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

deepseek适合做ai知识库检索工具吗

Answer

DeepSeek 是基于 AI 模型的产品，只是品牌名，需要搭配具体模型，如 DeepSeek V3（类 GPT-4o）和 DeepSeek R1（类 OpenAI o1）。

文本嵌入可用于实现高效的知识检索，相似或相关的字符串在嵌入空间中靠得更近，利用快速向量搜索算法，一个文本语料库可以被分割成块，给定的查询被嵌入后，能进行向量搜索找到最相关的嵌入文本块。

知识库就像 AI 的“活字典”，可以随时更新，例如包含最新新闻、科技发展、法律法规等内容，AI 遇到不确定问题时可从中检索相关信息给出更准确回答，像很火的 AI 搜索就是将整个互联网实时数据作为知识库。

但仅根据上述信息，不能明确判断 DeepSeek 是否适合做 AI 知识库检索工具，还需要综合考虑其具体性能、与您需求的匹配度等多方面因素。

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

References

目录：OpenAI 官方指南

如果作为输入的一部分提供，模型可以利用外部信息源。这可以帮助模型生成更明智和最新的响应。例如，如果用户询问有关特定电影的问题，将有关电影的高质量信息（例如演员、导演等）添加到模型的输入中可能会很有用。嵌入可用于实现高效的知识检索，以便在运行时将相关信息动态添加到模型输入中。文本嵌入是一个向量，可以衡量文本字符串之间的相关性。相似或相关的字符串将比不相关的字符串靠得更近。这一事实以及快速向量搜索算法的存在意味着嵌入可用于实现高效的知识检索。特别是，一个文本语料库可以被分割成块，每个块都可以被嵌入和存储。然后，给定的查询可以被嵌入，可以进行向量搜索，以找到与查询最相关的语料库的嵌入文本块（即，在嵌入空间中最接近的）。可以在[OpenAI Cookbook](https://github.com/openai/openai-cookbook/blob/main/examples/vector_databases/Using_vector_databases_for_embeddings_search.ipynb)中找到示例实现。[有关如何使用知识检索来最小化模型编造](https://platform.openai.com/docs/guides/gpt-best-practices/tactic-instruct-the-model-to-use-retrieved-knowledge-to-answer-queries)错误事实的可能性的示例，请参阅策略“指示模型使用检索到的知识来回答查询”。

宝玉 日报

Deep Research是基于AI模型的产品，使用GPT-4o、o3等推理模型，结合UI交互、搜索引擎等。DeepSeek只是品牌名，需要搭配具体模型，如DeepSeek V3（类GPT-4o）和DeepSeek R1（类OpenAI o1）。🔗[https://x.com/dotey/status/1886816305719681203](https://x.com/dotey/status/1886816305719681203)4⃣️📖比尔·盖茨新回忆录《Source Code》成长故事：从“怪胎少年”到微软创始人的经历。婚姻与财富：离婚后两年陷入低谷，如今与前甲骨文CEO遗孀宝拉·赫德交往。社交媒体担忧：认为社交平台已到危险“临界点”，尤其对青少年影响深远。对AI与科技的看法：更关注现实问题，而非“冷冻身体”或延长寿命研究。📖文章原文：🔗[https://www.thetimes.com/life-style/celebrity/article/bill-gates-interview-new-book-memoir-wh766b9bs](https://www.thetimes.com/life-style/celebrity/article/bill-gates-interview-new-book-memoir-wh766b9bs)📖完整译文：🔗[https://mp.weixin.qq.com/s/5QXrlyEsFLQAodF2xVmmZA?token=1639803888&lang=zh_CN](https://mp.weixin.qq.com/s/5QXrlyEsFLQAodF2xVmmZA?token=1639803888&lang=zh_CN)5⃣️🤖Figure机器人公司宣布退出OpenAI合作

胎教级教程：万字长文带你理解 RAG 全流程

活字典是针对知识库一个非常贴切的比喻还记得我们说过AI的知识会"过期"吗？解决这个问题的一个好方法就是给AI配备一个随时更新的"活字典"，我们称之为知识库。知识库就像是AI可以随时查阅的百科全书。当AI遇到不确定的问题时，它可以从知识库中检索相关信息，从而给出更新、更准确的回答。比如，我们可以建立一个包含最新新闻、科技发展、法律法规等内容的知识库。这样，即使AI的基础模型没有得到更新，它也能通过查阅知识库来回答有关最新事件的问题。比如很火的AI搜索，其实就是将整个互联网的实时数据作为知识库，每次被询问时都可以通过搜索引擎获取最新的信息。旁白：你很激动，当你听到关于对RAG的解释的时候，你觉得你找到了一条正确的路。RAG也许可以帮你解决每天回答那些重复问题的困扰，你怀着激动的心情开始了RAG学习之旅

Others are asking
多模态是什么？如何使用多模态模型构建 AI 智能体
多模态是指对同一概念的多维度理解，例如人类可以边看、边交谈，还能同时听着背景音乐和察觉危险，而仅靠语言来描述和理解世界是远远不够的。拥有多模态能力的模型可以更全面地学习世界，理解人类的行为和需求，提高任务解决能力，并克服单一模态的局限性，是让 AI 能在现实世界中运行极为重要的一环。 2023 年 9 月 GPT4v 的发布把大语言模型的竞赛带入了多模态模型（LMM Large Multimodal Models）的时代，如 ChatGPT 可以看图说话，还能通过内置的 DallE 3 直接画图；几个月后 Google 的 Gemini 正式推出，直接支持了文本、视频和声音多种模态。今年 5 月，OpenAI 完成了 GPT4 的实时听说和视频模态输入，发布了 GPT4o，向智能体方向迈进了一大步。 多模态大模型由解码器、backbone、Generator 等部件组成，左侧多模态理解，右侧生成输出。其架构基于大圆模型，能识别页面组件结构和位置绝对值信息，并与组件、文本映射。 在应用方面，多模态模型有着广泛的用途。例如 Stable Diffusion 模型可用于带货商品图生成、模特服装展示、海报生成、装修设计等。吉梦 AI 提供 AI 视频生成等能力，吐司是类似的在线生成平台，具备多种 AI 能力。 关于模型训练，需要大量图像数据和标签化处理。AI 视频生成原理主要基于特定架构，如基于 Sara 的整体架构，采用 diffusion Transformer 架构，以扩散模型通过随机造点、加噪和去噪得到连续图像帧，输入视频可看成若干帧图片，经处理后生成视频。Meta 的视频生成模型能生成视频和声音，可替换视频中的物体和人脸，其把 diffusion 架构换成纯 transformer 架构，基于 LLAMA3 训练，与 diffusion 在 CLIP 等方面有区别。 要使用多模态模型构建 AI 智能体，需要考虑实时性，保持模型能力不变的情况下缩小参数规模，升级架构来提升性能，最好让终端也参与进来分担一部分模型的计算量。同时，让科技变简单，设计出从未有过的硬件产品或重新设计现有的产品，以适应这种毫无机械感、完全类人化的交互方式。
2025-02-06
批改作文时使用什么ai
在批改作文时，可以利用以下 AI 技术和方案： 1. 抓取错词错句： 依赖模型深厚的语言处理能力和对长文本的细致分析能力，精确定位每一个错误，并在理解上下文的基础上提出修改建议。 具备深层次语义理解，能在复杂语境中辨识不恰当词汇和错误句子构造。 基于大规模数据识别，辨别出罕见的词汇或句子搭配。 能够基于上下文相关性评估，有效识别语法正确但语境不适宜的用词。 吸收众多语法规则知识，检测句子是否遵守语法标准。 2. 好词好句识别评测： 模型能模拟一定水平的文学素养，辨别出具有表现力、形象生动或富含智慧的词汇和句子。 有能力辨识不同的写作风格和修辞技巧，挑选出提升文章感染力的佳词妙句。 能够对句子的情感倾向和语气进行解析，识别出有效表达作者意图和情感的优质语句。 3. 作文综合评价评分： 可以综合考虑文章的内容、结构、语言等多个维度，给出全面细致的评价。 按照预定的评分标准，如内容完整性、逻辑性、语言准确性等，进行客观评分。 能够根据学生的写作特点和水平提供个性化的评价和建议。 保证评价标准的一致性，减少主观差异带来的评分不公。
2025-02-06
作文批改ai
以下是关于作文批改 AI 的相关内容： 在评价作文时，需要考虑多个因素，包括错别字、词、标点识别，好词好句识别、内容评价、逻辑结构评价、语言表达评价、段落评价等。我们可以利用大模型高效、准确、丰富知识的优秀特点，对学生作文进行综合打分。 场景一：抓取错词错句 在作文批改过程中，识别错词错句及优化病句的建议，依赖于模型深厚的语言处理能力和对长文本的细致分析能力。该模型能够精确地定位每一个错误，并在理解上下文的基础上，提出符合学生年级和作文主题的修改建议。其具备以下能力： 1. 深层次语义理解：大型语言模型具备深入理解句子内涵的能力，即便处于复杂语境，也能有效辨识出不恰当的词汇和错误的句子构造。 2. 大规模数据识别：这些模型在训练过程中接触了巨量的文本资源，这让它们能够辨别出哪些词汇或句子搭配在正式书面语中较为罕见，进而准确标出错词错句。 3. 上下文相关性评估：模型有能力基于上下文来判定词语和句子的恰当性，即便是语法正确但语境不适宜的用词也能被有效识别。 4. 语法规则习得：在训练过程中，模型吸收了众多的语法规则知识，这使其能够检测句子是否遵守了语法标准。 场景二：好词好句识别评测 在运用修辞技巧方面，学生作文中的隐喻、双关等深层次含义，对解读能力提出了更为严峻的挑战。GLM4Plus 模型具备洞悉这些弦外之音的能力，能够挖掘作文背后的深层思想。具体表现为： 1. 文学素养模拟：经过训练，大型模型能够模仿一定水平的文学品质，辨别出那些具有表现力、形象生动或富含智慧的词汇和句子。 2. 风格与修辞的辨识：该模型有能力辨别不同的写作风格和修辞技巧，进而挑选出那些能够提升文章感染力的佳词妙句。 3. 情感与语气的解析：模型能够对句子的情感倾向和语气进行解析，识别出那些能有效表达作者意图和情感的优质语句。 场景三：作文综合评价评分 作文的内容往往涉及特定的文化背景和历史知识，这对于评价者来说是一个挑战。GLM4Plus 模型凭借其丰富的知识库，能够精准把握这些文化细节，确保评价的准确性。逻辑结构和论证分析是评价作文不可或缺的部分。具体特点如下： 1. 综合评价能力：大型模型可以综合考虑文章的内容、结构、语言等多个维度，给出全面而细致的评价。 2. 标准化的评分系统：模型可以根据预定的评分标准，如内容完整性、逻辑性、语言准确性等，对作文进行客观评分。 3. 个性化反馈：模型能够根据学生的写作特点和水平提供个性化的评价和建议，帮助学生有针对性地提高。 4. 一致性保证：与人工评分相比，模型评分可以保证评价标准的一致性，减少主观差异带来的评分不公。 此外，如果担心 AI 削弱孩子思考力，正确的用法能助力拓展思维边界。比如将任务改成让孩子提交一份他和 AI 共同完成作文的聊天记录，作文需要由 AI 来写，孩子要对 AI 的作文进行点评批改、让 AI 迭代出更好地文章。对话记录里孩子能否说清楚 AI 写的作文哪里好哪里不好、要怎么改（孩子可能还得给 AI 做示范），才是评价的关注点。
2025-02-06
作文批改ai
以下是关于作文批改 AI 的相关内容： 在评价作文时，需要考虑多个因素，包括错别字、词、标点识别，好词好句识别、内容评价、逻辑结构评价、语言表达评价、段落评价等。我们可以利用大模型高效、准确、丰富知识的优秀特点，对学生作文进行综合打分。 场景一：抓取错词错句 在作文批改过程中，识别错词错句及优化病句的建议，依赖于模型深厚的语言处理能力和对长文本的细致分析能力。该模型能够精确地定位每一个错误，并在理解上下文的基础上，提出符合学生年级和作文主题的修改建议。其具备以下能力： 1. 深层次语义理解：大型语言模型具备深入理解句子内涵的能力，即便处于复杂语境，也能有效辨识出不恰当的词汇和错误的句子构造。 2. 大规模数据识别：这些模型在训练过程中接触了巨量的文本资源，这让它们能够辨别出哪些词汇或句子搭配在正式书面语中较为罕见，进而准确标出错词错句。 3. 上下文相关性评估：模型有能力基于上下文来判定词语和句子的恰当性，即便是语法正确但语境不适宜的用词也能被有效识别。 4. 语法规则习得：在训练过程中，模型吸收了众多的语法规则知识，这使其能够检测句子是否遵守了语法标准。 场景二：好词好句识别评测 在运用修辞技巧方面，学生作文中的隐喻、双关等深层次含义，对解读能力提出了更为严峻的挑战。GLM4Plus 模型具备洞悉这些弦外之音的能力，能够挖掘作文背后的深层思想。具体表现为： 1. 文学素养模拟：经过训练，大型模型能够模仿一定水平的文学品质，辨别出那些具有表现力、形象生动或富含智慧的词汇和句子。 2. 风格与修辞的辨识：该模型有能力辨别不同的写作风格和修辞技巧，进而挑选出那些能够提升文章感染力的佳词妙句。 3. 情感与语气的解析：模型能够对句子的情感倾向和语气进行解析，识别出那些能有效表达作者意图和情感的优质语句。 场景三：作文综合评价评分 作文的内容往往涉及特定的文化背景和历史知识，这对于评价者来说是一个挑战。GLM4Plus 模型凭借其丰富的知识库，能够精准把握这些文化细节，确保评价的准确性。逻辑结构和论证分析是评价作文不可或缺的部分。GLM4Plus 模型能够识别并评估论点的合理性，确保作文的逻辑性和论证的有效性得到恰当的评价。具有以下特点： 1. 综合评价能力：大型模型可以综合考虑文章的内容、结构、语言等多个维度，给出全面而细致的评价。 2. 标准化的评分系统：模型可以根据预定的评分标准，如内容完整性、逻辑性、语言准确性等，对作文进行客观评分。 3. 个性化反馈：模型能够根据学生的写作特点和水平提供个性化的评价和建议，帮助学生有针对性地提高。 4. 一致性保证：与人工评分相比，模型评分可以保证评价标准的一致性，减少主观差异带来的评分不公。 此外，如果担心 AI 削弱孩子思考力，正确的用法能助力拓展思维边界。比如将任务改成让孩子提交一份他和 AI 共同完成作文的聊天记录，作文需要由 AI 来写，孩子要对 AI 的作文进行点评批改、让 AI 迭代出更好地文章。对话记录里孩子能否说清楚 AI 写的作文哪里好哪里不好、要怎么改（孩子可能还得给 AI 做示范），才是评价的关注点。
2025-02-06
怎么开始学习AI使用课程？
以下是关于如何开始学习 AI 使用课程的建议： 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。 6. 微软相关课程： 如需了解云计算中的人工智能主题，可以考虑参加《》课程。 人工智能的商业应用案例方面，可以学习《》（和欧洲工商管理学院 INSEAD 共同开发）。 经典机器学习可参考《》。 使用 Azure 认知服务（Azure Cognitive Services）来创建实用的人工智能应用，可从《》等微软课程开始学习。
2025-02-06
怎么学习使用AI课程
以下是关于如何学习使用 AI 课程的建议： 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，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库中有很多大家实践后的作品、文章分享，欢迎实践后分享。 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，了解其工作原理和交互方式，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，微软也提供了一些 AI 初学者入门课程： 1. 如需了解云计算中的人工智能主题，可以考虑参加《》课程。 2. 人工智能的商业应用案例： 可以考虑学习《》（和欧洲工商管理学院 INSEAD 共同开发）。 3. 经典机器学习：在《》中有详细介绍。 4. 使用 Azure 认知服务（Azure Cognitive Services）来创建实用的人工智能应用： 建议从以下微软课程开始学习：《》等。
2025-02-06
如何在DEEPSEEK里创建一个专门用于”爆款文案二创“的智能体？
在 DEEPSEEK 里创建一个专门用于“爆款文案二创”的智能体，您可以按照以下步骤进行操作： 1. 添加工作流：将已经发布的工作流添加到创建好的智能体。 2. 设定人设与回复逻辑：设定与“爆款文案二创”相关的人设和回复逻辑。 3. 测试：对设定好的智能体进行测试。 4. 发布智能体：选择右上角，填写发布信息，选择发布渠道，确认发布，等待审核完成，发布成功。发布成功之后，点击分享，复制访问链接给朋友。 需要注意的是，以上步骤仅供参考，具体操作可能因 DEEPSEEK 平台的更新而有所变化。
2025-02-06
linux 下部署deepseek
在 Linux 下部署 DeepSeek 的步骤如下： 1. 下载代码仓库。 2. 安装依赖（注意有两个依赖未放在 requirements.txt 里）。 3. 启动 webui 的 demo 程序，然后用浏览器登陆服务器的 ip:8080 就能试玩。此 demo 提供了 3 个参数： server_name：服务器的 ip 地址，默认 0.0.0.0。 servic_port：即将开启的端口号。 local_path：模型存储的本地路径。 4. 第一次启动后生成语音时，需查看控制台输出，它会下载一些模型文件，因此比较慢，且可能因网络问题失败。但第一次加载成功后，后续会顺利。 5. 基于此基础可进行拓展，比如集成到 agent 的工具中，或结合 chatgpt 做更拟人化的实时沟通。 webui 上可设置的几个参数说明： text：指需要转换成语音的文字内容。 Refine text：选择是否自动对输入的文本进行优化处理。 Audio Seed：语音种子，是一个数字参数，用于选择声音类型，默认值为 2，是很知性的女孩子的声音。 Text Seed：文本种子，是一个正整数参数，用于 refine 文本的停顿。实测文本的停顿设置会影响音色、音调。 额外提示词（可写在 input Text 里）：用于添加笑声、停顿等效果。例如，可以设置为 。 使用 DeepSeek 的步骤： 1. 搜索 www.deepseek.com，点击“开始对话”。 2. 将装有提示词的代码发给 Deepseek。 3. 认真阅读开场白之后，正式开始对话。 DeepSeek 的设计思路： 1. 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻调试负担。 2. 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 3. 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 4. 照猫画虎参考大模型的 temperature 设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改。 5. 用 XML 来进行更为规范的设定，而不是用 Lisp（有难度）和 Markdown（运行不太稳定）。 关于 DeepSeek 的评论： 游戏科学创始人、黑神话悟空制作人冯骥称：年前还是认真推下 DeepSeek 吧。V3 已经用了一个月，但 R1 仅仅用了 5 天。DeepSeek 可能是个国运级别的科技成果。它具备强大的推理能力，比肩 O1；参数少，训练开销与使用费用小；开源，任何人均可自行下载与部署；免费，官方目前提供的服务完全免费；支持联网搜索，是暂时唯一支持联网搜索的推理模型；由没有海外经历甚至没有资深从业经验的本土团队开发完成。如果这都不值得欢呼，还有什么值得欢呼？看到这条微博的您应直接访问网页链接马上用起来，也有移动 APP。
2025-02-06
deepseek
DeepSeek 是一家成立于 2023 年，总部位于中国杭州，专注于人工智能基础技术研究的科技公司。其致力于探索 AGI（通用人工智能）的实现路径，定位为聚焦大模型研发与应用，提供高效、安全、可控的 AI 技术解决方案。 将 DeepSeek 比喻成“AI 界的拼多多”是偏颇的，认为其秘方是多快好省也不全面。早在 2024 年 5 月 DeepSeekV2 发布时，就以多头潜在注意力机制（MLA）架构的创新在硅谷引发小范围轰动，V2 的论文也在 AI 研究界引发广泛分享和讨论。当时在国内舆论场，DeepSeek 被描摹成“大模型价格战的发起者”。 如果 V3 是 DeepSeek 的 GPT3 时刻，接下来会如何发展无人知晓，但有趣的事还在后头。DeepSeek 应不会永远是“计算机系 Pro”的存在，它应为全人类的人工智能事业做更大贡献，且已成为中国最全球化的 AI 公司之一，赢得全球同行甚至对手尊重的秘方是硅谷味儿的。 使用地址：https://chat.deepseek.com/（有手机客户端） 模型下载地址：https://github.com/deepseekai/DeepSeekLLM?tab=readmeovfile API 文档地址：https://apidocs.deepseek.com/zhcn/ DeepSeek 的提示词使用方法比较长，单独列了一篇
2025-02-06
deepseek与大健康如何落地
DeepSeek 与大健康的落地可以从以下几个方面考虑： 1. 提示词应用： 可以通过搜索 www.deepseek.com 并点击“开始对话”来使用 DeepSeek。 将装有提示词的代码发给 DeepSeek，认真阅读开场白后正式开始对话。 提示词的设计思路包括将 Agent 封装成 Prompt 并存储在文件中，以实现同时使用联网和深度思考功能，优化输出质量等。 2. 联网版实现： 通过工作流 + DeepSeek R1 大模型，实现联网版的 R1 大模型。 拥有扣子专业版账号，开通 DeepSeek R1 大模型，包括访问特定地址、在火山方舟中进行开通管理等操作，添加在线推理模型。 创建智能体，点击创建完成智能体的创建。 3. 开源策略： DeepSeek 选择走全球开源社区路线，分享模型、研究方法和成果，吸引反馈并迭代优化。开源包括模型权重、数据集、预训练方法和高质量论文等。 需要注意的是，目前提供的内容中未直接提及 DeepSeek 与大健康落地的具体关联，您可以根据以上 DeepSeek 的相关特点和技术，结合大健康领域的需求和场景，进一步探索落地的可能性。
2025-02-06
low cost of Deepseek AI
关于 DeepSeek AI 的低成本相关信息如下： 在设计思路方面，将 Agent 封装成 Prompt 并储存在文件，以保证最低成本的人人可用，同时减轻调试负担。通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能，在模型默认能力基础上优化输出质量，增加可读性，并设计了阈值系统，用 XML 进行规范设定。 存在对 DeepSeek 的“低成本”AI 的批评声音，如被讽刺为空洞的营销噱头，无法与国际大作相比，甚至被用洋垃圾作比喻，被指“崇洋媚外”。
2025-02-06
deepseek
DeepSeek 是一家成立于 2023 年，总部位于中国杭州，专注于人工智能基础技术研究的科技公司。其致力于探索 AGI（通用人工智能）的实现路径，定位为聚焦大模型研发与应用，提供高效、安全、可控的 AI 技术解决方案。 将 DeepSeek 比喻成“AI 界的拼多多”是偏颇的，认为其秘方是多快好省也不全面。早在 2024 年 5 月 DeepSeekV2 发布时，它就以多头潜在注意力机制（MLA）架构的创新在硅谷引发小范围轰动，V2 的论文引发了 AI 研究界的广泛分享和讨论。当时在国内舆论场，DeepSeek 被描摹成“大模型价格战的发起者”。 如果 V3 是 DeepSeek 的 GPT3 时刻，接下来会怎样没人知道，但有意思的事还在后头。DeepSeek 应会为全人类的人工智能事业做出更大贡献，且已是中国最全球化的 AI 公司之一，其赢得尊重的秘方是硅谷味儿的。 使用地址：https://chat.deepseek.com/（有手机客户端） 模型下载地址：https://github.com/deepseekai/DeepSeekLLM?tab=readmeovfile API 文档地址：https://apidocs.deepseek.com/zhcn/ DeepSeek 的提示词使用方法比较长，单独列了一篇
2025-02-06
我想要搭建一个能够帮我阅读并总结提炼，同时能在我提出问题时，随时在我给他提供的知识库中检索的AI Agent，如何用Coze搭建？
搭建能够阅读、总结提炼并在给定知识库中检索的 AI Agent 可以使用 Coze 按照以下步骤进行： 1. 规划 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 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 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。 关于一些其他问题： 1. 如何判断自己的任务/Prompt 是否需要拆解为工作流？ 构建稳定可用的 AI Agent 是一个需要不断调试和迭代的过程。通常先从当前性能最强的 LLM（如 ChatGPT4 和 Claude 3.5 sonnet）着手，先用单条 Prompt 或 Prompt Chain 来测试任务的执行质量和稳定性。然后，根据实际执行情况、最终投产使用的 LLM，逐步拆解子任务，降低 LLM 执行单任务的难度，直到达成工程目标。一般对于场景多样、结构复杂、对输出格式要求严格的内容，基本可以预见到需要将其拆解为工作流。此外，如果涉及生成多媒体内容或从网络自主获取额外信息等能力，必然需要通过工作流来调用相应的插件。 2. 只用了一段 Prompt 的 Agent，还算 AI Agent 吗？ 算。详见
2025-02-06
好的，告诉我知识库有些什么知识
以下是关于知识库的相关知识： 知识表示和专家系统：专家系统是符号人工智能的早期成就之一，它基于从人类专家提取的知识库，并包含推理引擎。专家系统像人类推理系统一样包含短期记忆和长期记忆，以知识为基础的系统分为问题记忆（包含与当前问题有关的静态知识）、知识库（代表问题领域的长期知识）、推理引擎（协调问题状态空间的搜索过程）。例如，有根据动物物理特征判断动物的专家系统，其规则左侧的条件和操作本质上是对象属性值三元组。 银海有话说：“通往 AGI 之路”是由开发者、学者和有志人士等参与的学习社区和开源的 AI 知识库，在这里大家既是知识的消费者也是创作者。这个知识库以“无弯路，全速前进”为目标，其成长得益于大家的支持，它不仅是知识库，还是连接学习者、实践者和创新者的社区。 知识库起飞指南：可以把知识库想象成 24 小时在线的 AI 老师、永不嫌烦的知识管家、不断成长的智慧宝库。里面藏着 AI 工具的“傻瓜式说明书”、大神们的“踩坑经验分享”、实用的“一招制胜”秘籍。开启宝藏的第一步是点击飞书链接，知识库的界面左边导航栏是指南针，上面搜索框是探宝雷达，中间内容区是知识的海洋。里面具体有什么可以参考文章。
2025-02-06
coze平台的bot是否能接入飞书的文档做为知识库使用
Coze 平台的 bot 能接入飞书的文档作为知识库使用。具体情况如下： 创建知识库时可使用手动清洗数据，也可参考自动清洗数据的相关课程。手动清洗数据能提高数据准确性。 在线知识库：点击创建知识库，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，可选择飞书文档、自定义等进行操作，还能编辑修改和删除，添加 Bot 后可在调试区测试效果。 本地文档：注意拆分内容以提高训练数据准确度，比如对于画小二课程，要按章节进行人工标注和处理，然后选择创建知识库自定义清洗数据。 发布应用：点击发布，确保在 Bot 商店中能够搜到。 Coze 的知识库功能支持上传和存储外部知识内容，包括从本地文档、在线数据、Notion、飞书文档等渠道上传文本和表格数据，并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不足的情况，提升回复准确性。 当 Coze 接入飞书后，能将 AI 技术集成到个人的生产力体系中，用户可将自己的知识数据上传构建个人知识库，开发 bot 并部署到个人订阅号上与粉丝互动。
2025-02-06
如何用AI搭建个人和企业知识库
以下是关于如何用 AI 搭建个人和企业知识库的相关内容： 一、使用飞书搭建 可以参考。读完相关文章，您将收获： 1. AI 时代的知识库的概念、实现原理以及能力边界。 2. 通往 AGI 之路大群中通过对话就能获取知识库中资料的原理。 3. 更好地使用 Coze 等 AI Agent 平台中的知识库组件，打造更加强大的智能体。 另外，作者正在规划一个关于 AI 时代您应该具备的编程基础系列，包括数据库、知识库、变量、JSON、API、操作系统与服务器、Docker 等内容。 二、本地部署大模型以及搭建个人知识库 1. 若要对知识库进行更灵活的掌控，需要额外的软件 AnythingLLM，其包含了所有 Open WebUI 的能力，并额外支持选择文本嵌入模型和向量数据库。 2. 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： 第一步：选择大模型。 第二步：选择文本嵌入模型。 第三步：选择向量数据库。 3. 在 AnythingLLM 中有 Workspace 的概念，可以创建自己独有的 Workspace 跟其他项目数据进行隔离。具体操作包括： 首先创建一个工作空间。 上传文档并且在工作空间中进行文本嵌入。 选择对话模式，提供了 Chat 模式（大模型会根据自己的训练数据和上传的文档数据综合给出答案）和 Query 模式（大模型仅仅会依靠文档中的数据给出答案）。 完成上述配置后，即可跟大模型进行对话。 三、AI 时代的知识管理体系构建案例 1. 一条书摘：在读书（万维钢的新书《拐点》）时，看到一段有触动但保持批判性思考和怀疑的文本，提到如果足够强势，当前 AI 对人的作用有三个：信息杠杆、发现自己真正想要的、帮助形成自己的观点和决策。 2. 一个笔记：将上述书摘整理归纳，标记重点，打赏标签，放入笔记系统，准备展开深度思考和实践。 3. 对笔记的思考和实践：基于笔记中提到的 AI 对人的三种最终的赋能模式，以自己深度思考的问题为例，践行这套方法论，体会何谓“信息杠杆”可以令你的“思维换挡”，感受如何“让自己发现究竟想要什么”。 4. 生长出的自己的观点和内容：基于上述实践，生成“自己的观点和决策”。 5. 教授和分享：基于“自己的观点和决策”，打造成体系化的内容产品，实现价值。 总结：通过一个碎片化知识在左侧知识库中的“点、线、面、体”式的流转，从一个书摘变成一个体系化内容或课程，把“别人说的话”变成“我自己的智慧”。希望大家都能利用 AI 高效地把自己的知识管理体系搭建起来，运用起来。
2025-02-06
我是科研人员，有什么方法能构建自己专业领域的知识库吗？请给出详细的操作步骤，并说明需要什么样的软硬件设备？预算多少？
构建自己专业领域的知识库可以按照以下步骤进行： 步骤一：明确知识库的目标和范围 首先，确定您想要涵盖的专业领域的具体范围和知识库的主要目标，例如是为了内部研究使用、对外分享知识还是其他特定用途。 步骤二：收集和整理资料 收集相关的文献、研究报告、实验数据、案例等各种资料，并对其进行分类和整理。 步骤三：选择合适的技术架构 1. 考虑使用数据库管理系统，如 MySQL、Oracle 等。 2. 或者采用知识图谱技术来构建更直观的知识关系。 步骤四：确定软硬件设备 1. 硬件方面，需要一台性能较好的计算机，具备足够的内存和存储空间。预算大约在 5000 10000 元，具体取决于配置要求。 2. 软件方面，需要操作系统（如 Windows 或 Linux）、数据库管理软件、文本编辑工具等。 步骤五：设计知识库的结构 规划好知识的分类体系、标签系统和索引方式，以便于快速检索和查找。 步骤六：数据录入和维护 将整理好的资料录入到知识库中，并定期更新和维护，确保知识的准确性和时效性。 步骤七：测试和优化 在初步构建完成后，进行测试，检查检索功能是否正常，知识的展示是否清晰，并根据测试结果进行优化。 需要注意的是，实际的预算和设备需求可能会因具体情况而有所不同，您可以根据自己的需求和资源进行调整。
2025-02-06
支持图文检索的知识库应用是哪些
以下是一些支持图文检索的知识库应用： FastGPT：这是一个基于大语言模型（LLM）的知识库问答系统，具有以下特点： 采用先进的 LLM 技术，能理解自然语言并生成高质量答案。 可以连接到外部知识库获取更全面信息。 提供可视化工作流编排工具，方便创建复杂问答场景。 提供开箱即用的数据处理和模型调用功能。 应用场景包括客服问答、知识库搜索、文档生成、数据分析等。 阿里云百炼： 多模态支持，可处理图像、音频和视频等多模态数据。 对话性增强，能处理更复杂的多轮问答。 具有自适应检索策略，能根据上下文和任务需求自动决定检索操作。 能够融合外部知识与内部知识生成更精准回答。 模块化 RAG 形式提供更高定制性和灵活性。 当智能体应用关联结构化知识库时，支持在提问时上传图片，若存在图片索引，系统会将输入图片转为向量并检索相关记录。构建图片索引需新建结构化数据表时将图片索引所在列的字段类型设置为 link，创建结构化知识库时对需要建立图片索引的 link 类型字段在下拉列表中选择图片。
2025-02-06
如何搭建一个知识库自动检索的功能
搭建知识库自动检索功能主要包括以下步骤： 1. 文本预处理：去除无关字符、标准化文本（如转换为小写）、分词等，以清洁和准备文本数据。 2. 嵌入表示：将预处理后的文本（词或短语）转换为向量，通常通过使用预训练的嵌入模型如 Word2Vec、GloVe、BERT 等完成。 3. 特征提取：对于整个问题句子，应用进一步的特征提取技术，如句子级别的嵌入，或使用深度学习模型（如 BERT）直接提取整个句子的表示，以捕捉句子的上下文信息。 4. 向量优化：在某些情况下，问题的向量表示可能会根据具体任务进行优化，例如通过调整模型参数来更好地与检索系统的其他部分协同工作。 在知识库检索阶段： 1. 文档向量化：将知识库转化为一个巨大的向量库。在大模型的检索中，依靠问题在空间中的向量位置，去寻找距离这个向量最近的其他词句，然后完成检索。 2. 配置知识库： 上传文件：在百炼控制台的中的非结构化数据页签中点击导入数据，根据引导上传相关文档。 建立索引：进入，根据引导创建新的知识库，并选择上传的文件，其他参数保持默认。选择向量存储类型时，如果希望集中存储、灵活管理多个应用的向量数据，可选择 ADBPG。 引用知识：完成知识库的创建后，返回进入到创建的应用设置界面，打开知识检索增强开关、选择目标知识库，测试验证符合预期后点击发布。Prompt 中会被自动添加一段信息，以便大模型在后续回答时参考检索出来的信息。 此外，因为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 应用可抽象为 5 个过程：文档加载（从多种不同来源加载文档）、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）。文本加载器则是将用户提供的文本加载到内存中，便于进行后续的处理。
2025-01-26
向量检索在大语言模型中的应用主要是为了解决什么问题
向量检索在大语言模型中的应用主要是为了解决以下问题： 1. 由于大模型的输入窗口有限，通过文本分割器将文档分割成较小的对象，方便后续的检索和生成，在较短的文本中更容易找到相关信息。 2. 利用文本嵌入器将文本转换为高维向量，通过衡量文本之间的相似度实现检索功能。 3. 借助向量存储器存储和查询嵌入，通常使用索引技术如 Faiss 或 Annoy 加速嵌入的检索。 4. 检索器根据文本查询返回相关的文档对象，常见的实现如向量存储器检索器使用向量存储器的相似度搜索功能进行检索。
2024-12-05
如何根据文本内容从在线图片库、本地图片库中精准检索出与其文本内容相对应的图片？有没有对应的工作流推荐？
以下是根据文本内容为您整理的从在线图片库、本地图片库中精准检索对应图片的方法和工作流推荐： 在线图片库检索： 利用公众号搜索同行的封面图。例如，在微信中搜一搜相关关键词，如“Claude”，查看文章中的封面图。若正文里没有封面图，可使用壹伴浏览器插件的“查看封面”按钮（需会员），或者使用秘塔 AI 搜索工具，输入文章链接获取封面。工具链接：https://www.mgpaiban.com/tool/wxfm.html 。 本地图片库检索： 对于一些特定的设计工具，如星流一站式 AI 设计工具，其左侧图片案例板块具有图像筛选功能，包括根据正常生图参数进行推荐、推荐热门图片以及输入需求描述进行搜索。同时，还可以通过点击“发送到画布”将图像发送到“无限画布”中，或者进行生图参数的整体或单个调取。 在图像检索过程中，还涉及到一些其他相关操作，如视频理解模型测试、图像风格化转换、OCR 识别、图片分享工作流、智能抠图、画板操作与背景添加、品牌 LOGO 添加与自适应调整、图像流与工作流结合，以及在图像与文本处理工作中的调试与优化，包括获取文本信息与调整提示词、处理图像流与添加参数、解决排版与发布中的问题等。
2024-11-29
clip模型能应用与跨模态检索
CLIP 模型能应用于跨模态检索。以下是关于 CLIP 模型的一些详细信息： 对比语言图像预训练（CLIP）通过将图像和文本转换成固定大小的向量，使它们在一个共同的嵌入空间中对齐来训练模型，对于多模态信息检索和相关任务非常重要。 在 Stable Diffusion 中，CLIP 模型作为文生图模型的文本编码模块，决定了语义信息的优良程度，影响图片生成的多样性和可控性。它包含 Text Encoder 和 Image Encoder 两个模型，分别用于提取文本和图像的特征，可灵活切换，且具有强大的 zeroshot 分类能力。其庞大的图片与标签文本数据的预训练赋予了其强大的能力，把自然语言领域的抽象概念带到了计算机视觉领域。 自 2021 年以来，多模态模型成为热门议题，CLIP 作为开创性的视觉语言模型，将 Transformer 架构与视觉元素相结合，便于在大量文本和图像数据集上进行训练，可在多模态生成框架内充当图像编码器。 为解决 CLIP 模型在仅文本任务中表现不如专门用于文本的模型，导致信息检索系统处理仅文本和多模态任务时效率低下的问题，已提出新颖的多任务对比训练方法训练相关模型，使其在文本图像和文本文本检索任务中达到最先进性能。
2024-10-31