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

哪种AI更擅长数学模型搭建与计算

Answer

以下几种 AI 在数学模型搭建与计算方面表现较为出色：

  1. Llama 3.1：是迄今为止最大版本，在推理、数学、多语言和长上下文任务中能够与 GPT-4 相抗衡。
  2. AlphaGeometry：在奥林匹克级几何问题基准测试中表现出色，解决了 30 题中的 25 题，接近人类国际数学奥林匹克金牌得主的表现。
  3. 由 DeepSeek、零一万物、知谱 AI 和阿里巴巴开发的中国模型：在 LMSYS 排行榜上取得了优异的成绩，尤其在数学和编程方面表现尤为出色，且中国模型更能优先考虑计算效率。
  4. MathGLM 系列模型：
    • MathGLM-2B：在训练数据充足的情况下，能够准确地执行多位算术运算，准确率几乎可以达到 100%，结果显著超越 GPT-4。
    • MathGLM-Large：采用不同变体作为骨干来训练，赋予其基本的语言理解能力，使其能够有效理解数学应用题中包含的语言信息。

大型语言模型处理数学计算的一些解决办法包括：

  1. 引入编程插件：将数学问题转化为编程问题，并引入编程插件来处理。
  2. 教会模型数学法则：教导语言模型数学计算的规则。
  3. 标准化自然数加法计算 prompt 模板：创建标准模板，使语言模型按预定义规则和步骤执行加法计算。
  4. 结合图像模型：对于涉及空间概念的数学问题，结合图像模型辅助处理。
  5. 提供充足的语料和样本：为语言模型提供充足的数学计算样本和语料，让模型从中学习并改进数学计算能力。
Content generated by AI large model, please carefully verify (powered by aily)

References

2024人工智能报告｜一文迅速了解今年的AI界都发生了什么？

Llama 3.1是迄今为止最大版本，其在推理、数学、多语言和长上下文任务中能够与GPT-4相抗衡。这标志首次开放模型缩小与专有前沿的差距。上图为人们关于Llama 3.1 405B与GPT,Claude的评估，win:胜Tie:平Loss：输借助AlphaGeometry，符号推理引擎得以拯救谷歌DeepMind与纽约大学团队使用符号引擎生成了数百万条合成定理和证明，利用这些数据从零开始训练了一个语言模型。AlphaGeometry在语言模型提出新构造，与符号引擎执行推理交替进行，直至找到解决方案。令人印象深刻的是，AlphaGeometry在奥林匹克级几何问题基准测试中解决了30题中的25题，接近人类国际数学奥林匹克金牌得主的表现。第二好的AI表现仅得10分。它还展示了泛化能力——例如，发现2004年国际数学奥林匹克问题中的一个具体细节对于证明并非必要“尽管受到制裁，中国LLMs在排行榜上风头正劲”由DeepSeek、零一万物、知谱AI和阿里巴巴开发的模型在LMSYS排行榜上取得了优异的成绩，尤其在数学和编程方面表现尤为出色。中国的最强模型与美国生产的第二强前沿模型竞争，同时在某些子任务上挑战了SOTA。中国模型更能优先考虑计算效率，以弥补GPU访问的限制，并学会比美国同行更有效地利用资源。中国模型各有优势。例如，DeepSeek在推理过程中通过多头隐式注意力减少内存需求，并且改进了MoE架构。同时，零一万物更加关注数据集的建设而不是建筑创新。由于在像Common Crawl这样的流行存储库中相对缺乏数据，因此它更加关注建立强大的中文数据集来弥补不足。

问：大模型对于数学计算的一些解决办法

大型语言模型在处理数学计算时，尤其是复杂的数学问题时，可能会遇到一些困难。以下是一些解决办法，以帮助大型语言模型更好地处理数学计算：1.引入编程插件：一种解决方案是将数学问题转化为编程问题，并引入编程插件来处理。通过编写代码来执行数学计算，然后将结果返回给语言模型，以获取正确答案。2.教会模型数学法则：类似于小学生学习加法法则的方式，可以教导语言模型数学计算的规则。通过定义数学计算的规则和步骤，让语言模型学习如何正确执行数学运算。3.标准化自然数加法计算prompt模板：创建一个标准的自然数加法计算prompt模板，使语言模型能够按照预定义的规则和步骤来执行加法计算。这种方法可以帮助模型更好地理解和解决数学问题。4.结合图像模型：对于涉及空间概念的数学问题，可以结合图像模型来辅助处理。图像模型可以帮助模型更好地理解几何问题，并提供更准确的答案。5.提供充足的语料和样本：为语言模型提供充足的数学计算样本和语料，让模型能够从中学习并改进数学计算能力。通过更多的训练和数据，模型可以提高对数学问题的理解和处理能力。通过以上方法，大型语言模型可以更好地处理数学计算，并提供更准确的答案。这些方法可以帮助克服语言模型在数学问题上的一些局限性，提高其数学计算能力。内容由AI大模型生成，请仔细甄别

智谱·AI 开源模型列表

以下模型，以便用户使用我们多元化的产品。|模型|介绍|代码链接|模型下载||-|-|-|-||WebGLM-10B|利用百亿参数通用语言模型（GLM）提供高效、经济的网络增强型问题解答系统。它旨在通过将网络搜索和检索功能集成到预训练的语言模型中，改进现实世界的应用部署。|[WebGLM](https://github.com/THUDM/WebGLM)|[Huggingface](https://huggingface.co/THUDM/WebGLM)||WebGLM-2B|||[Huggingface](https://huggingface.co/THUDM/WebGLM-2B)||MathGLM-2B|在训练数据充足的情况下，20亿参数的MathGLM模型能够准确地执行多位算术运算，准确率几乎可以达到100%，其结果显著超越最强大语言模型GPT-4在相同测试数据上18.84%的准确率。|[MathGLM](https://github.com/THUDM/MathGLM)|[THU-Cloud](https://cloud.tsinghua.edu.cn/d/cf429216289948d889a6/)||MathGLM-500M|||[THU-Cloud](https://cloud.tsinghua.edu.cn/d/c80046ec7e234be4831b/)||MathGLM-100M|||[THU-Cloud](https://cloud.tsinghua.edu.cn/d/a6ca369a212c4df08359/)||MathGLM-10M|||[THU-Cloud](https://cloud.tsinghua.edu.cn/d/16a914d6db2a4b8f80f5/)||MathGLM-Large|采用GLM的不同变体作为骨干来训练MathGLM，包括具有335M参数的GLM-large和GLM-10B。此外，还使用ChatGLM-6B和ChatGLM2-6B作为基座模型来训练MathGLM。这些骨干模型赋予MathGLM基本的语言理解能力，使其能够有效理解数学应用题中包含的语言信息。||[THU-Cloud](https://cloud.tsinghua.edu.cn/d/3d138deaf93441b196fb/)|

Others are asking
请问有那款ai是能通过Lisp 语言实现一些输出操作的呢？
以下是一些能够通过 Lisp 语言实现输出操作的 AI 示例： 在“AI‘词生卡’的蝴蝶效应：从文字到视觉盛宴跨界蝶变”中提到，古早的 Lisp 语言在 Claude3.5 强大的理解力和绘图支持下焕发了新生，制造了新卡。 在“艾木：提示词编程｜有必要用 Lisp 语言写提示词吗？”中，将提示词用 Lisp 语言编写后丢给 Claude，例如输入文本，Claude 大概率会直接输出 SVG 代码。但对于复杂的函数调用，大语言模型处理起来较困难。
2025-01-23
请问 有哪几款ai是可以使用claude语言的呢？
Claude 是由 Anthropic 公司开发的 AI 助手。目前，Claude 本身就是一款独立的 AI，不存在其他可以使用 Claude 语言的 AI。 要注册 Claude.ai，您可以按照以下步骤进行： 1. 访问 Claude 的官方网站。 2. 点击注册或登录界面中的“Sign Up”或“Continue with email”选项。 3. 填写您的邮箱地址并设置密码，然后提交表单。 4. 系统会向您的邮箱发送一封验证邮件，您需要打开邮件并使用其中的验证码来完成邮箱验证。 如果在注册过程中遇到需要海外手机号接收验证码的问题，以下是一些可能的解决方案： 1. 使用虚拟海外号服务，如 SMSActivate、SMSPool 等，购买一个海外虚拟手机号来接收 Claude 的验证码。 2. 借助第三方服务网站如 uiuihao.com 完成注册您的 Claude 账号。 3. 如果您有海外朋友，可以请他们帮忙接收验证码，并将验证码告诉您。 完成注册后，如果您希望升级到 Claude Pro 版本以获取更强大的功能和更高的 API 调用限额，您需要填写支付信息并选择一个合适的订阅计划。值得注意的是，订阅 Claude Pro 可能需要使用海外支付方式。 请注意，Claude.ai 目前处于公开测试阶段，未付费用户使用平台可能会受到一些限制。如果您在注册过程中遇到任何问题，可以参考其他用户分享的详细注册教程和解决策略。
2025-01-23
ai在线课程
以下是为您提供的关于 AI 在线课程的相关信息： 新手学习 AI 的步骤： 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。同时浏览入门文章，了解 AI 的历史、当前应用和未来发展趋势。 2. 开始 AI 学习之旅：在「」中，能找到为初学者设计的课程，特别推荐李宏毅老师的课程。您还可以通过在线教育平台（如 Coursera、edX、Udacity）按照自己的节奏学习，并可能获得证书。 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，您可根据兴趣选择特定模块深入学习，同时掌握提示词技巧。 4. 实践和尝试：理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。知识库中有很多实践后的作品和文章分享。 5. 体验 AI 产品：与如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式。 推荐的“野菩萨”AI 课程： 1. 预习周课程：包括 AI 绘画电脑配置要求、高效 AIGC 创意者的数字人工具包、SD 插件安装方法、画静为动的 AIGC 视频制作讲解等。 2. 基础操作课：涵盖 AI 绘画通识课、AI 摄影虚拟的真实、AI 电影 穿越的大门等内容。 3. 核心范式课程：涉及词汇的纸牌屋、核心范式应用、控制随机性等方面。 4. SD WebUi 体系课程：包括 SD 基础部署、SD 文生图、图生图、局部重绘等。 5. ChatGPT 体系课程：有 ChatGPT 基础、核心 文风、格式、思维模型等内容。 6. ComfyUI 与 AI 动画课程：包含部署和基本概念、基础工作流搭建、动画工作流搭建等。 7. 应对 SORA 的视听语言课程：涉及通识 欢迎参加电影的葬礼、影像赏析、基础戏剧影视文学等。 免费获取课程的机会：参与 video battle，获胜者可获得课程。冠军奖励 4980 课程一份，亚军奖励 3980 课程一份，季军奖励 1980 课程一份，入围奖励 598 野神殿门票一张。 “通往 AGI 之路知识库”中的课程： 1. 推荐 B 站 up 主 Nally 的课程，免费且每节 15 分钟。 2. 二十四节气相关教程和关键词已开源，可直接复制使用。 3. 14、15 号左右白马老师和麦菊老师将带大家用 AI 做生图、毛毡字、光影字、机甲字等。16 号晚上中老师将带大家动手操作炼丹。 希望以上信息对您有所帮助，祝您在 AI 学习的道路上不断进步！
2025-01-23
怎么用AI提高团队工作效率，贸易类
以下是一些利用 AI 提高贸易类团队工作效率的方法： 1. 利用 AI“词生卡”技术：将抽象的文字描述转化为直观的逻辑图表和流程图，帮助团队更好地理解和执行复杂任务。团队成员可以通过“词生卡”方式自定义活动海报、商务名片、简历，也可以用于日报、月报等介绍工作进度，实现文图双输出，提高信息传导效率，并为创新思维提供新工具。 2. 参考哈佛商学院的研究：在工作中使用 AI 可以带来工作效率的显著改善。使用 AI 的被测试者比未使用者平均多完成 12.2%的任务，完成速度提高 25.1%，结果质量提高 40%。同时要注意，类似 GPT4 这样的模型有能力边界，过于依赖可能适得其反。能力较弱的被测试者提升较大，高级人才和低级人才的差距会被拉平。 3. 采用合适的协作方式：如“半人马”模式，强调人与 AI 紧密结合但各司其职，人类主导流程，根据任务性质调配资源；“机械人”模式，人与 AI 高度融合，在细节上循环迭代优化，最终实现人机一体化。 总之，合理利用 AI 技术和选择合适的协作方式，能够有效提高贸易类团队的工作效率。
2025-01-23
langchain开发手册
LangChain 是专注于大模型应用开发的平台，提供一系列组件和工具助您轻松构建 RAG 应用。 组件包括： 1. 数据加载器（DocumentLoader）：能从数据源加载数据并转为文档对象，文档包含 page_content（文本内容）和 metadata（元数据如标题、作者、日期等）。 2. 文本分割器（DocumentSplitter）：将文档分割成多个小文档，方便后续检索和生成，因大模型输入窗口有限，短文本更易找相关信息。 3. 文本嵌入器（Embeddings）：将文本转为高维向量的嵌入，用于衡量文本相似度以实现检索功能。 4. 向量存储器（VectorStore）：存储和查询嵌入，常使用 Faiss 或 Annoy 等索引技术加速检索。 5. 检索器（Retriever）：根据文本查询返回相关文档对象，常见实现是向量存储器检索器，利用向量存储器相似度搜索功能检索。 6. 聊天模型（ChatModel）：基于大模型如 GPT3 实现文本生成，根据输入序列生成输出消息。 使用 LangChain 构建 RAG 应用的一般流程： 1. 加载数据：根据数据源类型选择合适的数据加载器，如网页可用 WebBaseLoader。 2. 分割文档：根据文本特点选择合适的文本分割器，如博客文章可用 RecursiveCharacterTextSplitter。 3. 转换和存储嵌入：选择合适的文本嵌入器和向量存储器，如 OpenAI 的嵌入模型和 Chroma 的向量存储器。 4. 创建检索器：使用向量存储器检索器，传递向量存储器和文本嵌入器对象创建。 5. 创建聊天模型：根据性能和成本选择，如 OpenAI 的 GPT3 模型。 以下是使用 LangChain 构建 RAG 应用的示例代码。
2025-01-23
给我写一段AI产品经理板块的介绍，一小段话，用于在公司内部的科技论坛上
在公司内部的科技论坛上，为您介绍 AI 产品经理板块： AI 产品经理可大致分为三个层级： 1. 入门级：能通过 WaytoAGI 等开源网站或课程了解 AI 概念，使用 AI 产品并动手实践应用搭建。 2. 研究级：有技术研究和商业化研究两条路径，能根据需求场景选择解决方案，或利用 Hugging face 等工具验证想法。 3. 落地应用级：有成功落地应用案例并产生商业化价值。 传统互联网 PM 也有类似的三个层级： 1. 负责功能模块与执行细节。 2. 负责整体系统与产品架构。 3. 熟悉行业竞争格局与商业运营策略。 对 AI 产品经理的要求是懂得技术框架，关注场景、痛点和价值。同时，为您列举一些岗位技能要求，如本科及以上学历，计算机科学等相关专业背景，熟悉多种 AI 工具的使用及原理，具备创新思维等。我们身边也有相关案例，如枫 share、行远等都是从事相关工作的产品经理。
2025-01-23
我想用AI软件生产年终总结报告，请问用哪种软件合适
以下是一些适合用于生成年终总结报告的 AI 软件及相关资源： 1. Claude Artifacts：文章《年底了，惊艳一次，用 Claude Artifacts 生成年终总结，简洁明快还能无限复用》介绍了其生成年终总结的特点，如简洁明快、可无限复用。通过编辑和实时预览功能，能一次性创建模板并不断修改使用，且改进后产出更稳定，简化创作过程。 2. 您还可以参考以下报告和文章获取更多信息： 《》 《》 《》 《》 生成式 AI 季度数据报告 2024 月 1 3 月 《》 《》
2025-01-20
哪种AI写讲稿好用
以下是为您推荐的一些好用的 AI 写作工具： 1. 对于写讲稿： Gamma：在线 PPT 制作网站，可通过输入文本和想法提示快速生成幻灯片，支持嵌入多媒体格式。网址：https://gamma.app/ 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出，通过输入简单文本描述生成专业 PPT 设计，有丰富模板库和设计元素。网址：https://www.xdesign.com/ppt/ Mindshow：AI 驱动的 PPT 辅助工具，提供智能设计功能，如自动布局、图像选择和文本优化等。网址：https://www.mindshow.fun/ 讯飞智文：由科大讯飞推出的 AI 辅助文档编辑工具，利用语音识别和自然语言处理技术优势，提供智能文本生成、语音输入、文档格式化等功能。网址：https://zhiwen.xfyun.cn/ 2. 对于新闻写作： Copy.ai：功能强大的 AI 写作助手，提供丰富新闻写作模板和功能，可快速生成新闻标题、摘要、正文等内容。 Writesonic：专注写作的 AI 工具，提供新闻稿件生成、标题生成、摘要提取等功能，智能算法可根据信息生成高质量新闻内容。 Jasper AI：人工智能写作助手，虽主打博客和营销文案，也可用于生成新闻类内容，写作质量较高，支持多种语言。 需要注意的是，这些工具都具有智能化的算法和丰富的模板库，可以帮助您快速生成高质量的内容，但内容由 AI 大模型生成，请仔细甄别。同时，如果担心 AI 对孩子思考力产生负面影响，应正确引导使用，如将封闭性问题改为开放性问题，让孩子与 AI 共同完成任务并提交相关记录等。
2024-11-25
runway具体属于哪种赛道，怎么描述它
Runway 属于 AI 视频领域。它是一款最先推出模型的 AI 视频产品，目前仍维持着领先地位，并在不断快速迭代。 其产品定位更偏向影视、艺术表达，具有以下特点和优势： 1. 擅长真实系、风景、空间视频生成，对二次元场景支持不佳。 2. 支持绿幕场景生成、视频绿幕抠像等，方便影视制作和后期处理。 3. 7 月更新的 Gen3 支持 Alpha Turbo（更快速）和 Alpha（更强表现力）两种模式，增强了对复杂提示词描述的理解和对图像运动元素的识别，能够实现富有想象力的过渡和场景中元素的精确关键帧。还支持设置图片作为动画首帧/尾帧，但目前不支持笔刷等高级调节能力。单次生成视频时长最长可达 10 秒，可延长到 40 秒。 4. Gen3 Alpha Turbo 支持竖屏尺寸视频生成、加大力度发力视频到视频（风格转绘）能力，并表示即将推出更多控制能力。 Runway 由一家总部位于旧金山的 AI 创业公司制作，年初在互联网爆火。2023 年初推出的 Gen2 代表了当前 AI 视频领域最前沿的模型，能够通过文字、图片等方式生成 4 秒左右的视频。致力于专业视频剪辑领域的 AI 体验，同时也在扩展图片 AI 领域的能力。目前支持在网页、iOS 访问，网页端有 125 积分的免费试用额度（可生成约 105 秒视频），iOS 有 200 多，两端额度不同步。 相关链接： 1. 查看 Runway 目前支持的场景和视频案例：https://runwayml.com/product/usecases 2. Gen1 能力介绍：https://research.runwayml.com/gen1 3. Gen1 参数设置:https://help.runwayml.com/hc/enus/articles/15161225169171 4. 学习 Gen1 详细设置方式的视频：https://youtu.be/I4OeYcYf0Sc 5. 官方网站：https://runwayml.com/
2024-10-12
普通人用哪种AI就可以？主要是问些问题
对于普通人来说，以下几种 AI 可供选择： 1. 像 Pi 这样注重对话体验、情商较高的 AI，能提供心理疏导、学习建议等方面的交流。 2. 在医疗领域，AI 初诊可以作为基础普惠医疗的选项，例如一些能够辅助诊断的 AI 应用。 3. 目前在多模态大爆发的趋势下，一些能处理文字、声音和视觉等多种信息的 AI 也具有一定的实用性。 但需要注意的是，不同的 AI 应用在功能和适用场景上有所差异，您可以根据自己的具体需求和使用习惯进行选择。
2024-10-06
新手小白，如何从0开始搭建AI Agent
对于新手小白从 0 开始搭建 AI Agent，以下是一些建议： 1. 规划阶段： 制定任务的关键方法，总结任务目标与执行形式。 将任务分解为可管理的子任务，确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施阶段： 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，并验证每个子任务的可用性。 3. 完善阶段： 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。 此外，还需要了解一些关于 AI Agent 的基本概念： AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 AI Agent 包括 Chain（通常一个 AI Agent 可能由多个 Chain 组成，一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量，大部分的 Chain 是大语言模型完成的 LLM Chain）、Router（可以使用一些判定，甚至可以用 LLM 来判定，然后让 Agent 走向不同的 Chain）、Tool（Agent 上可以进行的一次工具调用，例如对互联网的一次搜索，对数据库的一次检索）。 常见的 AI Agent 有 Responser Agent（主 agent，用于回复用户）、Background Agent（背景 agent，用于推进角色当前状态）、Daily Agent（每日 agent，用于生成剧本，配套的图片，以及每日朋友圈）。这些 Agent 每隔一段时间运行一次（默认 3 分钟），会分析期间的历史对话，变更人物关系、反感度等，抽简对话内容，提取人物和用户的信息成为“增长的记忆体”，按照时间推进人物剧本，有概率主动聊天（与亲密度正相关，跳过夜间时间）。
2025-01-23
我想学习智能体搭建
以下是关于智能体搭建的相关知识： 智谱 BigModel 共学营第二期：把你的微信变成超级 AI 助理 1. 注册智谱 Tokens 智谱 AI 开放平台：https://bigmodel.cn/ 新注册用户，注册即送 2000 万 Tokens 充值/购买多种模型的低价福利资源包 直接充值现金，所有模型可适用：https://open.bigmodel.cn/finance/pay 语言资源包：免费 GLM4Flash 语言模型/ 多模态资源包： 多模态资源包： 所有资源包购买地址：https://bigmodel.cn/finance/resourcepack 共学营报名赠送资源包 2. 先去【财务台】左侧的【资源包管理】看看自己的资源包，本次项目会使用到的有 GLM4、GLM4VPlus、CogVideoX、CogView3Plus 模型。 3. 进入智能体中心我的智能体，开始创建智能体。此流程会手把手进行编辑，完成一个简单智能体的搭建，此智能体完成以下功能： 小众打卡地——优秀创作者奖 1. 智能体基本信息 名称：小众打卡地 链接：https://tbox.alipay.com/pro/share/202412APCyNn00194489?platform=WebService 2. 基本功能介绍：小众打卡地推荐，输入一个旅游目的地地点城市，给您推荐 3 个小众打卡地小红书类文案，适合分享或旅游参考，还有精美的旅行地配图。 3. 智能体核心价值 为用户发掘非大众化的特色景点，避开人流 提供个性化的旅行建议，并且有目的地的图片参考 帮助用户快速获取高质量的旅行参考信息 提供小红书文案，也适合发小红书 4. 智能体效果 输入一个目的地后，等待一小段时间，即可获得带图文案。从手机支付宝小程序更加方便，可以一键复制后获取。 5. 智能体搭建思路重点 录入了小红书的相关文案参考知识库 通过文本模型组成搜索词进行搜索，从搜索到的所有网页链接中，通过代码节点提取相关的 url 用代码节点滤除需要安全认证的网站，包括挑选一些非周边城市攻略推荐，并且尽量检查“小众”或“冷门” 通过 url 网页正文后，提取相关的小众地点输出，同时通过代码进行打卡点的字符串输出用于后续节点运用 根据需要搜索的小众旅行地进行图片搜索。此处代码节点随机提取一条图片的 url，注意此处在调试过程中发现有些图片搜索后的 url 打卡图片会失效，代码节点将部分失效的网站进行了过滤 最后的文案输出，非常适合小红书文案和旅行发布参考 智能体在品牌卖点提炼中的应用 1. 确定智能体的结构 按照市场营销的逻辑组织智能体的结构。 2. 搭建完整智能体 以品牌卖点提炼六步法为核心的流程，将其他的分析助手加入工作流中，包括： 品牌卖点定义与分类助手 品牌卖点提炼六步法 STP 市场分析助手 用户画像分析助手 触点收集助手 同时还包括一些结构中没有体现，但是在后续的品牌卖点应用过程中有效的分析工具： 用户需求分析的 KANO 助手 营销六层转化漏斗分析 超级转化率六要素
2025-01-22
如何搭建定制知识库
以下是关于如何搭建定制知识库的相关内容： 要搭建基于 GPT API 的定制化知识库，需要给 GPT 输入定制化的知识。但 GPT3.5（即当前免费版的 ChatGPT）一次交互支持的 Token 数量有限，约 4096 个，相当于 3000 个单词或 2300 个汉字，容量对于多数领域知识不够。为处理大量领域知识，OpenAI 提供了 embedding API 解决方案，可参考 OpenAI embedding documents。 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。向量是用一串数字表示大小和方向的量，在计算机科学和数据科学中通常用列表表示。向量之间的距离是度量相似性的方法，常见的如欧几里得距离。在 OpenAI 词嵌入中，靠近的向量词语在语义上相似。 LlamaIndex 是更高一层 LangChain 的抽象，之前叫 GPT Index。之前的文章中的例子使用了 LlamaIndex 包，它简化了 LangChain 对文本分割和查询的接口，并提供了更丰富的 Data Connector。LlamaIndex 只针对 GPT Model 做 Index，而 LangChain 可对接多个 LLMs，可扩展性更强。参考 https://gptindex.readthedocs.io/en/latest/ 在基于大模型+知识库的 Code Review 实践中，对于自定义知识库飞书文档（自定义），没有格式要求，能看懂正确代码即可。可直接使用 LangChain 提供的文档加载类，对有权限的飞书文档进行获取，使用 CharacterTextSplitter/RecursiveCharacterTextSplitter 将文本分割成固定长度的块（chunks），方法有两个主要参数：chunk_size 控制每个块的长度，如设置为 1024，则每个块包含 1024 个字符；chunk_overlap 控制相邻两个块之间的重叠长度，如设置为 128，则每个块会与相邻块重叠 128 个字符。 因为大模型有足够多的数据，想让大模型按要求执行就需要用到“Prompt 提示词”。 最近各家大厂接连放大招，AI 技术和应用突飞猛进，GPT4 接口已支持最大 32K 输入，AI 的开发和使用门槛会越来越低。垂直领域知识库的搭建和优化可能更多是业务问题，而非技术问题。
2025-01-22
如何搭建私人知识库
搭建私人知识库可以参考以下方法： 1. 基于 GPT 搭建： 给 GPT 输入（投喂）定制化的知识，但 GPT3.5（即当前免费版的 ChatGPT）一次交互（输入和输出）只支持最高 4096 个 Token，约等于 3000 个单词或 2300 个汉字，容量对于绝大多数领域知识不够。 OpenAI 提供了 embedding API 解决方案，embeddings 是一个浮点数字的向量（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。 将大文本拆分成若干个小文本块（chunk），通过 embeddings API 将小文本块转换成 embeddings 向量，在一个地方（向量储存库）中保存这些 embeddings 向量和文本块，当用户提出问题时，将问题先通过 embeddings API 转换成问题向量，然后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。 2. 本地部署大模型搭建： 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，在进行本地知识库的搭建实操之前，需要先对 RAG 有大概的了解。 RAG 的应用包括文档加载（从多种不同来源加载文档，LangChain 提供了 100 多种不同的文档加载器）、文本分割（把 Documents 切分为指定大小的块）、存储（将切分好的文档块进行嵌入转换成向量的形式，并将 Embedding 后的向量数据存储到向量数据库）、检索（通过某种检索算法找到与输入问题相似的嵌入片）、Output（把问题以及检索出来的嵌入片一起提交给 LLM，LLM 会通过问题和检索出来的提示一起来生成更加合理的答案）。 文本加载器就是将用户提供的文本加载到内存中，便于进行后续的处理。
2025-01-22
扣子应用搭建示例
以下是关于扣子应用搭建的相关内容： 白嫖 Groq 平台算力的落地应用： 通过扣子工作流，用代码模块进行 HTTP 访问，实现 0 token 脱离扣子模型来使用 Groq 作为 LLM，可参考梦飞大佬教程将扣子接入微信机器人（有微信封号风险）。 由于 Groq 的 API 与 OpenAI 的 API 几乎兼容，可以适配到任何 APP 产品填 APIKEY 调用的场景，以沉浸式翻译为例。 接入手机类 APP，比如通过快捷方式接入 Siri。 接入扣子工作流：搭建细节可移步 WaytoAGI 自学。建立工作流只需一个代码节点，需配置代码节点的输入引用、输出等。可建立 Bot 调用工作流，但建议不发布，以免代理流量被他人使用。 在扣子调用已有的 API 制作插件： Body：用于传递请求主体部分，GET 方法中通常不用于传递参数。 Path：用于定义请求路径部分，GET 方法中可传递参数，常编码为 URL 一部分。 Query：用于定义请求查询部分，是 GET 方法中常用的参数传递方式。 Header：用于定义 HTTP 请求头信息部分，GET 方法中通常不用于传递参数。配置输出参数，填对后可点击自动解析，调试与校验工具是否能正常运行。 搭建邮票收藏馆应用： 业务背景与逻辑梳理：源于客户需求，功能包括生成邮票、收藏邮票、收藏列表、查看藏品详情，规划了生成和查看两个页面。 页面设计： 第一页：导航栏有应用名称、查看收藏入口、用户头像；陈列展示生成的图片；生成和收藏部分可输入关键字生成并收藏。 第二页：收藏列表会加载用户所有收藏，数量超 100 需优化加翻页；收藏详情可查看大图、关键字、收藏时间。
2025-01-21
搜索模型搭建
以下是关于搜索模型搭建的相关知识： 嵌入（Embeddings）： 概述：第一代模型（以001结尾的模型）都使用 GPT3 分词器，最大输入为 2046 个分词。第一代嵌入由五个不同的模型系列生成，针对三个不同任务进行调整，包括文本搜索、文本相似性和代码搜索。搜索模型成对出现，有用于短查询和长文档的。不同系列包括多种质量和速度不同的型号，如 Davinci 能力最强但更慢更贵，Ada 能力最差但速度快成本低。 相似性嵌入：最擅长捕捉文本片段之间语义相似性，如 textsimilaritybabbage001、textsimilaritycurie001、textsimilaritydavinci001。 文本搜索嵌入：有助于衡量长文档与短搜索查询的相关性，使用两种模型，分别用于嵌入搜索查询和要排名的文档，如 textsearchadaquery001 等。 代码搜索嵌入：与搜索嵌入类似，有两种类型，分别用于嵌入自然语言搜索查询和要检索的代码片段，如 codesearchadatext001 等。对于001 文本嵌入，建议将输入中的换行符替换为单个空格。 部署大语言模型： 下载并安装 Ollama：根据电脑系统，从 https://ollama.com/download 下载，双击打开点击“Install”，安装完成后将下方地址复制进浏览器中，若出现相关字样表示安装完成，即 http://127.0.0.1:11434/ 。 下载 qwen2:0.5b 模型：Windows 电脑按 win+R 输入 cmd 回车，Mac 电脑按下 Command（⌘）+Space 键打开 Spotlight 搜索输入“Terminal”或“终端”选择“终端”应用程序，复制相关命令行粘贴回车等待完成。 检索原理： 信息筛选与确认：对检索器提供的信息进行评估，筛选出最相关和最可信的内容，涉及对信息来源、时效性和相关性的验证。 消除冗余：识别和去除多个文档或数据源中的重复信息。 关系映射：分析不同信息片段之间的逻辑和事实关系，如因果、对比、顺序等。 上下文构建：将筛选和结构化的信息组织成连贯的上下文环境，包括排序、归类和整合。 语义融合：合并意义相近但表达不同的信息片段。 预备生成阶段：整合好的上下文信息被编码成适合生成器处理的格式。 大模型生成回答：全新的上下文传递给大语言模型，大语言模型根据提供的信息回答问题。
2025-01-19