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

ollama是什么，使用场景有什么

Answer

Ollama 是一个开源的框架，旨在简化在本地运行大型语言模型（LLM）的过程。

它具有以下特点和优势：

  1. 支持多种大型语言模型：包括通义千问、Llama 2、Mistral 和 Gemma 等，适用于不同应用场景。
  2. 易于使用：适用于 macOS、Windows 和 Linux 系统，支持 CPU 和 GPU，能让用户轻松在本地环境中启动和运行大模型。
  3. 模型库：提供丰富的模型库，用户可从中下载不同参数和大小的模型以满足不同需求和硬件条件，通过 https://ollama.com/library 查找。
  4. 自定义模型：用户能通过简单步骤自定义模型，如修改温度参数调整创造性和连贯性，或设置特定系统消息。
  5. API 和集成：提供 REST API 用于运行和管理模型，以及与其他应用程序的集成选项。
  6. 社区贡献丰富：包括多种集成插件和界面，如 Web 和桌面应用、Telegram 机器人、Obsidian 插件等。

总的来说，Ollama 是一个高效、功能齐全的大模型服务工具，不仅适用于自然语言处理研究和产品开发，也适合初学者或非技术人员使用，特别是那些希望在本地与大型语言模型交互的用户。

其使用场景包括但不限于：

  1. 自然语言处理研究。
  2. 产品开发。

安装方法：官方下载地址为 https://ollama.com/download 。安装完成后，在 macOS 上启动 ollama 应用程序，在 Linux 上通过 ollama serve 启动，可通过 ollama list 确认是否安装成功。运行大模型时，在命令行中输入相应命令即可，模型会自动下载到本地。在 Python 程序中使用时，需确保 ollama 服务已开启并下载好模型。

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

References

本地部署资讯问答机器人：Langchain+Ollama+RSSHub 实现 RAG

1.支持多种大型语言模型：Ollama支持包括通义千问、Llama 2、Mistral和Gemma等在内的多种大型语言模型，这些模型可用于不同的应用场景。2.易于使用：Ollama旨在使用户能够轻松地在本地环境中启动和运行大模型，适用于macOS、Windows和Linux系统，同时支持cpu和gpu。3.模型库：Ollama提供了一个模型库，用户可以从中下载不同的模型。这些模型有不同的参数和大小，以满足不同的需求和硬件条件。Ollama支持的模型库可以通过https://ollama.com/library进行查找。4.自定义模型：用户可以通过简单的步骤自定义模型，例如修改模型的温度参数来调整创造性和连贯性，或者设置特定的系统消息。5.API和集成：Ollama还提供了REST API，用于运行和管理模型，以及与其他应用程序的集成选项。6.社区贡献：Ollama社区贡献丰富，包括多种集成插件和界面，如Web和桌面应用、Telegram机器人、Obsidian插件等。7.总的来说，Ollama是一个为了方便用户在本地运行和管理大型语言模型而设计的框架，具有良好的可扩展性和多样的使用场景。后面在捏Bot的过程中需要使用Ollama，我们需要先安装，访问以下链接进行下载安装。https://ollama.com/download/安装完之后，确保ollama后台服务已启动（在mac上启动ollama应用程序即可，在linux上可以通过ollama serve启动）。我们可以通过ollama list进行确认，当我们还没下载模型的时候，正常会显示空：可以通过ollama命令下载模型，目前，我下载了4个模型：几个模型简介如下:

手把手教你本地部署大模型以及搭建个人知识库

Ollama是一个开源的框架，旨在简化在本地运行大型语言模型（LLM）的过程。Ollama作为一个轻量级、可扩展的框架，提供了一个简单的API来创建、运行和管理模型，以及一个预构建模型库，进一步降低了使用门槛。它不仅适用于自然语言处理研究和产品开发，还被设计为适合初学者或非技术人员使用，特别是那些希望在本地与大型语言模型交互的用户总的来说，Ollama是一个高效、功能齐全的大模型服务工具，通过简单的安装指令和一条命令即可在本地运行大模型，极大地推动了大型语言模型的发展和应用[heading2]安装Ollama[content]官方下载地址：https://ollama.com/download当安ollama之后，我们可以通过访问如下链接来判断ollama是否安装成功[heading2]使用Ollama运行本地大模型[content]当安装完成ollama之后，我们就可以在命令行中运行如下命令既可以其中[model name]就是你想运行的本地大模型的名称，如果你不知道应该选择哪个模型，可以通过[model library](https://ollama.com/library)进行查看。这里我们选择llama2大模型：[llama2](https://ollama.com/library/llama2)考虑到我机器的配置以及不同版本的内存要求，我这里选择7b参数的模型当我们运行大模型的时候，ollama会自动帮我们下载大模型到我们本地。

本地部署资讯问答机器人：Langchain+Ollama+RSSHub 实现 RAG

|导入依赖库加载所需的库和模块。其中，feedparse用于解析RSS订阅源ollama用于在python程序中跑大模型，使用前请确保ollama服务已经开启并下载好模型|从订阅源获取内容下面函数用于从指定的RSS订阅url提取内容，这里只是给了一个url，如果需要接收多个url，只要稍微改动即可。然后，通过一个专门的文本拆分器将长文本拆分成较小的块，并附带相关的元数据如标题、发布日期和链接。最终，这些文档被合并成一个列表并返回，可用于进一步的数据处理或信息提取任务。|为文档内容生成向量这里，我们使用文本向量模型bge-m3。https://huggingface.co/BAAI/bge-m3bge-m3是智源研究院发布的新一代通用向量模型，它具有以下特点：支持超过100种语言的语义表示及检索任务，多语言、跨语言能力全面领先（M ulti-Lingual）最高支持8192长度的输入文本，高效实现句子、段落、篇章、文档等不同粒度的检索任务（M ulti-Granularity）同时集成了稠密检索、稀疏检索、多向量检索三大能力，一站式支撑不同语义检索场景（M ulti-Functionality）从hf下载好模型之后，假设放置在某个路径/path/to/bge-m3，通过下面函数，利用FAISS创建一个高效的向量存储。|实现RAG

Others are asking
ollama框架有哪些推荐
Ollama 是一个开源的框架，具有以下特点和功能： 1. 旨在简化在本地运行大型语言模型（LLM）的过程，提供了简单的 API 来创建、运行和管理模型，还有预构建模型库，降低使用门槛，适合初学者或非技术人员使用。 2. 支持多种大型语言模型，如通义千问、Llama 2、Mistral 和 Gemma 等，可用于不同应用场景。 3. 易于使用，适用于 macOS、Windows 和 Linux 系统，同时支持 CPU 和 GPU。 4. 提供模型库，用户可从中下载不同模型，这些模型有不同参数和大小，以满足不同需求和硬件条件。模型库可通过 https://ollama.com/library 查找。 5. 支持用户自定义模型，例如修改模型的温度参数来调整创造性和连贯性，或者设置特定的系统消息。 6. 提供 REST API，用于运行和管理模型，以及与其他应用程序的集成选项。 7. 社区贡献丰富，包括多种集成插件和界面，如 Web 和桌面应用、Telegram 机器人、Obsidian 插件等。 安装 Ollama 可通过官方下载地址 https://ollama.com/download 进行。安装完成后，可通过访问相关链接判断是否安装成功，在命令行中运行相应命令即可使用，如运行本地大模型的命令。还可通过 ollama list 确认模型下载情况。 此外，在 termux 软件中进行相关操作时，需执行如 aptget update、安装 curl 命令、安装 ollama 命令等。启动模型时，以 phi3 模型为例，在 termux 软件中执行命令 ollama run phi3 并等待下载完成。当然，Ollama 还有很多其他模型，如有需要可在 ollama 官网自行查看命令与下载。
2025-03-14
本地部署ollama+deep seek后怎么有效搭机械领域建知识库或微调为机械领域
以下是本地部署 ollama + deep seek 后有效搭建机械领域知识库或微调为机械领域的步骤： 1. 下载 Ollama 程序：官方网址为 https://ollama.com/ 。默认下载到 C 盘，若想修改安装目录到 D 盘，后续会有相关说明。下载完成后，右下角会出现 Ollama 的图标，打开命令行输入相应命令回车。根据自身独立显卡性能选择模型，如英伟达 2060Super 可选择 Deepseekr1:14b 的模型。若下载速度慢，可按 Ctrl+C 强制退出重新下载。下载完毕后，再下载一个嵌入模型，Ollama 的 bge 模型官方网址：https://ollama.com/library/bgem3 ，输入相应命令，下载好后直接退出终端。 2. 配置模型：返回 RAGFlow 中，打开右上角设置，进入模型提供商进行配置。选择 Ollama，并配置相关信息，基础 URL 按要求设置，设置完成后点击确定。 3. 导入嵌入模型：导入一个嵌入模型用于文本向量化。 4. 设置系统模型：完成相关设置。 5. 创建知识库：返回知识库，进入数据集，可导入文件或设置文件夹当作知识库，自行设置。导入完毕后，对文件进行解析，解析速度取决于本机 GPU 性能，越好的显卡解析越快。解析完成后，进行检索测试，测试没问题即可进入聊天界面，助理设置可自行设置。
2025-03-07
请给我找一个安装ollama-deep-researcher的完整教程，用于windows上。
很抱歉，目前没有关于在 Windows 上安装 ollamadeepresearcher 的完整教程。建议您通过以下途径获取相关信息： 1. 官方网站：访问 ollamadeepresearcher 的官方网站，查找针对 Windows 系统的安装指南。 2. 相关技术论坛：在专业的技术论坛上搜索相关主题，可能会有其他用户分享的安装经验和教程。 3. 视频平台：部分视频平台上可能有关于此软件在 Windows 上安装的演示视频。
2025-03-06
如何在电脑上用chatbox框架，使用ollama搭建deepseek模型
在电脑上使用 Chat Box 框架，通过 Ollama 搭建 DeepSeek 模型的步骤如下： 1. 阿里云百炼平台： 百炼平台的模型广场有各种模型，包括音频理解、视频理解等，通义的一些强模型也在其中。 百炼平台无需部署，可直接使用 DeepSeek R1 模型。 DeepSeek R1 模型的价格与各大平台差不多，有大量免费额度，如 100 万 token，不同版本的模型如 7B、14B、32B 等也送了 100 万 token，LLAVA 限时免费。 使用 DeepSeek R1 模型需要解锁和授权，没有授权按钮的需要对阿里云进行实名认证，可通过支付宝扫码或在右上角头像处进行，共学群里有相关指引。 在首页体验模型页面可对比不同模型的效果，如 V3 和 R1，R1 会先思考，速度较快。 多模态可以识别更多输入信息，如读文件、图片等，而 DeepSeek R1 本身不是多模态模型。 通过模型广场的 API 调用示例获取链接，截断后粘贴到 Chat Box 的设置中，添加自定义提供方，设置模型名称为 DeepSeek R1，并获取 API key。 API key 可删除旧的并重新创建，方便本地软件连接。 2. Docker + RAGFlow + Ollama 搭建： 返回 RAGFlow 中，打开右上角设置，进入模型提供商。 选择 Ollama，配置相关信息，模型取决于运行的模型。 配置基础 URL。 导入一个 embedding 模型，用于文本向量化。 设置系统模型设置。 进入数据集，导入文件，可设置文件夹当作知识库。 对文件进行解析，解析速度取决于本机 GPU 性能。 解析好之后，进入检索测试。 测试没问题，可进入聊天界面，助理设置可自行设置。 对于开源模型，如 DeepSeek、Llama 等，可以使用以下方式： 1. Inference Provider：使用 Together AI 等推理服务提供商，在线体验和调用各种开源模型。 2. LM Studio：使用 LM Studio 等本地应用程序，在个人电脑上运行和部署较小的开源模型。
2025-03-03
Ollama
以下是关于 Ollama 的相关信息： 在电脑上运行本地大模型的相对简化模式： 步骤： 1. 打开 Ollama 官网 https://ollama.com，下载应用并安装。 2. 在 Mac 系统搜索 terminal 或终端，点击回车，弹出的简洁框框就是。输入想要运行的大模型（例如：ollama run llama2），并回车。等待下载完成，即可输入内容，和 llama2 愉快交流。 TagTool With Ollama 打标工具： 先去下载并安装 Ollama，然后打开 Powershell 运行相关命令。 Win 编辑 run_win.ps1 文件，Mac 编辑 run_mac.sh 文件，将目录中的图片路径和触发词填写，运行即可。 从 LLM 大语言模型、知识库到微信机器人的全本地部署教程中的 Ollama 部署： 步骤： 1. 点击进入，根据电脑系统，在 https://ollama.com/download 下载 Ollama。 2. 下载完成后，双击打开，点击“Install”。 3. 安装完成后，将下方地址复制进浏览器中。如果出现下方字样，表示安装完成：http://127.0.0.1:11434/ 。 4. 下载 qwen2:0.5b 模型（0.5b 是为了方便测试，下载快，自己设备充足的话，可以下载更大的模型）。 5. 对于 Windows 电脑，点击 win+R，输入 cmd，点击回车；对于 Mac 电脑，按下 Command（⌘）+Space 键打开 Spotlight 搜索，输入“Terminal”或“终端”，然后从搜索结果中选择“终端”应用程序。复制相关命令行，粘贴进入，点击回车。等待下载完成即可。
2025-02-18
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
微调大模型的优势与运用的功能场景是什么？微调具体步骤是？
微调大模型具有以下优势和运用的功能场景： 优势： 提高模型在特定任务中的性能：可以输入更多示例，经过微调的模型在特定任务中表现更好，虽然可能会失去一些通用性。 提高模型效率：实现更低的延迟和更低的成本，可通过专门化模型使用更小的模型，且只对输入输出对进行训练，舍弃示例或指令进一步改善延迟和成本。 功能场景：适用于需要在特定领域（如法律、医学等）获得更优表现的情况。 微调大模型的具体步骤如下： 从参数规模的角度，大模型的微调分成两条技术路线：全量微调（FFT）和参数高效微调（PEFT）。全量微调是对全量的模型参数进行全量的训练，PEFT 则只对部分模型参数进行训练。从成本和效果综合考虑，PEFT 是目前业界较流行的微调方案。 微调是在较小的、特定领域的数据集上继续大模型的训练过程，通过调整模型本身的参数来提高性能。 您可以参考 OpenAI 官方微调教程：https://github.com/openai/openaicookbook/blob/main/examples/How_to_finetune_chat_models.ipynb
2025-03-23
trae安卓应用场景，可以画UI吗
目前不太明确您所说的“trae”是什么。如果您指的是某种特定的 AI 工具或技术，需要更详细准确的信息才能确定其在安卓应用场景中的情况以及是否能用于画 UI 。一般来说，有许多专门用于 UI 设计的 AI 工具和技术，但具体是否适用还需根据其功能和特点来判断。
2025-03-23
根据图片场景和文案信息，自主制作视频的AI工具
以下是一些根据图片场景和文案信息自主制作视频的 AI 工具及相关流程： 一、将小说制作成视频的流程 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。 二、制作“古人骂人”视频的步骤 1. 文案生成 工具：DeepSeek 操作： 打开 DeepSeek 网站：https://chat.deepseek.com/ 输入提示词，示例：“让 XX 用现代口语化的表达、生气骂人的口吻吐槽 XXXX（例如：吐槽现代人），XXX 目的（例如：推广 XXX 吸引游客来旅游），输出 3 条 60 字左右的毒舌文案，每条里面都要有‘回答我！Look in my eyes！Tell me！why？baby！why？’” 可以根据自己的内容自行调整文案和字数要求。 点击生成，等待 DeepSeek 输出 3 条文案。 从中挑选最满意的一条（或多条）保存备用。 2. 准备人物形象图 工具：即梦 AI 操作： 打开即梦 AI 网站：https://jimeng.jianying.com/aitool/image/generate 输入提示词，即梦已经接入了 DeepSeek，可以直接用它来生成绘图提示词 调整生成参数（如风格、细节等），点击生成。 预览生成的人物图，不满意可调整提示词重新生成，直到满意为止。 下载最终的人物形象图。 三、“AI 拍立得” 1. 背景 为简化使用大模型工具时的繁琐流程，提升效率，萌生了“AI 拍立得”的概念，即拍即得，让操作更直观、高效。 2. 在线体验 名称：Pailido（拍立得的谐音） 微信小程序搜索：Pailido，可丰富场景自由切换，快速生成闲鱼文案、外卖/大众点评等。 3. 交互逻辑 用户可以选择拍摄场景类型，并立即拍照，AI 会自动识别和分析照片中的内容信息，依据预设场景规则，迅速生成符合情境的反馈，避免繁琐的额外操作。 4. 实现场景 图片转成文本 逻辑：用户上传图片后，大模型根据选择的场景生成与内容相关的文字描述或解说文本。 核心：图片理解和文本整理润色。 场景：生成美食点评、朋友圈发布文案、闲鱼上架示例模版等。 图片转绘图片 逻辑：用户上传图片后，大模型按照指定的风格快速生成图像的转绘版本，适应不同风格和场景需求。 核心：图片风格化滤镜。 场景：图片粘土风、图片积木风、图片像素风等。
2025-03-19
AI Agent的具体应用场景，特别是职场办公场景
AI Agent 的具体应用场景如下： 1. 在职场办公场景中，主要应用场景包括研究总结和客户服务。 2. 个性化方面，随着用户的使用越来越了解用户习惯和想法，从而作出喜好预测。例如 Dot App 在对话中了解用户喜好，随后为用户推荐新的咖啡店。 3. 自主完成任务方面，如 Auto GPT，用户输入一个目标后，可自主执行任务、递归地开发和调试代码。 4. 多 Agent 协作方面，如斯坦福大学的 SmallVille（小镇）项目，25 个人工智能体居住在一个沙盒虚拟城镇中通过复杂的社交互动来执行他们的日常生活；Fixie AI 在收到用户请求后启动多个负责不同模块的 Agent 进行数据查询和传递，最终生成邮件内容给客户回复；博主林亦 LYi 的《AI 炒股？我开了一家员工全是 AI 的公司，自动帮我炒股》就在某种程度上实现了多 Agent 协作的能力。 5. 在企业服务方面，Brix 面向北美和欧洲企业，提供全球雇佣的 AI 驱动解决方案。通过 Hiring Agent，Brix 触达全球约 2000 万以上的人才，自动完成候选人筛选、简历分析和面试流程，帮助企业快速组建高效团队。通过 Working Agent 支持远程团队的智能化管理，为企业构建 100 至 500 人规模的全球化组织提供一站式解决方案。 6. 时来智能通过自研的 AI Agent 以及强化学习等技术，为线下餐饮服务门店提供全自动管理私域流量营销运营的解决方案。基于垂直场景数据训练的 AI 营销模型可以针对不同消费者实时生成并推送个性化的营销折扣方案，从而在优化营销成本的同时显著提升营销转化效果。 目前，AI Agent 应用大多集中在 2B 场景，面向个人消费者的产品少之又少。一方面是高度智能化的 Agent 能力需要打磨，概念落地还有较长一段距离；一方面是 AI 和娱乐消费诉求的结合还几乎没有，其主要带来的是生产方式变革和效率变革。个人消费者方向，目前只看到“私人助理”场景。
2025-03-17
ToB行业有什么关于AI Agent的应用场景
在 ToB 行业，AI Agent 有以下应用场景： 1. 人力资源领域：如 Brix 面向北美和欧洲企业，提供全球雇佣的 AI 驱动解决方案。通过 Hiring Agent，触达全球约 2000 万以上的人才，自动完成候选人筛选、简历分析和面试流程，帮助企业快速组建高效团队。通过 Working Agent 支持远程团队的智能化管理，为企业构建 100 至 500 人规模的全球化组织提供一站式解决方案。 2. 餐饮营销领域：时来智能通过自研的 AI Agent 以及强化学习等技术，为线下餐饮服务门店提供全自动管理私域流量营销运营的解决方案。基于垂直场景数据训练的 AI 营销模型可以针对不同消费者实时生成并推送个性化的营销折扣方案，从而在优化营销成本的同时显著提升营销转化效果，能帮助门店提升 50%100%的营销转化效果，以及相应提升平均 1520%的营业额。 3. 销售和供应链管理：嵌入企业流程，提升整体运营效率。 此外，AI Agent 具有以下特点： 1. 个性化：随着用户的使用越来越了解用户习惯和想法，从而作出喜好预测。例如 Dot App 在对话中了解用户喜好，随后为用户推荐新的咖啡店。 2. 自主完成任务：如 Auto GPT，用户输入一个目标后，可自主执行任务、递归地开发和调试代码。 3. 多 Agent 协作：例如斯坦福大学的 SmallVille（小镇）项目，25 个人工智能体居住在一个沙盒虚拟城镇中通过复杂的社交互动来执行他们的日常生活；Fixie AI 在收到用户请求后启动多个负责不同模块的 Agent 进行数据查询和传递，最终生成邮件内容给客户回复。 以下是一些 Agent 构建平台： 1. Coze：新一代的一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成丰富插件工具拓展 Bot 能力边界。 2. Microsoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及将 Copilot 部署到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体（Agent）平台，支持开发者根据自身需求打造大模型时代的产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行设计良好的工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于客服、营销、销售等多种场景，提供多种成熟模板，功能强大且开箱即用。 6. 钉钉 AI 超级助理：依托于钉钉强大的场景和数据优势，提供更深入的环境感知和记忆功能，在处理高频工作场景如销售、客服、行程安排等方面表现出色。
2025-03-17
tob 行业智能体的场景有哪些
TOB 行业智能体的场景包括以下方面： 1. 解决大模型的局限性： 无法回答私有领域问题，如公司制度、人员信息等。 无法及时获取最新信息，如实时天气、比赛结果等。 无法准确回答专业问题，如复杂数学计算、图像生成等。 2. 提升用户体验和增强业务竞争力： 适用于有企业官网、钉钉、微信等渠道，期望为客户提供产品咨询服务的场景。 适用于缺少技术人员开发大模型问答应用的情况。 3. 典型场景： 私有领域知识问答：准备好相关知识库文件，创建私有领域知识问答应用，如公司制度、人员信息等。 个性化聊天机器人：提供长期记忆功能，集成夸克搜索和图像生成等插件，提供个性化聊天体验。 智能助手：引入 RAG 能力、长期记忆和自定义插件等功能，帮助提升工作效率，如处理邮件、撰写周报等。 4. 行业解决方案： 服务和业务助手：行业包括互联网、制造、游戏等，场景包括对客服务、对内助手、产品搜索和推荐，业务关注点包括回答准确率、数据覆盖范围，关键功能需求包括丰富的文档/多媒体/数据库支持、多数据源打通、文档 Meta 信息增强、搜索过滤、大模型召回判定。 个人助理：行业包括互联网、教育、游戏、社交等，场景包括闲聊助手、情感陪伴、学习助手，业务关注点包括回答准确率、业务数据关联性、人设契合度、多模态，关键功能需求包括 Prompt 优化、多模态数据上传、互联网搜索、音频/视频交互。 多模态文件交互和数据处理：行业包括互联网、教育、安防等，场景包括视频理解和信息抽取、作业批改，业务关注点包括成本、延迟、多场景适配度，关键功能需求包括自定义文件解析设置、视觉解析增强、企业级数据管理。 5. 具体案例： 内部业务助手：使用企业内部规章制度、部门结构、产品介绍等文档构建知识库，通过 RAG 智能体进行内部知识问答，数据多源、异构，复杂文档解析视觉增强，提供更好的文档理解。 医疗助手/法律助手/智能导购：构建领域内知识库，为普通用户提供基础的医疗/法律知识，给出准确的就医建议/法律援助建议，在相似度阈值判定的基础上，引入大模型的智能分析能力。 6. 商业化场景： 医疗健康行业：为医疗机构、医生和研究人员提供最新的医学资讯和研究成果，并通过多模态形式推送到他们常用的平台，帮助他们更好地了解行业趋势，提升医疗水平。 教育培训行业：为教育工作者和培训机构提供最新的教育资讯和课程动态，并自动生成教学报告和资料，推送到相关平台，帮助他们更好地规划教学内容和课程设计。 科技创业与孵化器：帮助科技创业公司和孵化器获取最新的科技新闻、创业报告和行业分析，并通过多模态形式推送到他们常用的平台，帮助他们更好地了解市场需求，调整创业方向。
2025-03-17
我想用ai生成网站的特效，应该使用哪些ai产品
以下是一些可以用于生成网站特效的 AI 产品： 1. Looka：在线 Logo 设计平台，使用 AI 理解用户品牌信息和设计偏好，生成多个 Logo 设计方案供选择和定制。 2. Tailor Brands：AI 驱动的品牌创建工具，通过用户回答问题生成 Logo 选项。 3. Designhill：其 Logo 制作器使用 AI 技术创建个性化 Logo 设计，用户可选择元素和风格。 4. LogoMakr：提供简单易用的 Logo 设计工具，用户可拖放设计并利用 AI 建议。 5. Canva：广受欢迎的在线设计工具，提供 Logo 设计模板和元素，有 AI 辅助设计建议。 6. LogoAI by Tailor Brands：Tailor Brands 推出的 AI Logo 设计工具，根据输入快速生成方案。 7. 标小智：中文 AI Logo 设计工具，利用人工智能技术帮助创建个性化 Logo。 另外，以下产品也可能对生成网站特效有帮助： 1. Dora AI：可以通过一个 prompt，借助 AI 3D 动画生成强大网站，支持文字转网站、生成式 3D 互动、高级 AI 动画。 2. Magic Editor for Google Photos：可对照片进行局部修改。 3. MusicLM：文本生成音乐，当前可在 AI Test Kitchen with Google 试用。 4. Gen AI for Android Magic Compose：自动回复信息；Gen AI for Wallpaper 可生成手机壁纸。 5. ML Hub for Developers：提供 ML 模型训练与部署一站式服务。 6. Immersive View for Google Map：仿真 3D 沉浸式地图。 7. 「Help me write」in Gmail：电子邮件写作助手（文字生成）。 您可以访问相关网站获取更多详细信息和试用这些产品。
2025-03-27
ai每次使用都要打开一个新对话吗，日常怎么管理ai的对话，让内容不凌乱
在使用 AI 时，开启新对话在大部分情况下几乎是必然的。为了让新对话中的内容尽量准确还原之前的风格，您可以采取以下方式来管理对话，避免内容凌乱： 1. 让 AI 总结当前的美学风格，并记录下来。这可以是一段文字，也可以同时生成一个 CSS 样式并保存。例如记录颜色、布局、字体等方面的信息。 2. 在多次会话中完成一个项目时，保持代码风格和架构的一致性是一个挑战。这可能需要定期回顾和总结已完成的部分，为 AI 提供清晰的编码指南，并在每次新会话开始时重申项目的整体结构。 3. 与 AI 沟通时，要像管理员工一样，前期投入精力清晰简洁地描述具体要求。例如在生成 PPT 样式时，尽量在 5 次对话内得到理想模板，若超过 5 次效果仍差很远，可考虑清除上下文或重新开启新对话。 4. 对于生成的 PPT 模板风格，您可以选择让 AI 记住直接进入下一阶段，或者让其抽象成一种它能理解的风格。前者速度快，适用于临时出几页 PPT；后者能在一定程度上保证风格的精确性，但在单次对话下多次生成对 token 的消耗较大。
2025-03-26
deepseek的使用技巧
以下是关于 DeepSeek 的使用技巧： 1. 了解其特点与优势： 核心是推理型大模型，无需用户提供详细步骤指令，能通过理解真实需求和场景提供答案。 能够理解用户用“人话”表达的需求，无需特定提示词模板。 在回答问题时能深度思考，而非简单罗列信息。 可以模仿不同作家的文风进行写作，适用于多种文体和场景。 2. 更多提示词技巧请查看 3. 活动中的使用方法技巧： 分享使用 DeepSeek 在工作生活上的案例。 分享 DeepSeek 输出“超预期结果”的惊艳场景。 分享 DeepSeek 与其他工具的协同方案。 分享模型微调/部署的技巧方法。 分享用 DeepSeek 获取流量/客户等。 4. 具体使用步骤： 搜索 www.deepseek.com，点击“开始对话”。 将装有提示词的代码发给 DeepSeek。 认真阅读开场白之后，正式开始对话。 5. 设计思路： 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用，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，减轻 AI 味，增加可读性。 设计阈值系统，后续可能根据反馈修改。 用 XML 进行更为规范的设定。
2025-03-26
ai大模型和工具组合使用技巧
以下是关于 AI 大模型和工具组合使用的技巧： 1. 在 Obsidian 中的使用： 简单方法：通过命令面板打开创建的页面（默认快捷键 Ctrl+P），在弹出的搜索框中输入插件名称（如 custom frames），选择 OpenKimi 并打开设置好的窗口。 进阶配置：包括笔记仓库嵌入大模型（Copilot）、笔记内容作为 RAG 嵌入大模型（Smart Conections）、笔记内使用大模型编写内容。 2. 利用大模型与工具的典型例子：如使用 Kimi Chat 查询问题时，它会在互联网上检索相关内容并总结分析给出结论，同时还有很多不同领域类型的工具为大模型在获取、处理、呈现信息上做补充。 3. Agentic Workflow 方面： Agent 通过自行规划任务执行的工作流路径，面向简单或线性流程的运行。 多 Agent 协作：吴恩达通过开源项目 ChatDev 举例，让大语言模型扮演不同角色相互协作开发应用或复杂程序。 AI Agent 基本框架：OpenAI 的研究主管 Lilian Weng 提出“Agent=LLM+规划+记忆+工具使用”的基础架构，其中大模型 LLM 扮演“大脑”，规划包括子目标分解、反思与改进。 4. 从提示词优化到底层能力提升： 任务拆解：将复杂任务的提示词拆解成若干步骤的智能体，每个智能体负责特定子任务。 工作流构建：组合多个提示词或 AI 工具搭建高频重复工作的工作流。 创作场景的灵活应用：在创作过程中使用简单提示词和连续追问调整大模型回答。 深度思考辅助：将大模型用于辅助深度思考，从居高临下的指挥变为伙伴式的协作和相互学习，关注利用大模型训练和增强认知能力。
2025-03-26
deepseek的使用技巧
以下是关于 DeepSeek 的使用技巧： 1. 了解其特点与优势： 推理型大模型：核心是推理型大模型，通过理解用户真实需求和场景提供答案，无需详细步骤指令。 更懂人话：能理解用户用“人话”表达的需求，无需特定提示词模板。 深度思考：回答问题时能深度思考，非简单罗列信息。 文风转换器：可模仿不同作家文风写作，适用于多种文体和场景。 2. 更多提示词技巧可查看。 3. 使用方法： 搜索 www.deepseek.com，点击“开始对话”。 将装有提示词的代码发给 Deepseek。 认真阅读开场白之后，正式开始对话。 4. 设计思路： 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用，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，减轻 AI 味，增加可读性。 设计阈值系统，后续可能根据反馈修改。 用 XML 进行更为规范的设定。 5. 在 AI 切磋大会中，分享了使用 DeepSeek 的技巧，包括方法论碰撞，如使用 DeepSeek 的技巧、与其他工具的协同方案、模型微调/部署的技巧方法、获取流量/客户等，还包括应急预案。同时，活动中还涉及分城市各自案例分享、Workshop 自由探讨等环节。
2025-03-26
flowith根据自然语言构建一个直接使用的工作流吗，如何向flowith提出要求
Flowith 可以根据自然语言构建工作流。即使没有专业编程技能，只要能用清晰的自然语言描述出想要的各个 Agents 具备的行为和功能，就可以快速制作多 Agents 应用或创建代理式工作流。 使用工作流的步骤如下： 1. 配置工作流： 在 Code 节点内使用 IDE 工具，通过 AI 自动生成代码或编写自定义代码逻辑，来处理输入参数并返回响应结果。 该节点支持 JavaScript、Python 运行时，需注意不同运行时的特定事项。 可在 IDE 底部单击尝试 AI，并输入自然语言设定代码逻辑，也可选中代码片段通过快捷键唤起 AI 并输入自然语言让其修改代码。 2. 通过工作流数据库节点操作数据表： 在工作流中添加数据库节点对数据表进行操作，可通过 NL2SQL 方式和代码方式进行调用，支持完整读写模式。 参考以下操作添加并配置工作流节点： 单击页面顶部的工作流页签，然后单击创建工作流。 输入工作流名称和使用描述，然后单击确认。 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。 根据相关信息配置数据库节点，包括输入添加 SQL 执行中需要的参数，输入要执行的 SQL 语句，可单击自动生成使用大模型生成 SQL。 需注意不支持 Select语法、多表 Join 操作，最多返回 100 行数据。在配置数据库节点前，要确保已经搭建了一个 Bot，并在这个 Bot 中创建好了数据表。
2025-03-26