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

知识库框架

Answer

以下是关于知识库框架的相关内容：

智能体的目标和框架：

  • 智能体的交互能力：包括大模型本身的交互能力、多 Agent 的灵活性、workflow 的妙用（如引导用户输入车辆信息便于大模型理解和分析）以及上下文说明。
  • 智能体的知识体量：涵盖豆包大模型本身的行业数据和语料库、知识库（包括结构化数据与非结构化数据），以及创建知识库的步骤和参赛用知识库，还涉及大模型 RAG 检索、大模型的选择和参数设定以及新模型的调用方法。
  • 智能体的记忆能力：包含变量、数据库和信息记录。

知识： 外置知识是由外部数据库提供，能动态更新和调整。涉及多种数据存储和组织方式，如向量数据库（常用于处理和索引非结构化数据）、关系型数据库（适用于事务性数据存储）、知识图谱（适合复杂语义分析和知识推理）。在实际应用中，外置知识的集成和管理常采用 RAG 架构，能结合检索和生成，增强模型生成能力，实时检索和整合最新外部信息。

陈财猫团队的提示词相关知识库文章索引：

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

References

汽车栏目主持人（零壹老师）智能体经验分享

大模型本身的交互能力多Agent的灵活性workflow的妙用——“问”字诀，引导用户输入车辆信息，便于大模型理解和分析上下文说明[heading4]3.2智能体的知识体量[content]豆包大模型本身的行业数据和语料库知识库——结构化数据与非结构化数据创建知识库(结构化数据)[table_3.xlsx](https://bytedance.feishu.cn/space/api/box/stream/download/all/NCOXbqWvYosCEYxkMN6c4lqOnZf?allow_redirect=1)步骤一步骤二步骤三步骤四步骤五处理完成参赛用知识库：大模型RAG检索大模型的选择和参数设定新模型的调用方法https://console.volcengine.com/ark/region:ark+cn-beijing/model?projectName=undefined&vendor=Bytedance&view=LIST_VIEW[heading4]3.3智能体的记忆能力[content]变量数据库信息记录

AI Agent系列(二)：Brain模块探究

第二种知识类型是外置知识，它由外部数据库提供，与内置知识相比，其特点是能够进行动态更新和调整。当我们深入探讨外置知识时，通常会涉及到多种数据存储和组织方式，包括向量数据库、关系型数据库，以及知识图谱。这些数据库和图谱构成了智能体的知识库，它们可以是：向量数据库：优化了向量检索操作，常用于处理和索引非结构化数据，如图像和文本。关系型数据库：通过表格形式存储结构化数据，支持复杂的查询，适用于事务性数据存储。知识图谱：以图的形式组织数据，强调实体之间的关系，适合于复杂的语义分析和知识推理。在实际应用中，外置知识的集成和管理常常采用RAG（Retrieval-Augmented Generation）架构。RAG架构是一种结合了检索（Retrieval）和生成（Generation）的模型，它通过检索外部知识源来增强模型的生成能力。这种架构允许智能体在生成响应或执行任务时，不仅依赖于内置知识，还能够实时地检索和整合最新的外部信息。

陈财猫团队-提示词

[陈财猫：BORE框架的产生过程，一个自动驾驶产品经理的ChatGPT方法论](https://waytoagi.feishu.cn/wiki/TLdHwb9WqiXQOlkINftc4wepnBc)[陈财猫：如何用AI写出比人更好的文字？](https://waytoagi.feishu.cn/wiki/UXnQwZgaviJ3SGkJkQXcSkiInnd)[陈财猫：可操作，可重复的GPT使用框架“BROKE”](https://waytoagi.feishu.cn/wiki/HIizwFasOiUcDmklRF2cVWuunac)[陈财猫：如何用GPT写长篇科幻？用分治法完成复杂任务](https://waytoagi.feishu.cn/wiki/GY3sw4LQli5k9ckzrDZcRnVmnQf)[陈财猫：推荐书单--了解各个领域的知识，并在恰当的时候调用它们](https://waytoagi.feishu.cn/wiki/YcHfwzWZZiQ9kjksVRwc9m6JnYf)[陈财猫:由GPT驱动的人生重开模拟器游戏，体验无穷变化的多重人生(已开源)](https://waytoagi.feishu.cn/wiki/WyJSwjvN5iZudhkd8iocrSy3njc)[陈财猫：Prompt-Top100 GPTs提示精灵小富贵](https://waytoagi.feishu.cn/wiki/Sv7uwNcjki40qYkSyfMcUI4tn2e)

Others are asking
现在有哪些个人知识库软件可以用，请推荐。
以下是为您推荐的个人知识库软件： 1. Coze：如果您想使用专门搭建个人知识库的软件，可以参考文章，忽略本地部署大模型环节，直接看其中推荐的软件。但使用该软件可能需要对接一些额外的 API，建议先了解 RAG 的原理再使用。 2. AnythingLLM：包含所有 Open WebUI 的能力，并且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，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，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 模式和 Query 模式），配置完成后即可进行对话测试。 此外，还有通过 GPT 打造个人知识库的方法，比如将文本转换成向量节省空间，拆分成小文本块并通过 embeddings API 转换成 embeddings 向量，在向量储存库中保存这些向量和文本块作为问答的知识库。当用户提问时，将问题转换成向量与库中向量比对，提取关联度高的文本块与问题组合成新的 prompt 发送给 GPT API 。
2025-02-19
waytoagi的知识库基于哪个LLM创建的
目前没有明确的信息表明 waytoagi 的知识库基于哪个 LLM 创建。但以下信息可能对您有所帮助： AnythingLLM 包含了所有 Open WebUI 的能力，并且额外支持选择文本嵌入模型、选择向量数据库等。安装地址为：https://useanything.com/download 。安装完成后配置主要分为三步，包括选择大模型、选择文本嵌入模型、选择向量数据库。AnythingLLM 中有 Workspace 的概念，可创建自己独有的 Workspace 跟其他项目数据进行隔离，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 模式和 Query 模式）等。 GitHubDaily 开源项目列表中提到了 AnythingLLM，它是一个可打造成企业内部知识库的私人专属 GPT，可以将任何文档、资源或内容转换为大语言模型（LLM）知识库。
2025-02-19
用飞书搭建知识库并进行AI问答
以下是关于用飞书搭建知识库并进行 AI 问答的相关内容： 知识库问答是机器人的基础功能，可根据用户问题从知识库中找到最佳答案，这利用了大模型的 RAG 机制。RAG 机制全称为“检索增强生成”（RetrievalAugmented Generation），是一种用于自然语言处理的技术，结合了检索和生成两种主要的人工智能技术，以提高机器对话和信息处理的能力。 简单来说，RAG 机制先从大型数据集中检索与问题相关的信息，然后利用这些信息生成更准确、相关的回答。可以想象成当问复杂问题时，RAG 机制先在巨大图书馆里找相关书籍，再基于这些书籍信息给出详细回答。这种方法结合大量背景信息和先进语言模型能力，使生成内容更精确，提升对话 AI 的理解力和回答质量。 基于 RAG 机制实现知识库问答功能，首先要创建包含大量社区 AI 相关文章和资料的知识库，比如创建有关 AI 启蒙和信息来源的知识库，通过手工录入方式上传栏目所有文章内容，陆续将社区其他板块文章和资料导入。在设计 Bot 时，添加知识库，并设置合适的搜索策略、最大召回数量和最小匹配度，以更好地利用知识库返回内容结合回答。 另外，全程白嫖拥有一个 AI 大模型的微信助手的搭建步骤如下： 1. 搭建，用于汇聚整合多种大模型接口，方便后续更换使用各种大模型，并获取白嫖大模型接口的方法。 2. 搭建，这是个知识库问答系统，放入知识文件，接入上面的大模型作为分析知识库的大脑来回答问题。若不想接入微信，搭建到此即可使用，它有问答界面。 3. 搭建，其中的 cow 插件能进行文件总结、MJ 绘画。
2025-02-19
有哪些比较好的AI知识库学习网站
以下是一些比较好的 AI 知识库学习网站及相关学习建议： 通往 AGI 之路知识库： 提供了全面系统的 AI 学习路径，帮助您了解从 AI 常见名词到 AI 应用等各方面知识。 包含关于 AI 知识库使用及 AIPO 活动的介绍、AIPO 线下活动及 AI 相关探讨、way to AGI 社区活动与知识库介绍等内容。 信息来源有赛博蝉星公众号、国外优质博主的 blog 或 Twitter 等，推荐大家订阅获取最新信息并投稿。 有社区共创项目，如 AIPU、CONFIUI 生态大会，每月有切磋大会等活动，还发起了新活动 AIPO。 学习路径方面，有李弘毅老师的生成式 AI 导论等高质量学习内容，可系统化学习或通过社区共创活动反推学习，鼓励整理学习笔记并分享交流。 有经典必读文章，如介绍 GPT 运作原理、Transformer 模型、扩散模型等的文章，还包括软件 2.0 时代相关内容。 初学者入门推荐看 open AI 的官方 Cookbook，小琪姐做了中文精读翻译，也可查看 cloud 的相关内容。 有历史脉络类资料，整理了 open AI 的发展时间线和万字长文回顾等。 网站：ytoAGI.com 相关渠道：公众号“通往 AGI 之路”、 在线教育平台：如 Coursera、edX、Udacity 等，上面有一系列为初学者设计的课程，您可以按照自己的节奏学习，并有机会获得证书。 对于新手学习 AI，建议： 了解 AI 基本概念：阅读「」部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（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。 开始 AI 学习之旅：在「」中，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。 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），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。 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。 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。
2025-02-18
有什么提升 RAG 知识库问答的好的 prompt
以下是一些提升 RAG 知识库问答的好的 prompt 相关内容： RAG 在 Natural Questions、WebQuestions 和 CuratedTrec 等基准测试中表现出色，在使用 MSMARCO 和 Jeopardy 问题进行测试时，生成的答案更符合事实、具体且多样，FEVER 事实验证使用 RAG 后也有更好结果，说明 RAG 是可行方案，能增强知识密集型任务中语言模型的输出，基于检索器的方法常与 ChatGPT 等流行 LLM 结合提高能力和事实一致性，可在 LangChain 文档中找到相关例子。 RAG 能显著提高大模型在处理私域知识或垂直领域问答时的效果。其流程包括：上传文档（支持多种格式，会转换为 Markdown 格式）、文本切割、文本向量化（存入向量数据库）、问句向量化、语义检索匹配（匹配出与问句向量最相似的 top k 个）、提交 Prompt 至 LLM、生成回答返回给用户。RAG 研究范式分为基础 RAG、高级 RAG 和模块化 RAG。 高级 RAG 特点：支持多模态数据处理，增强对话性，具备自适应检索策略，能进行知识融合，扩展了基础 RAG 功能，解决复杂任务局限，在广泛应用中表现出色，推动自然语言处理和人工智能发展。 模块化 RAG 侧重于提供更高定制性和灵活性，将系统拆分成多个独立模块或组件，每个组件负责特定功能，便于根据不同需求灵活组合和定制。
2025-02-18
怎么做一个知识库智能问答机器人？
要做一个知识库智能问答机器人，主要基于大模型的 RAG 机制，具体步骤如下： 1. 理解 RAG 机制：RAG 机制全称为“检索增强生成”（RetrievalAugmented Generation），是一种用于自然语言处理的技术，结合了检索和生成两种主要的人工智能技术，以提高机器对话和信息处理的能力。它先从大型数据集中检索与问题相关的信息，然后利用这些信息生成更准确、相关的回答。可以想象成在巨大图书馆里找相关书籍，再基于书籍信息给出详细回答，这种方法结合大量背景信息和先进语言模型能力，使生成内容更精确，提升对话 AI 的理解力和回答质量。 2. 创建知识库：创建包含大量社区 AI 相关文章和资料的知识库，例如创建有关 AI 启蒙和信息来源的知识库，通过手工录入方式上传文章内容，并陆续将社区其他板块的文章和资料导入。 3. 设计 Bot：在设计中添加知识库，并设置合适的搜索策略、最大召回数量和最小匹配度，尽可能利用好知识库返回的内容进行结合回答。 此外，在飞书中，还可以利用飞书智能伙伴创建平台（Aily）来搭建 FAQ 机器人，它是飞书团队旗下的企业级 AI 应用开发平台，能为企业提供简单、安全且高效的环境，帮助轻松构建和发布 AI 应用。
2025-02-18
提示词框架是什么意思
提示词框架是为构建有效提示词提供的一种高度概括和结构化的方法，可看作是构建提示词的方法论或“元结构”。 目前，提示词工程师已发展出多种提示词框架，例如： ICIP 框架：包括指令（Instruction，必须）、背景信息（Context，选填）、输入数据（Input Data，选填）和输出指示器（Output Indicator，选填）四个部分。 BROKE 框架：着重于背景（Background）、角色定义（Role）、目标设定（Objectives）、关键成果展示（Key Result）以及持续的试验与优化（Evolve）五个方面。 CRISPE 框架：分为上下文（Context）、角色（Role）、说明（Instruction）、主题（Subject）、预设（Preset）和例外（Exception）六个部分。 此外，还有一些标识符和属性词用于标识标题、变量、控制内容层级和标识语义结构。结构化提示词框架在行业内应用广泛且成熟度较高，您可以在很多平台看到优秀的案例。如果您对结构化提示词的理论感兴趣，还可以阅读李继刚和云中江树的相关详细理论原文。
2025-02-19
类似于ollama和vllm这样的LLM 框架有哪些
以下是类似于 ollama 和 vllm 的 LLM 框架： 1. Encoderonly 框架（也叫 AutoEncoder），典型代表如 BERT 等。 2. Encoderdecoder 框架，典型代表如 T5 和 GLM 等。 3. Decoderonly 框架（也叫 AutoRegressive），典型代表如 GPT 系列、LLaMa、PaLM 等。 此外，还有一些在 LLM 应用中发挥重要作用的框架，如： 1. LangChain：是当前大模型应用开发的主流框架之一，提供了一系列工具和接口，其核心在于“链”概念，包括 Model I/O、Retrieval、Chains、Agents、Memory 和 Callbacks 等组件，生态系统还包括 LangSmith、LangGraph 和 LangServe 等工具。 2. LlamaIndex：在促进 LLM 和整合上下文数据方面表现出色，抽象出许多提示链的细节，与外部 API 的接口，从向量数据库检索上下文数据，并在多个 LLM 调用中维持内存。
2025-02-17
12个精选prompt框架
以下是 12 个精选的 prompt 框架： 1. ICIO 框架： 指令：执行的具体任务。 背景信息：提供执行任务的背景信息、上下文内容，让大模型更好地回答。 输入信息：大模型需要用到的一些信息。 输出信息：明确输出的具体信息的要求，比如字数、风格、格式。 2. BROKE 框架：通过 GPT 的设计提示，来提升整体反馈的效率。 背景：提供足够背景信息，让大模型可以理解问题的上下文。 角色设定：特定的角色，让 GPT 根据特定的角色能力的特点来形成响应。 目标：明确任务的目标，让大模型知道您想让它做什么。 结果定义：明确可以衡量的结果，让大模型清楚自己做的情况。 调整：根据具体的情况，来调整具体的结果。 3. CRISPIE 框架： 能力和角色：您期望大模型扮演的角色洞察，提供幕后洞察力、背景信息和上下文。 声明：简洁明了地说明希望完成的任务。 个性：回应的风格、个性或者方式。 实验：提供多个回答的示例。 4. 课件中的 Prompt 之术“三板斧”： 分配角色。 给出示例（fewshots）。 思维链（ChainofThought）。
2025-02-17
移动端自动化测试框架
很抱歉，目前知识库中没有关于移动端自动化测试框架的相关内容。但一般来说，常见的移动端自动化测试框架有 Appium、Espresso、XCUITest 等。Appium 支持多种移动平台和编程语言；Espresso 是 Android 平台的专用框架，具有高效和稳定的特点；XCUITest 则是用于 iOS 平台的测试框架。您可以根据您的具体需求和项目情况选择适合的框架。
2025-02-15
ai开发框架
以下是关于 AI 开发框架的相关信息： 1. AI 架构与技术选型的 4 条原则： 选主流框架：优先选择语料多、生成质量好的语言和框架。 测试覆盖率：用 AI 辅助生成测试代码，确保代码质量。 避免私有框架：尽量使用流行框架生成独立模块代码。 模块化设计：降低耦合度，方便 AI 快速开发和维护。参考链接： 2. OpenAI 相关： o1 API 正式版：速度更快，成本降低 60%，支持视觉识别、函数调用、结构化输出等功能。 语音交互升级：引入 WebRTC 支持，12 行代码即可实现实时语音交互，音频处理费用降低 60%。 偏好微调功能：让 AI 回答更具个性化，企业 AI 准确率提升显著。 新增 Go 和 Java 工具包，简化 API 密钥申请流程。参考链接： 3. 基于 Marscode 的 AI 新闻聚合器 MVP 开发实战： 项目架构主要分为三个模块：数据采集模块负责抓取新闻、AI 处理模块使用大模型处理新闻、Web 展示模块基于 gradio 构建界面。 LangChain 是强大的 AI 应用开发框架，特点包括提供统一接口调用各种大语言模型、支持记忆功能保持对话上下文、内置多种提示词模板方便构建复杂 AI 交互、支持知识库集成让 AI 基于特定领域知识回答。 Gradio 是用于快速构建机器学习应用界面的 Python 库，优势在于只需几行代码就能创建漂亮 Web 界面、支持多种输入输出类型、内置分享功能可一键生成公开链接、完全基于 Python 对开发者友好。 4. Dify： 是开源的大模型应用开发平台，通过结合后端即服务和 LLMOps 理念，为用户提供直观界面快速构建和部署生产级别的生成式 AI 应用。 具备强大工作流构建工具，支持广泛模型集成，提供功能丰富的提示词 IDE 以及全面的 RAG Pipeline 用于文档处理和检索。 允许用户定义 Agent 智能体，并通过 LLMOps 功能对应用程序性能进行持续监控和优化。 提供云服务和本地部署选项，满足不同用户需求，通过开源特性确保对数据完全控制和快速产品迭代。 一般地，如果是个人研究，推荐单独使用 Dify，如果是企业级落地项目推荐使用多种框架结合，效果更好。参考链接：Dify 官方手册：https://docs.dify.ai/v/zhhans
2025-02-15
目前我有个数据源头，可能是excle或mysql数据库。他们都含义以下字段： 发货日期 物料编号 物料描述 板块 实际已交货量 销售单位 金额(RMB) 金额(不含税RMB) 国家 品牌； 我需要创建一个智能体助手，用于分析这些数据，这个智能通助手需要能按用户需要，分析各个维度的数据，并按板块等维度汇总，并转为柱状图图表表现出现，并表现用户所有日期的近一周的变化，并阐明变化或波动是由哪些数据导致的？ 结合以上需求，我需要在飞书上构建一个企业每日利润表分析与汇报助手，该选定哪种prompt框架
很抱歉，目前飞书知识库中没有关于您所描述的这种特定需求下应选定哪种 prompt 框架的相关内容。但一般来说，构建这样的企业每日利润表分析与汇报助手的 prompt 框架可以考虑以下几个方面： 1. 明确数据来源和格式：清晰描述数据来自 Excel 或 MySQL 数据库，以及包含的具体字段。 2. 定义分析维度和指标：如按板块、国家等维度汇总数据，关注利润相关的指标。 3. 设定时间范围：明确分析近一周的数据变化。 4. 描述图表要求：指定以柱状图展示数据。 5. 解释变化原因：阐明导致数据变化或波动的关键因素。 您可以根据实际情况进一步细化和完善这个框架。
2025-02-15