Navigate to WaytoAGI Wiki →
Home/question.detail.breadcrumb.questionList/question.detail.breadcrumb.questionDetail

I need to create a customer service with AI, need a good open source project for reference

Answer

以下是为您推荐的可用于创建 AI 客服的开源项目参考:

  1. OpenAI 官方开源的多智能体框架「Swarm」:其在多智能体的通信处理,如客服权限交接和信息传递等方面有优雅的解决方案。
  2. ChatMLX:多语言支持,包括英语、简体中文、繁体中文、日语、韩语等。多模型兼容,支持 Llama、OpenELM、Phi、Qwen、Starcoder、Cohere 等模型。具有高性能与隐私保障,基于 MLX 和 Apple silicon,本地运行确保用户隐私与数据安全,适用于需要高性能且注重隐私的对话应用开发者。

此外,还有一些相关的 AI 应用示例,如:

  1. 智能写作助手:如 Grammarly、秘塔写作猫,利用自然语言处理技术辅助用户进行高质量写作。
  2. 图像识别商品推荐:如淘宝拍照搜商品,通过图像识别和机器学习为用户推荐相似商品。
  3. 语音助手:如小爱同学、Siri,通过语音识别和自然语言理解为不同需求定制专属语音助手。
  4. 个性化健身计划制定:如 Keep 智能训练计划,通过数据分析和机器学习根据用户数据制定个性化健身方案。
  5. 美食推荐平台:如大众点评智能推荐,基于数据挖掘和自然语言处理基于用户口味偏好推荐美食。
  6. 智能客服外包服务:如阿里小蜜等电商客服,通过自然语言处理和机器学习为企业提供智能客服解决方案。
Content generated by AI large model, please carefully verify (powered by aily)

References

突发!OpenAI官方开源多智能体框架「Swarm」

脚趾头:因为是OpenAI出的。(君不见现在大多数大模型都在遵循OpenAI的接口规范...他们对自己做的东西更了解)脑门:其实单Agent这块,没有啥花里胡哨的东西,简单业务,OpenAI就一个/api/completions接口。但是「Handoffs」这块,Swarm的确做的非常优雅。(这里不得不给自己吹个牛,年初我就写了Swarm类似的多智能体了。)多智能体的核心难题其实是不同智能体之间的通信问题。怎麼传递,传哪些信息,这些都很重要。其实之前很多多智能体开源框架,走的都是Room/Group的思路,就是把各个智能体都扔到一个大空间里,然后每个智能体都接收信息,每个智能体都存储信息。不说效率低下,光token的消耗都扛不住。实际上,多智能体,也只要在必要的时候被call起就可以,回到我们上文10086客服的例子。当接线小姐姐识别到这是个宽带问题需要转接的时候,她需要做2个事情:1.找到宽带部门的小姐姐,把会话权限交接过去;2.把记录「Messages」和我的问题「Query」交接过去(实际上会自动记录,共享查阅)那如果我们需要构建这样的一个客服多智能体,是不是只需要准备两个Agent:一个普通接线客服,一个宽带客服。Swarm的「Handoffs」处理了交接的逻辑。下面我用官方的例子魔改一下客服例子,方便大家理解。执行这段代码,打印出来的对话记录就可能会是是不是就变得非常清晰了?总得来说就是:

宝玉 日报

🫧宝玉日报「10月1日」✨✨✨✨✨✨✨✨1⃣️💬AI开源项目推荐:ChatMLX多语言支持:英语、简体中文、繁体中文、日语、韩语。多模型兼容:支持Llama、OpenELM、Phi、Qwen、Starcoder、Cohere等模型。高性能与隐私保障:基于MLX和Apple silicon,本地运行确保用户隐私与数据安全。应用场景:适用于需要高性能且注重隐私的对话应用开发者。🔗[https://github.com/maiqingqiang/ChatMLX](https://github.com/maiqingqiang/ChatMLX)2⃣️📉OpenAI转型的阵痛:商业化之路带来的挑战内部紧张:CEO山姆·奥特曼的领导风格和公司商业化步伐引发高管离职潮。文化冲突:公司逐渐偏向商业优先,原本的研究文化受到冲击。关键发展:预计将推出GPT-5,但面临竞争对手(如Anthropic和xAI)的挑战。融资与扩展:OpenAI员工从770人扩展到1700人,寻求65亿美元融资。前景分歧:有人认为商业化是必要之举,有人则担忧公司的初衷已被损害。🔗[https://x.com/dotey/status/1839904630894989670](https://x.com/dotey/status/1839904630894989670)3⃣️🗣️GPT-4o高级语音模式与英语学习App的未来

100个AI应用

|序号|已有产品|主题|使用技术|市场规模|一句话介绍|项目功能||-|-|-|-|-|-|-||1|Grammarly、秘塔写作猫|AI智能写作助手|自然语言处理|数十亿美元|利用AI技术辅助用户进行高质量写作。|Grammarly可检查语法、拼写错误并提供改进建议,秘塔写作猫能进行智能润色和内容创作辅助。||2|淘宝拍照搜商品|AI图像识别商品推荐|图像识别、机器学习|数百亿美元|通过图像识别为用户推荐相似商品。|用户在淘宝使用拍照搜商品功能,上传图片后系统快速推荐类似商品。||3|小爱同学、Siri|AI语音助手定制开发|语音识别、自然语言理解|百亿美元以上|为不同需求定制专属语音助手。|小爱同学可控制智能家居、回答问题等,Siri能进行语音交互和任务处理。||4|Keep智能训练计划|AI个性化健身计划制定|数据分析、机器学习|数十亿美元|根据用户数据制定个性化健身方案。|Keep的智能训练计划结合用户身体状况和目标生成专属健身方案。||5|大众点评智能推荐|AI美食推荐平台|数据挖掘、自然语言处理|百亿美元规模|基于用户口味偏好推荐美食。|大众点评通过用户评价和偏好数据为用户推荐餐厅和美食。||6|阿里小蜜等电商客服|AI智能客服外包服务|自然语言处理、机器学习|数十亿美元|为企业提供智能客服解决方案。|阿里小蜜可自动回答客户问题,处理订单查询等任务。|

Others are asking
AI与人的协同关系
AI 与人的协同关系主要体现在以下几个方面: 1. 生成式 AI 的人机协同分为 Embedding(嵌入式)、Copilot(副驾驶)、Agent(智能代理)3 种产品设计模式,在这 3 种模式下,人与 AI 的协作流程有所差异。其中,Embedding 模式下人类完成大多数工作,Copilot 模式下人类和 AI 协同工作,Agents 模式下 AI 完成大多数工作。 2. 可以使用 Multiagent Collaboration 的方法,让不同角色的 Agent 按照任务要求自主规划选择工具、流程进行协作完成任务。例如产品经理角色,可通过 Agents 拆解任务,遵循不同工作流生成大体符合期望的输出结果,再进行修改达到可用阶段。 3. 应从原子能力层重新思考,重塑工作流。可抽象化拆解大模型的底层能力,如翻译、识别、提取、格式化等,围绕“输入”“处理”“输出”“反馈”构建最底层的信息处理逻辑。 4. 重塑获取信息的方式,搜索引擎和基于大模型的聊天机器人在解决用户问题的目标上从根本上是一致的。 5. AGI 发展初期,与人脑相比仍有短板,需要向人学习,同时“人的模型”更重要的是解决 AI 与人配合的问题,实现 1+1>2 的效果。但目前如何达到“人的模型”还未知,可能需要在“世界模型”基础上加入个人大量多样的数据。 6. 在未来商业模式中,AI 原生应用包括广义语言的万能翻译机、想象力与创造力、AI 使用工具及相互合作、AI 微决策、AI 与人合作等方面。在相当长时间里,AI 首先要解决的是与人合作的问题,这需要“人的模型”和“人的数据”,让 AI 理解与之配合的人类。
2024-12-25
openai
OpenAI 的相关信息如下: 模型: OpenAI API 由多种具有不同功能和价位的模型提供支持,还可通过微调针对特定用例对原始基本模型进行有限定制。 具体模型包括:GPT4(Beta),是一组改进 GPT3.5 的模型,能理解和生成自然语言或代码;GPT3.5,是一组改进 GPT3 的模型,能理解并生成自然语言或代码;DALL·E(Beta),能在给定自然语言提示的情况下生成和编辑图像;Whisper(Beta),能将音频转换为文本;Embeddings,能将文本转换为数字形式;Codex(Limited Beta),能理解和生成代码,包括将自然语言转换为代码;Moderation,能检测文本是否敏感或不安全的微调模型;GPT3,能理解和生成自然语言。 为何能跑通所有 AGI 技术栈: 方法论明确:通用模型能用到更多数据,减少技术栈,OpenAI 未来可能会继续走通用模型的道路,降低微调等特化的需求,继续增加模型的上下文长度。 用一个模型为另一个模型提供标注:OpenAI 的 Dall E 和 Sora 都用到了大量可能来自于 GPT vision 的数据标注,未来可能会继续加强各个模型的连接。 Transformer 架构:其在各个模态和技术栈具有优势,能复用模型参数和使用一套基础设施框架训练不同模型,新模型若要取代,需通过缩放定律的检验。 稀疏模型。
2024-12-25
会计工作如何使用AI来帮助日常的工作
以下是 AI 在会计工作中帮助日常工作的一些方式: 1. 更动态的预测和报告: 生成式 AI 能够帮助编写 Excel、SQL 和 BI 工具中的公式和查询,实现分析自动化。 从更广泛、更复杂的数据集中发现模式,为预测建议输入,并提供适应模型的建议,为公司决策提供依据。 自动创建文本、图表、图形等内容,并根据不同示例调整报告,无需手动整合数据和分析到外部和内部报告中。 2. 会计和税务方面: 帮助综合、总结税法,并就潜在的扣除项提出可能的答案。 3. 采购和应付账款: 自动生成和调整合同、采购订单和发票以及提醒。 4. 结合 RPA 技术: 控制桌面软件,实现办公流程自动化,例如在财务领域用于开票、网银流水下载等。 搭建知识库、创建并部署 AI 工作流,结合飞书避免信息泄露和实现自动回复等,提升效率,节省人力时间成本。
2024-12-24
转行无经验可以找哪些AI行业的岗位
以下是一些转行无经验可能适合的 AI 行业岗位: AIGC 产品经理:如 Sundy 从教育方向和 web3 行业转行,学习了生文生图的原理和应用后目标成为 AIGC 产品经理。 数据开发咨询、AI 视频制作与编辑:例如识影拥有 8 年数据开发经验,目前专注于探索这方面工作。 AI 创业者:像也毛从艺术专业毕业做职业导演,现布局竖屏短剧及 ai 短剧赛道;黄燕燕从 17 年地产人转行创业人工智能领域赛道,主做人工智能领域的服务与培训。 需要注意的是,虽然这些岗位可能对无经验者开放一定机会,但仍需要通过学习和实践不断提升自己在 AI 领域的知识和技能。
2024-12-24
目前国内最多人用的ai软件是什么,大家具体的应用场景是什么。
目前国内较多人使用的 AI 软件及应用场景如下: 医疗保健领域: 医学影像分析:辅助诊断疾病。 药物研发:加速药物研发过程。 个性化医疗:提供个性化治疗方案。 机器人辅助手术:提高手术精度和安全性。 金融服务领域: 风控和反欺诈:降低金融机构风险。 信用评估:帮助做出贷款决策。 投资分析:辅助投资者决策。 客户服务:提供 24/7 服务并回答常见问题。 零售和电子商务领域: 产品推荐:向客户推荐可能感兴趣的产品。 搜索和个性化:提供个性化购物体验。 动态定价:根据市场需求调整产品价格。 聊天机器人:回答客户问题并解决问题。 制造业领域: 预测性维护:避免机器故障停机。 质量控制:检测产品缺陷。 供应链管理:优化供应链提高效率和降低成本。 机器人自动化:提高生产效率。 此外,还有一些具体的应用产品,如: 游戏领域:腾讯游戏助手的 AI 游戏角色生成器,为游戏开发者生成独特角色。 招聘领域:智联招聘 APP 的 AI 招聘筛选工具,帮助企业快速筛选简历。 房地产领域:贝壳找房 APP 的 AI 房地产评估系统,准确评估房地产价值。 天气领域:墨迹天气 APP 的 AI 天气预报助手,提供精准天气预报和气象预警。 需要注意的是,关于国内使用人数最多的 AI 软件,没有确切的权威统计数据,其使用情况可能因行业、用户需求和地域等因素而有所不同。
2024-12-24
AIGC的技术原理
AIGC(Artificial Intelligence Generated Content,人工智能生成内容)的技术原理如下: 生成式人工智能(GenAI):基于深度学习技术和机器学习算法,从已有数据中学习并生成新的数据或内容。通过大规模数据集训练深度神经网络模型,学习各种数据的规律和特征,实现对输入数据的分析、理解和生成。典型的 GenAI 包括 OpenAI 推出的语言模型 ChatGPT、GPT4、图像模型 DALLE 以及百度推出的文心一言、阿里云推出的通义千问等。 机器学习:让机器自动从资料中找到公式。 深度学习:一种更厉害的手段,类神经网络,具有非常大量参数的函数。 大语言模型:是一类具有大量参数的“深度学习”模型。 AIGC 工具通常以自然语言处理为基础,分析大型文本数据集,并学习如何生成风格和语气相似的新内容,从而能够生成包括文本、图像、音频、视频和三维模型等多种形式的内容。
2024-12-24