 模式启动。 命令行模式启动。 上传知识库： 左侧知识库问答中选择新建知识库，可传输 txt、pdf 等。可以调整 prompt，匹配不同的知识库，让 LLM 扮演不同的角色。例如上传公司财报，充当财务分析师；上传客服聊天记录，充当智能客服；上传经典 Case，充当律师助手；上传医院百科全书，充当在线问诊医生等等，MOSS 同理。 使用数据表： 通过在工作流中添加数据库节点对数据表进行操作。在工作流中可通过 NL2SQL 方式和代码方式进行调用，支持完整读写模式。参考以下操作，在工作流中添加并配置工作流节点。在工作流中配置数据库节点前，确保已经搭建了一个 Bot，并在这个 Bot 中创建好了数据表。 1. 单击页面顶部的工作流页签，然后单击创建工作流。 2. 输入工作流名称和工作流的使用描述，然后单击确认。工作流名称和描述可以帮助大语言模型理解什么场景下需要调用该工作流。 1. 在基础节点页签下，将数据库节点拖入到工作流配置画布区域。 2. 根据以下信息配置数据库节点。 输入：添加 SQL 执行中需要的参数，可以是一个变量，也可以是一个固定值。 SQL:输入要执行的 SQL 语句，可以直接使用输入参数中的变量。可单击自动生成使用大模型生成 SQL。在弹出的页面中，选择这个数据库工作流生效的 Bot 和数据表，然后使用自然语言描述要执行的操作，单击自动生成生成 SQL 语句，最后单击使用。 注意：不支持 Select语法，不支持多表 Join 操作，最多返回 100 行数据。
2024-10-11
向量数据库
向量数据库是大语言模型从工具走向生产力实践中热门的 RAG 方式所必备的基础设施。 RAG 能够从海量文本数据中检索相关信息并生成高质量文本输出，而向量数据库在其中发挥着重要作用。 目前市面上的向量数据库众多，操作方式无统一标准。本文将基于 LangChain 提供的 VectorStore 类中的统一操作方法，以 chroma 向量数据库作为示例，从最为基础的 CRUD 入手介绍其使用方法。 向量数据库的工作原理如下： 如果是文本，会通过模型转换成向量对象，对象存入数据库中再去使用。传统数据库以表格形式存储简单数据，向量数据库处理的是复杂的向量数据，并使用独特方法进行搜索。常规数据库搜索精确匹配数据，向量数据库则使用特定相似性度量寻找最接近匹配，使用特殊的近似近邻（ANN）搜索技术，包括散列搜索和基于图的搜索等方法。 要理解向量数据库的工作原理及其与传统关系数据库（如 SQL）的不同，必须先理解嵌入的概念。非结构化数据（如文本、图像和音频）缺乏预定义格式，给传统数据库带来挑战。为在人工智能和机器学习应用中利用这些数据，需使用嵌入技术将其转换为数字表示，嵌入就像给每个项目赋予独特代码，以捕捉其含义或本质。
2024-09-02
如何在coze的prompt中调用数据库
在 Coze 的 prompt 中调用数据库可以参考以下步骤： 1. 基础框架： 本 bot 由提示词、数据库和工作流三部分构成。提示词使用结构化框架，要求大模型根据不同行为调用不同工作流。数据库用于记录不同用户历史记账记录，工作流中会用到。 2. 工作流： 增加记账记录 add_accounting_record： 开始：定义一个{{prompt}}，把用户在 bot 输入的记账内容传入进来。 大模型：任务简单，使用任意模型均可，无需调整参数。输入定义了{{input}}引用开始节点的 prompt 参数。提示词让大模型拆解用户输入内容，识别【记账事项】、【发生时间】、【变动金额】，并分别赋值到{{item}}、{{occurrence_time}}、{{balance_change}}。输出定义了相应的{{item}}、{{occurrence_time}}、{{balance_change}}。 数据库——插入记账记录：输入定义了{{item}}、{{occurrence_time}}、{{balance_change}}，用于接收大模型节点输出传入的内容。SQL 命令中，因数据库存入金额最小单位是分，所以当用户输入花费金额时，需乘以 100 存储。 3. 使用数据表： 用户通过自然语言与 Bot 交互来插入或查询数据库中的数据。Bot 会根据用户输入自动创建新记录并存储，也可根据用户查询条件检索数据返回。 在 Prompt 中添加并使用数据表时： 明确说明要执行的操作和涉及的字段，包括字段使用说明，以使大语言模型更准确执行操作。 在数据库功能区域添加要操作的数据表。 在调试区域进行测试，可单击调试区域右上方的已存数据查看数据表中的数据。
2024-09-02
向量数据库高效储存是什么意思 举个例子
向量数据库高效储存指的是专门用于存储高维向量，以实现快速准确的相似性搜索。在人工智能领域，尤其是自然语言处理和计算机视觉等方面，模型会生成并处理大量高维向量，传统数据库难以有效应对，向量数据库则为这些应用提供了高度优化的环境。 例如，像 GPT3 这样的大型语言模型，有 1750 亿个参数，会产生大量向量化数据，传统数据库很难有效处理，而向量数据库能够有效地管理和查询这些向量。 从系统角度看，预处理管道中向量数据库至关重要，负责高效存储、比较和检索多达数十亿的嵌入（即向量）。市场上常见的选择如 Pinecone，完全由云托管，容易上手，具备大型企业在生产中所需的多种功能。同时，还有 Weaviate、Vespa 和 Qdrant 等开源系统，通常具有出色的单节点性能，可针对特定应用定制；Chroma 和 Faiss 等本地向量管理库，有丰富的开发人员经验，便于启动小型应用程序和开发实验；pgvector 之类的 OLTP 扩展，对于特定开发人员和企业也是一种解决方案。 向量存储是用于存储和检索文本嵌入向量的工具，这些向量是文本数据的数值表示，能让计算机理解和处理自然语言。其主要功能包括高效存储大量文本向量、快速检索相似文本向量以及支持复杂的查询操作，如范围搜索和最近邻搜索。
2024-08-27
向量数据库高效存储与内存的关系
向量数据库的高效存储与内存有着密切的关系。 在生成式人工智能领域，通过扩展上下文窗口，模型能够处理更大量的文本并更好地保持上下文，但仅扩展上下文窗口并不能充分改善内存，因为推理的成本和时间与提示的长度呈准线性甚至二次方关系。此时，检索机制就显得尤为重要，它通过与提示相关的上下文数据增强和完善 LLM 的原始训练语料库。向量数据库（例如 Pinecone）已成为高效检索相关信息的事实标准，并作为 LLM 的内存层，使模型更容易快速准确地搜索和引用海量信息中的正确数据。 向量数据库专门用于存储高维向量，以实现快速准确的相似性搜索。由于人工智能模型，尤其是自然语言处理和计算机视觉领域的模型会生成并处理这些向量，所以对高效存储和检索系统的需求变得至关重要。像 GPT3 这样的大型语言模型，因其处理的数据量和复杂性，产生了大量向量化数据，传统数据库难以有效处理，所以基于 GPT3 和类似模型构建的应用在很大程度上依赖于向量数据库来有效地管理和查询这些向量。 例如，Marqo 向量数据库具有嵌入式存储在内存中的 HNSW 索引，实现了最先进的搜索速度，还能利用横向索引分片将规模扩大到亿级文档索引，支持异步和非阻塞数据上传和搜索，使用来自 PyTorch、Huggingface、OpenAI 等公司的最新机器学习模型，可从预先配置的模型开始或自带模型，内置 ONNX 支持和转换功能，可实现更快的推理和更高的吞吐量，并支持 CPU 和 GPU。
2024-08-27
1. 国内各个大模型有什么区别，请基于数据库/擅长方向分析 2. 推荐好用的搜索ai工具，需要查询权威资料，要求信息源可靠
以下是关于您提出的问题的回答： 国内各个大模型的区别： 北京企业机构： 百度（文心一言）：https://wenxin.baidu.com 抖音（云雀大模型）：https://www.doubao.com 智谱 AI（GLM 大模型）：https://chatglm.cn 中科院（紫东太初大模型）：https://xihe.mindspore.cn 百川智能（百川大模型）：https://www.baichuanai.com/ 上海企业机构： 商汤（日日新大模型）：https://www.sensetime.com/ MiniMax（ABAB 大模型）：https://api.minimax.chat 上海人工智能实验室（书生通用大模型）：https://internai.org.cn 在聊天状态下能生成 Markdown 格式的有智谱清言、商量 Sensechat；目前不能进行自然语言交流的有昇思（可以对文本进行是否由 AI 生成的检测，类似论文查重，准确度不错）；受限制使用的有 MiniMax（无法对生成的文本进行复制输出，且只有 15 元的预充值额度进行体验，完成企业认证后可以进行充值）。特色功能方面，昇思可以生图，MiniMax 可以语音合成。 关于好用的搜索 AI 工具：目前没有明确的权威资料推荐特定的搜索 AI 工具。但需要指出的是，中国大模型在数据方面存在一些问题。在人工智能领域，数据质量至关重要。虽然 OpenAI 训练大模型所用的中文数据也源自中国的互联网平台，但他们在数据处理上更加精细，类似于将粗糙的原石打磨成璀璨的钻石。而在中国，高质量的数据处理服务相对稀缺，国内大模型主要以中文数据为基础，但中文互联网数据的质量普遍被认为相对较低。这导致在 IT 从业者搜索专业信息时，往往会首选 Google、arXiv 或 Bing 等国际平台，而不是国内的搜索引擎。
2024-08-26