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

我需要搭建一个每个人都能使用的知识库

Answer

要搭建一个每个人都能使用的知识库,可以考虑使用 GPT 并借助 embeddings 技术。以下是相关步骤和原理:

  1. 文本处理:将大文本拆分成若干小文本块(chunk)。
  2. 向量转换:通过 embeddings API 将小文本块转换成与语义相关的 embeddings 向量,并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。
  3. 问题处理:当用户提出问题时,先将问题通过 embeddings API 转换成问题向量,然后与向量储存库中的所有文本块向量进行比对,查找距离最小的几个向量,提取对应的文本块,并与原有问题组合成新的 prompt 发送给 GPT API。
  4. 容量限制:GPT-3.5 一次交互支持的 Token 数量有限,embedding API 是解决处理大量领域知识的方案。
  5. 理解 embeddings:embeddings 是浮点数字的向量,向量之间的距离衡量关联性,小距离表示高关联度。例如,“猫”和“狗”距离近,与“汽车”距离远。

例如,对于一篇万字长文,拆分成的 chunks 包含:文本块 1:本文作者:越山。xxxx。文本块 2:公众号越山集的介绍:传播效率方法,分享 AI 应用,陪伴彼此在成长路上,共同前行。文本块 3:《反脆弱》作者塔勒布xxxx。文本块 4:“科技爱好者周刊”主编阮一峰会记录每周值得分享的科技内容,周五发布。如果提问是“此文作者是谁?”,通过比较 embeddings 向量,可以直观地看出文本块 1 跟这个问题的关联度最高,文本块 3 次之。最后发送给 GPT API 的问题会类似于“此文作者是谁?从以下信息中获取答案:本文作者:越山。xxxx。《反脆弱》作者塔勒布xxxx。”这样大语言模型大概率能回答上这个问题。

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

References

从零开始,用GPT打造个人知识库

上面将文本转换成向量(一串数字)能大大节省空间,它不是压缩,可简单理解为索引(Index)。接下来就有意思了。比如我有一个大文本,可以先把它拆分成若干个小文本块(也叫chunk),通过embeddings API将小文本块转换成embeddings向量,这个向量是跟文本块的语义相关。在一个地方(向量储存库)中保存这些embeddings向量和文本块,作为问答的知识库。当用户提出一个问题时,该问题先通过embeddings API转换成问题向量,然后将这问题向量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。这样一来就不用一次会话中输入所有领域知识,而是输入了关联度最高的部分知识。一图胜千言,转一张原理图。再举一个极其简单的例子,比如有一篇万字长文,拆分成Chrunks包含:文本块1:本文作者:越山。xxxx。文本块2:公众号越山集的介绍:传播效率方法,分享AI应用,陪伴彼此在成长路上,共同前行。文本块3:《反脆弱》作者塔勒布xxxx。文本块4:“科技爱好者周刊”主编阮一峰会记录每周值得分享的科技内容,周五发布。...文本块n如果提问是”此文作者是谁?“。可以直观的看出上面的文本块1跟这个问题的关联度最高,文本块3次之。通过比较embeddings向量也可以得到这结论。那最后发送给GPT API的问题会类似于”此文作者是谁?从以下信息中获取答案:本文作者:越山。xxxx。《反脆弱》作者塔勒布xxxx。“这样一来,大语言大概率能回答上这个问题。

从零开始,用GPT打造个人知识库

要搭建基于GPT API的定制化知识库,涉及到给GPT输入(投喂)定制化的知识。但GPT-3.5,也就是当前免费版的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。这点容量对于绝大多数领域知识根本不够。为了使用GPT的语言能力来处理大量的领域知识,OpenAI提供了embedding API解决方案。参考OpenAI embedding documents。[heading2]理解embeddings[content]embeddings(直译为嵌入)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。进一步解释:向量(列表):向量是数学中表示大小和方向的一个量,通常用一串数字表示。在计算机科学和数据科学中,向量通常用列表(list)来表示。列表是一种数据结构,它包含一组有序的元素。例如,一个二维向量可以表示为[2,3],这意味着沿着两个轴的分量分别为2和3。在这里,"list"是一种编程术语,意味着一系列有序的数据。向量之间的距离:向量之间的距离是一种度量两个向量相似性的方法。有多种方式可以计算两个向量之间的距离,最常见的是欧几里得距离。欧几里得距离计算方法是将两个向量的对应元素相减,然后取平方和,再开平方。例如,向量A=[1,2]和向量B=[4,6]之间的欧几里得距离为sqrt((4-1)^2+(6-2)^2)=5。较小距离意味着高相关性,因为向量间相似度高。在OpenAI词嵌入中,靠近向量的词语在语义上相似。例如,“猫”和“狗”距离近,它们都是宠物,与“汽车”距离远,相关性低。文档上给了创建embeddings的示例上面的命令访问embeddings API接口,将input语句,转化成下面这一串浮点数字。

通往AGI之路介绍.pdf

1.3入门:GPTs我有超全导航应有尽有1.4入门:AI绘画与视频产品工具与案例实战,开箱即用。1.5入门:AI音乐与数字人每一个人都可以成为知识库的建设者,我们热爱学习,热衷分享,对优质内容如饥似渴。1.6入门:世界模型Sora及其他2.1精选:AI网站和APPSbl YdedWectreer Al"太牛了,可以收录到知识库么"12.2精选:AI产品数据分析Woncer Studio2.3精选:AI研究报告watAC.com写好提示词6大策略2.4精选:资讯与论文Wonar Uymc生成Anae0 30r2.5精选:视频与播客2.6精选:全球AI法规手册2.7精选:Design with AIGC创造交流,不止于学问。o Doeigned by ua3.1案例:AI产品案例严选@Desigred by inkati发起的AI各种各样的线上活动,让知识学习变得更生动,更富有创造力。WaSCEvs byWaytoAGI共赴晨昏,岂日一人之战。wivAG.cn结构化promptANAICOn

Others are asking
知识库
以下是关于知识库的相关内容: 智能体创建: 手动清洗数据:本次创建知识库使用手动清洗数据,上节课程是自动清洗数据,自动清洗数据可能出现数据不准的情况,手动清洗可提高数据准确性。参考课程:。 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、自定义的自定义,输入后可区分内容,还可编辑修改和删除,添加 Bot 后可在调试区测试效果。 本地文档:对于本地 word 文件,注意拆分内容以提高训练数据准确度。例如画小二 80 节课程分为 11 个章节,不能一股脑全部放入训练,应先放入大章节名称内容,章节内详细内容按固定方式人工标注和处理,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 商店中能搜到,否则无法获取 API。 概述: 扣子提供了几种存储和记忆外部数据的方式,以便 Bot 精准回复用户。知识库是大量知识分片,通过语义匹配为模型补充知识,以车型数据为例,每个知识库分段保存一种车型基础数据。同时还介绍了数据库、AI 便签、单词本等。 智能体“竖起耳朵听”: 扣子的知识库功能强大,可上传和存储外部知识内容,提供多种查找知识的方法,解决大模型有时出现的幻觉或专业领域知识不足的问题。在该智能体中使用了自己的知识库,收集了很多地道口语表达的短句,知识库可包含多种格式文件,此例中只用了文本格式,智能体回答用户时会先检索知识库内容。还可添加开场白提升体验。
2025-03-16
我想建立一个知识库,自动生成解决方案
以下是关于建立知识库并自动生成解决方案的相关信息: smartBot 的应用场景: 1. 辅助使用者对某个行业/领域/问题进行深度解读和分析,并建立系统性的认知过程。 2. 根据预设流程,自动化形成对某个专业方向/领域/行业的系统化知识图谱。 基于知识图谱的问答系统: 1. 结合知识图谱中的丰富信息,能够提供精确且富有洞察力的答案,无论问题是关于具体事实还是复杂关系。 2. 以 Bilibili 知识区为核心,将分散的知识点整合成语义网络,涵盖广泛主题领域,揭示不同概念间潜在关系。 3. 对 Bilibili 知识区重点视频字幕进行数据清洗和分词处理,确保数据准确性和一致性。 4. 利用 NLP 技术解析和优化用户查询,自动补充或纠正模糊查询词,提高查询准确性和覆盖面。 5. 采用先进深度学习技术,对用户查询进行深入语义理解和上下文分析,提供更精准搜索结果。 知识库构建与业务完整性: 1. 从文档切片、向量化到数据入库,构建完整的知识库。 2. 结合检索模块和生成模块,提供从检索到生成的完整解决方案。 用 Coze 免费打造微信 AI 机器人的步骤: 1. 设计方面:确定功能范围。 2. 搭建步骤: 开始节点和结束节点由 coze 自动生成。 开始节点配置:输入变量名写“Question”,描述写“用户输入的问题”,变量类型选“String”。 知识库配置:将开始节点和知识库左侧节点连接,引用开始节点的变量“Question”,添加创建好的知识库,并将知识库右侧节点与结束节点左侧连接。 结束节点配置:用于输出 AI 机器人的最终结果,回答格式设置为“您的问题:{{question}} 问题的答案:{{answer}}”,定义“question”引用“开始节点的 Question”,“answer”引用“知识库节点的输出 output”,选择使用设定内容直接回答。 试运行测试:点击右上角“试运行”,输入问题后点击“运行”,查看工作流每一步的详细输入和输出。
2025-03-16
如何建立自己的知识库
要建立自己的知识库,可以参考以下两种方法: 方法一:用 GPT 打造个人知识库 1. 理解 embeddings: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。向量是数学中表示大小和方向的一个量,通常用一串数字表示,在计算机科学和数据科学中,向量通常用列表来表示。向量之间的距离是一种度量两个向量相似性的方法,最常见的是欧几里得距离。在 OpenAI 词嵌入中,靠近向量的词语在语义上相似。 2. 使用 embeddings: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,作为问答的知识库。当用户提出一个问题时,该问题先通过 embeddings API 转换成问题向量,然后将这问题向量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。 方法二:用 Coze 免费打造自己的微信 AI 机器人 1. 设计您的 AI 机器人。 2. 确定功能范围。 3. 创建知识库:整理“关键字”与“AI 相关资料链接”的对应关系,并将信息存储起来。创建知识库路径为个人空间 知识库 创建知识库。知识库文档类型支持本地文档、在线数据、飞书文档、Notion 等,本次使用【本地文档】。按照操作指引上传文档、分段设置、确认数据处理。小技巧:知识库好不好用,跟内容切分粒度有很大关系,我们可以在内容中加上一些特殊分割符,比如“”,以便于自动切分数据。分段标识符号要选择“自定义”,内容填“”。最终的知识库结果中,同一颜色代表同一个数据段,如果内容有误需要编辑,可以点击具体内容,鼠标右键会看到“编辑”和“删除”按钮,可以编辑或删除。
2025-03-16
有哪些知识库工具推荐
以下是为您推荐的一些知识库工具及相关信息: Coze: 创建知识库:来到个人空间,找到知识库导航栏,点击创建。支持文档、表格(CSV、Excel 等)、图片三种格式。选择格式并填写信息,还可选择自定义的文档切割。 使用知识库:可参考教程。 元子:WayToAGI 知识库: 工具入门篇(AI Tools):数据工具多维表格小白之旅,文章链接,适用人群为 Excel 重度使用者、手动数据处理使用者、文件工作者。 工具入门篇(AI Code):编程工具Cursor 的小白试用反馈,文章链接,适用人群为 0 编程经验、觉得编程离我们很遥远的小白。 工具入门篇(AI Music):音乐工具Suno 的小白探索笔记,文章链接,适用人群为 0 乐理知识、觉得作词作曲和我们毫不相关成本巨大的小白。 工具入门篇(Prompt):现成好用的 Prompt,文章链接,适用人群为完全没有 AI 使用经验,只下载过 kimi、豆包、chatgpt 一类对话软件的小白。 工具入门篇(AI Agent):Agent 工具小白的 Coze 之旅,文章链接,适用人群为完全没有编程基础,但对 AI 已有一点概念的小白。 工具入门篇(AI Pic):现在主流的 AI 绘图工具网站,文章链接,适用人群为完全没接触过 AI 出图、只是听说过的小伙伴。
2025-03-16
AI知识库搭建工具都有哪些
以下是一些常见的 AI 知识库搭建工具: 数据工具 多维表格:适用于 Excel 重度使用者、手动数据处理使用者、文件工作者,可用表格+AI 进行信息整理、提效、打标签,满足 80%数据处理需求。 编程工具 Cursor:适用于 0 编程经验、觉得编程离我们很遥远的小白,通过 AI 工具对编程祛魅,降低技术壁垒。 音乐工具 Suno:适用于 0 乐理知识、觉得作词作曲和我们毫不相关成本巨大的小白,AI 赋能音乐创作,无需乐理知识即可参与音乐制作。 提示词工具 现成好用的 Prompt:适用于完全没有 AI 使用经验,只下载过 kimi、豆包、chatgpt 一类对话软件的小白,可直接拿好用的提示词拿来用用,有很多完整结构的优秀 prompt 案例。 智能体工具 Coze:适用于完全没有编程基础,但对 AI 已有一点概念的小白,为纯粹小白补的分享 AI AGENT 搭建平台,30 分钟就能开始使用。 绘图工具 现在主流的 AI 绘图工具网站:适用于完全没接触过 AI 出图、只是听说过的小伙伴,为纯粹的小白提供一个工具列表和扫盲。 此外,还有像大圣讲解的 Coze 等工具也可用于搭建 AI 知识库。
2025-03-16
本地知识库
以下是关于本地知识库的相关内容: 一、本地知识库进阶 如果想要对知识库进行更加灵活的掌控,需要使用额外的软件 AnythingLLM,它包含了所有 Open WebUI 的能力,并额外支持选择文本嵌入模型和向量数据库。 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: 1. 第一步:选择大模型。 2. 第二步:选择文本嵌入模型。 3. 第三步:选择向量数据库。 二、构建本地知识库 AnythingLLM 中有 Workspace 的概念,可以创建自己独有的 Workspace 与其他项目数据隔离。 1. 首先创建一个工作空间。 2. 上传文档并且在工作空间中进行文本嵌入。 3. 选择对话模式,提供了两种模式: 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。 Query 模式:大模型仅仅会依靠文档中的数据给出答案。 4. 测试对话,完成上述配置后即可与大模型进行对话。 三、RAG 是什么 利用大模型的能力搭建知识库是 RAG 技术的应用。在进行本地知识库搭建实操前,需先了解 RAG。 RAG 实现方法是检索增强生成(Retrieval Augmented Generation),过程包括: 1. 文档加载(Document Loading):从多种不同来源加载文档,LangChain 提供 100 多种不同的文档加载器,包括 PDF 等非结构化数据、SQL 等结构化数据以及 Python、Java 之类的代码等。 2. 文本分割(Splitting):文本分割器把 Documents 切分为指定大小的块,称为“文档块”或者“文档片”。 3. 存储:涉及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。 4. 检索:通过某种检索算法找到与输入问题相似的嵌入片。 5. Output(输出):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生成更合理的答案。 四、Obsidian 加 Cursor 构建本地知识库 因为 Obsidian 浏览器剪藏插件强大开始玩 Obsidian 构建本地知识库,安装的几个 Obsidian 的 AI 插件配置复杂,体验不佳。 发现可以用 Cursor 等 AI IDE 解决问题,主要有三类作用: 1. 帮助用模糊的问题检索笔记库,而非关键字。 2. 帮助基于笔记库进行研究,可结合多个笔记软件给出建议。 3. 帮助生成和修改笔记,比如生成整个笔记文件或者修改写的笔记文案。
2025-03-15
我想用扣子搭建有着我自己思维的智能体,让他能进行日常对话和创作
以下是用扣子搭建具有自己思维的智能体,使其能进行日常对话和创作的步骤: 1. 创建智能体:使用单 Agent 对话流模式。 2. 编排对话流:点击创建新的对话流并与智能体关联,在获取笔记详情节点和笔记评论节点分别配置 cookie,note_link 使用开始节点的 USER_INPUT,使用代码节点进行数据处理,注意代码节点输出的配置格式。 3. 测试:找到一篇小红书笔记,试运行对话流,在对话窗口输入地址查看数据,同时在智能体的编排页面进行测试,确保对话流执行成功。 4. 发布:点击发布后选择多维表格,进行配置,包括输出类型选文本、输入类型选字段选择器,完善上架信息,填写表格,选发布范围时可选择仅自己可用以加快审核。 此外,扣子的知识库功能强大,可上传和存储知识内容,提供多种查找方法,能解决大模型的知识不足问题。在智能体中可运用自己的知识库,如收集地道口语表达的短句。还可为智能体添加开场白以提升体验。 在多智能体模式设置中,包括全局设置和多个代理之间的编排协调。全局设置涉及角色设定与回复逻辑、记忆管理和对话体验等,在设计智能体交互流程时应形成完整互动链条,采用循环机制而非单向流程,可通过旅游场景中景点推荐、路线规划和食宿安排等智能体的例子来理解。
2025-03-16
怎么搭建自己的智能体?
搭建自己的智能体可以参考以下步骤: 1. 创建智能体: 输入人设等信息。 起一个智能体的名称。 写一段智能体的简单介绍。 使用 AI 创建一个头像。 2. 配置工作流: 放上创建的工作流。 为智能体配置对应的技能,如在 Bot 编排页面的技能区域,单击插件功能对应的“+”图标,选择相应插件并新增。 修改人设与回复逻辑,指示智能体使用相应插件来完成任务。 (可选)为智能体添加开场白,让用户更好地了解其功能。 3. 测试智能体: 在预览与调试区域中测试智能体是否符合预期,可单击清除图标清除对话记录。 4. 发布智能体: 配置完成后,在 Bot 的编排页面右上角,单击发布。 在发布页面输入发布记录,并勾选发布渠道,然后单击发布。 需要注意的是,工作流中【所有视频片段拼接】节点使用的插件 api_token 填的是您的 token,其他人调用这个工作流会直接消耗您的 money,所以不能直接发布。您可以将 api_token 作为工作流最开始的输入,用户自己购买后,输入 api_token 就可以使用,然后再发布。 相关资源: 扣子官网:https://www.coze.cn/ Coze 官方文档: 英文版:https://www.coze.com/docs/welcome.html 中文版:https://www.coze.cn/docs/guides/welcome
2025-03-16
如何搭建智能体
搭建智能体主要包括以下方面: 1. 基本步骤: 创建智能体,输入人设等信息,并放上相关工作流。 配置完成后进行测试。但需注意,工作流中若涉及个人 token 不能直接发布,可将其作为输入让用户自行购买后输入再发布。 2. 在品牌卖点提炼中的应用: 确定智能体的结构:按照市场营销逻辑组织,包括确定品牌卖点提炼的步骤、加入相关分析助手等。 搭建完整智能体:以品牌卖点提炼六步法为核心流程,加入品牌卖点定义与分类助手、STP 市场分析助手、用户画像分析助手、触点收集助手等结构,同时还包括一些未在结构中体现但有效的分析工具,如用户需求分析的 KANO 助手、营销六层转化漏斗分析、超级转化率六要素等。 明确 KnowHow 和 AI 的能力:在搭建前明确 AI 的能力边界,如对公司产品、独特之处、认可情况、核心渠道、购买人群、营销手段、新渠道期望结果等不了解,同时了解 AI 在逻辑推理、数据分析、内容理解和输出等方面的能力,将智能体确定为引导型的灵感提问助手。
2025-03-16
如何搭建智能体
搭建智能体的步骤如下: 1. 创建智能体,输入人设等信息,并放上相关工作流。配置完成后进行测试。但需注意,工作流中如涉及插件 api_token,不能直接发布,可将其作为工作流的输入,让用户购买后自行输入再发布。 2. 确定智能体的结构: 按照市场营销逻辑组织,如在品牌卖点提炼中,以品牌卖点提炼六步法为核心流程,加入其他分析助手,包括品牌卖点定义与分类助手、STP 市场分析助手、用户画像分析助手、触点收集助手等,同时还可包括用户需求分析的 KANO 助手、营销六层转化漏斗分析、超级转化率六要素等工具。 明确 AI 的能力边界,如 AI 不了解公司的主要产品、独特之处、获得的认可、核心渠道、核心购买人群、营销手段、期望的新渠道结果等。 确定智能体为引导型助手,如在寻找卖点时作为灵感提问助手,提供更多思考维度。
2025-03-15
想在comfyui搭建一个音频节奏生成ai抽象粒子视觉效果的工作流,应该使用哪些模型节点?如何搭建?
在 ComfyUI 搭建音频节奏生成 AI 抽象粒子视觉效果的工作流,您可以参考以下内容: 1. 大模型节点: 您可以根据自己的风格选择不同的大模型,推荐使用: AWPainting,链接:https://civitai.com/models/84476/awpainting primemixanything,链接:https://civitai.com/models/75089/primemixanything xxmix9realistic v40,链接:https://civitai.com/models/47274/xxmix9realistic 2. 关键词节点: 可以使用工作流内的关键词,也可以输入自己的正负面关键词。 3. Lora 节点: 可根据自己风格搭配进行选择,如需多个 Lora 可进行串联。 4. ControlNet 节点: 选用 qrcode_monster V2 版本,相比于 V1 版本 V2 版本识别性更强。下载需要魔法,没有魔法的同学文末领取模型。下载链接:https://huggingface.co/monsterlabs/control_v1p_sd15_qrcode_monster/tree/main/v2 5. 采样器节点: 所有生图的老演员了,Step 要选择高步数,35 50 即可。采样器默认的 euler a /dpmpp 2m sde 基础节点介绍: 1. Checkpoint 基础模型(大模型/底模型)节点: 属于预调模型,决定了 AI 图片的主要风格。输出连接:Model 连接 KSampler 采样器的 Model;Clip 连接终止层数的 Clip;Vae 连接 VaeDecode 的 Vae。 2. Clip 终止层数(clip skip)节点: ComfyUI 的是负数的,webUI 的是正数。输出入点:Clip 连接 Checkpoint 基础模型的 Clip。输出节点:Clip 连接 Prompt 节点的 Clip。正向提示词和负面提示词各一个。 3. Prompt 节点: 输出入点:Clip 连接 Clip 终止层数节点的 Clip。输出节点:正向提示词和负面提示词各连接一个。 4. KSampler 采样器: 输出入点:Model 连接 Checkpoint 基础模型;Positive 连接正向提示词;negative 连接负面提示词;latent_imageL 连接 Empty Latent Image 潜空间图像的 Latent。输出节点:Latent 连接一个 VAE 的 Samples。 5. Empty Latent Image 潜空间图像: 设置出图尺寸,例如 10241024。输出入点:Latent 连接 KSampler 采样器的 Latent。 此外,还有一些根据插件整理的工作流,您可以先随便选择一个“文生图”中的“基础+自定 VAE”。选好之后,点击“替换节点树”。界面中就会出现已经连接好的工作流节点(如果没看到,就按一下 home 键),包括大模型、clip、vae、正反提示词、尺寸,采样器等所有在 webUI 中熟悉的参数,而且全都是中文面板。打开模型节点,可以看到 webUI 中的模型全部都在。这次先不更改参数,点击“运行节点树”,直接生成。此时会提醒您是否启用 ComfyUI,点击确定即可。等待一会,就能在最后一个节点预览图中看到生成的图片。点击这里就可以打开后台,看到出图时间。
2025-03-15
现在有哪些类型的AI智能工具,每个类型分别有哪些主流产品,他们分别有什么优势
以下是一些常见类型的 AI 智能工具、主流产品及其优势: 1. 辅助编程工具: GitHub Copilot:由 GitHub 联合 OpenAI 和微软 Azure 团队推出,支持多种语言和 IDE,能快速提供代码建议,助开发者更快、更少地编写代码。 通义灵码:阿里巴巴推出,提供行级/函数级实时续写、自然语言生成代码等多种能力。 CodeWhisperer:亚马逊 AWS 团队推出,由机器学习技术驱动,为开发人员实时提供代码建议。 CodeGeeX:智谱 AI 推出的开源免费工具,基于 130 亿参数的预训练大模型,可快速生成代码提升效率。 Cody:Sourcegraph 推出,借助强大的代码语义索引和分析能力,了解开发者的整个代码库。 CodeFuse:蚂蚁集团支付宝团队推出的免费代码助手,基于自研基础大模型微调。 Codeium:通过提供代码建议等帮助软件开发人员提高编程效率和准确性。 更多辅助编程 AI 产品,可查看:https://www.waytoagi.com/category/65 。 2. 图生图工具: Artguru AI Art Generator:在线平台,生成逼真图像,为设计师提供灵感。 Retrato:将图片转换为非凡肖像,有 500 多种风格选择,适合制作个性头像。 Stable Diffusion Reimagine:通过稳定扩散算法生成精细、具细节的全新视觉作品。 Barbie Selfie Generator:将上传照片转换为芭比风格,效果好。 这些工具通过组合技术生成创意且质量不错的相似图像,但存在性能不稳定、生成内容不当等局限。 3. PPT 制作工具: Gamma:在线网站,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。https://gamma.app/ 美图 AI PPT:由美图秀秀团队推出,通过输入简单文本描述生成专业 PPT 设计,包含丰富模板库和设计元素。https://www.xdesign.com/ppt/ Mindshow:提供自动布局、图像选择和文本优化等智能设计功能。https://www.mindshow.fun/ 讯飞智文:科大讯飞推出,利用语音识别和自然语言处理技术优势,提供智能文本生成等功能。https://zhiwen.xfyun.cn/
2025-03-16
本地部署deep seek后如何搭建个人知识库,详细说明一下每个步骤
以下是本地部署 Deep Seek 后搭建个人知识库的详细步骤: 1. 在 RAGFlow 中配置 Deep Seek 模型 返回 RAGFlow ,打开右上角设置,进入模型提供商界面。 配置本地部署的 Deep Seek 模型,选择 Ollama ,并根据运行的模型配置相关信息。 设置基础 URL 。 点击确定。 2. 导入嵌入模型 导入一个用于文本向量化的嵌入模型。 3. 设置系统模型设置 4. 创建知识库 返回知识库,进入数据集,导入文件或设置文件夹当作知识库。 5. 文件解析 对导入的文件进行解析,解析速度取决于本机 GPU 性能(显卡性能),越好的显卡解析越快。 6. 检索测试 解析完成后,进行检索测试。 7. 进入聊天界面 测试没问题后,可进入聊天界面,助理设置可自行进行。 此外,如果想要对知识库进行更灵活的掌控,可以使用 AnythingLLM 软件,步骤如下: 1. 安装 AnythingLLM ,安装地址:https://useanything.com/download 。 2. 安装完成后进入配置页面,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。 3. 构建本地知识库 在 AnythingLLM 中创建独有的 Workspace 与其他项目数据隔离。 上传文档并在工作空间中进行文本嵌入。 选择对话模式,包括 Chat 模式(大模型根据训练数据和上传的文档数据综合给出答案)和 Query 模式(大模型仅依靠文档中的数据给出答案)。 4. 测试对话 完成上述配置后,即可与大模型进行对话。 在进行本地知识库搭建实操之前,还需要对 RAG 有大概的了解: RAG 是一种检索增强生成技术,应用过程包括文档加载、文本分割、存储(包括将文档块嵌入转换成向量形式并存储到向量数据库)、检索、输出(把问题以及检索出来的嵌入片一起提交给 LLM 生成答案)。文本加载器用于将用户提供的文本加载到内存中以便后续处理。
2025-03-07
我是少儿编程老师,现在我需要知道编程每个语言之间的区别,并绘制出一张思维导图给我详细介绍
很抱歉,目前没有关于编程各语言区别的详细内容来为您绘制思维导图。但一般来说,不同的编程语言在语法、应用场景、性能特点等方面存在差异。例如,Python 语法简洁,常用于数据科学和人工智能;Java 应用广泛,在企业级开发中表现出色;C++ 性能高效,常用于系统编程和游戏开发等。您可以通过在线编程学习网站、相关书籍以及技术论坛获取更详细准确的信息来绘制思维导图。
2025-02-19
我想做一个产品(生涯规划领域的垂直大模型),这个产品服务的对象是所有人:帮助所有人进行更好的职业规划。每个人都能通过使用这个产品更好地了解自己,了解自己的天赋、兴趣、优势,然后找到自己的热爱的领域和热爱的事业,并且能够个性化地推荐相关的行业和职业,包括职业的主要工作内容和核心能力要求等等。 请对这个产品进行可行性分析,并给出产品的发展规划,别忘了给这个项目起一个名字。
以下是对您提出的生涯规划领域垂直大模型产品的可行性分析和发展规划,并为项目取名为“生涯智途”。 可行性分析: 1. 需求广泛:帮助人们进行职业规划是一个普遍存在的需求,涵盖了各个年龄段和职业阶段的人群。 2. 数据可用性:可以通过各种渠道收集大量与职业相关的数据,包括行业报告、职位描述、人才需求等。 3. 技术支持:当前大模型技术的发展为实现这样的产品提供了可能,能够处理和分析大量复杂的数据。 发展规划: 1. 数据收集与整理:广泛收集各类职业数据,建立丰富的数据库,确保数据的准确性和完整性。 2. 模型训练与优化:利用收集到的数据进行模型训练,不断优化模型,提高预测和推荐的准确性。 3. 功能开发: 个性化测评:开发能够准确评估用户天赋、兴趣、优势的功能模块。 精准推荐:根据用户的特点,提供个性化的行业和职业推荐,并详细介绍职业的工作内容和核心能力要求。 持续学习与更新:随着行业变化,及时更新数据和模型,以提供最新的职业信息。 4. 用户体验优化:设计简洁、易用的界面,提供良好的用户交互体验。 5. 市场推广:通过线上线下多种渠道进行推广,提高产品的知名度和用户覆盖面。 希望以上分析和规划对您有所帮助。
2025-02-18
有哪些主流的大模型?介绍一下每个大模型的具体信息,用英文回答
Some of the mainstream large models and their specific information are as follows: BERT: It is an encoderonly model commonly used in natural language understanding tasks such as classification and sentiment analysis. T5: An encoderdecoder model from Google, used for tasks like translation and summarization. GPT3: It has a large number of parameters and can complete tasks based on user input descriptions or examples. ChatGPT: Users can complete tasks by having conversations with it like with a human. The "large" in large models refers to the large amount of pretraining data, often from the Internet, including papers, code, and public web pages, usually at the terabyte level. Also, they have a large number of parameters. For example, GPT3 has 170 billion parameters.
2025-02-13
入门需要把每个视频都看一遍嘛
对于入门是否需要把每个视频都看一遍,这取决于您的学习目标和时间安排。 Karpathy 的 LLM 入门介绍视频内容非常丰富全面,涵盖了预训练、有监督微调、强化学习等多个方面,包括数据、分词、Transformer 神经网络的输入输出和内部结构、推理、GPT2 训练示例、Llama 3.1 基础推理示例等具体内容。还介绍了如何使用和在哪里找到 LLM 模型,如专有模型可通过访问官方网站或平台使用,开源模型可通过推理服务提供商、本地应用程序等方式体验和调用。同时也探讨了 ChatGPT 的本质、LLM 的局限性、优势、未来展望,如多模态、Agent 智能体、无处不在的隐形化、测试时训练、长上下文处理等发展趋势,以及跟踪 LLM 最新进展的资源,如 LLM 排行榜、AI News Newsletter、X(Twitter)等。 如果您希望对 LLM 有全面深入且系统的了解,观看全部视频会很有帮助。但如果您时间有限,或者只是对某些特定方面感兴趣,也可以有针对性地选择部分内容观看。
2025-02-13
适合客户端使用的 asr 模型有什么
以下是一些适合客户端使用的 ASR 模型: 1. Ollama: 支持多种大型语言模型,如通义千问、Llama 2、Mistral 和 Gemma 等,适用于不同应用场景。 易于使用,适用于 macOS、Windows 和 Linux 系统,同时支持 CPU 和 GPU。 提供模型库,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,可通过 https://ollama.com/library 查找。 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。 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。 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。 2. FishAudio 的 Fish Agent: 集成了自动语音识别(ASR)和文本到语音(TTS)技术,无需传统的语义编码器/解码器,即可实现语音到语音的直接转换。 模型经过 700,000 小时的多语言音频内容训练,支持包括英语、中文在内的多种语言,能够精准捕捉和生成环境音频信息。文本方面由 Qwen2.53B 处理。 相关链接: https://huggingface.co/fishaudio/fishagentv0.13b https://github.com/fishaudio/fishspeech 3. Gemini: Gemini Nano1 和 Gemini Pro 模型在各种 Benchmark 上的自动语音识别(ASR)任务中表现出色,如在 FLEURS、多语言 Librispeech 以及语音翻译任务 CoVoST 2 等测试集中。 相关链接:未提及。
2025-03-17
适合客户端使用的 tts 模型有什么
以下是一些适合客户端使用的 TTS 模型: 1. Fish Speech:语音处理接近人类水平,约十五万小时三语数据,对中文支持完美。开发者为 fishaudio,具有亿级参数,高效轻量,可在个人设备上运行和微调,适合作为私人语音助手。详细介绍及更多演示:https://xiaohu.ai/p/10779 ,GitHub:https://github.com/fishaudio/fishspeech 。 2. GPTSoVITS:只需 1 分钟语音即可训练一个自己的 TTS 模型,是一个声音克隆和文本到语音转换的开源 Python RAG 框架。5 秒数据就能模仿,1 分钟的声音数据就能训练出高质量的 TTS 模型,完美克隆声音。支持零样本 TTS、少量样本训练、跨语言支持、易于使用的界面等。GitHub: 。
2025-03-17
我是美区Tiktok shop 的卖家,希望使用AI生成带货短视频
以下是使用 AI 生成美区 TikTok Shop 带货短视频的步骤: 一、用 ChatGPT 生成短视频选题文案 表明身份,描述需求并提出回答要求,以美妆行业为例展开。 二、用 ChatGPT 生产短视频文案 将需求与框架结合,让 ChatGPT 为您生成短视频文案。 三、生成虚拟数字人短视频 1. 打开网站(需科学上网):https://studio.did.com/editor 2. 在右侧文字框输入从 ChatGPT 产生的内容,选择想要的头像。 3. 选择不同的国家和声音。 4. 内容和人像选择好后,点击右上角的“Create Video”,等待生成。 四、虚拟数字人结合产品做视频 1. 添加产品/介绍背景 若有自己的视频/图片素材可直接使用,若无,可根据搜索添加。 2. 扣像结合背景 在剪映中把数字人扣下来,导入视频,点击画面选择抠像,点击智能扣像,调整到合适的大小和位置。 3. 添加字幕和音乐 智能识别字幕。 可搜索添加音乐或手动添加喜欢的音乐。 这样就可以根据您的需求结合图片生成所需的视频,用于带货或讲解产品,也可应用于直播(直播可能收费,短视频可通过购买邮箱注册使用免费时长或直接购买会员版)。
2025-03-17
cursor中使用的prompt哪里有?
在 Cursor 中,prompt 可以通过以下方式设置: 1. 在 `.cursorrules` 文件中加入 prompt。让 Cursor 在被用户更正行为后思考错误并记录经验教训,若有必要,可直接用自然语言提示它记录。 2. `.cursorrules` 文件放在打开文件夹的根目录上,其特殊之处在于可以改变 Cursor 对于后台 LLM 的 prompt,文件中的所有内容都会作为 prompt 的一部分发给后端的 AI,如 GPT 或 Claude。 3. 关于 Devin 的 prompt,有,其中会教您什么样的 prompt 在与 Devin 沟通时最有效。将相关原则应用到 Cursor 中,也能使其变得更聪明,能够自主验证任务完成情况并进行迭代。
2025-03-16
comfui怎么使用
以下是关于 ComfyUI 的使用方法: 1. 模型放置: t5xxl_fp16.safetensors:放在 ComfyUI/models/clip/目录下。 clip_l.safetensors:放在 ComfyUI/models/clip/目录下。 ae.safetensors:放在 ComfyUI/models/vae/目录下。 flux1dev.safetensors:放在 ComfyUI/models/unet/目录下。 理解方式:flux1dev.safetensors 是底模,ae.safetensors 是 VAE,clip_l.safetensors 和 t5xxl_fp16.safetensors 是关于文字语言编码。 2. 图像形态学处理: 支持的处理方式:erode 腐蚀(去除小噪点/分离相邻对象)、dilate 膨胀(填补小洞/连接临近对象)、open 开(先腐蚀后膨胀)、close 闭(先膨胀后腐蚀)、gradient 梯度(膨胀与腐蚀之差)、top_hat 顶帽(原图与开之差)、bottom_hat 底帽(原图与闭之差)。 使用方法: 更新 ComfyUI。 右键 image/postprocessing/ImageMorphology。 接上图像输入和输出即可。 3. Canny ControlNet: 使用方法:以 SC 文生图为基础,在 C 阶段加上常规的 CN 节点,CN 模型直接下载到/models/checkpoints 里。 模型下载地址:https://huggingface.co/stabilityai/stablecascade/tree/main/controlnet 。 工作流分享地址:https://github.com/ZHOZHOZHO/ComfyUIWorkflowsZHO 。 4. 电脑硬件要求: 系统:Windows7 以上。 显卡要求:NVDIA 独立显卡且显存至少 4G 起步。 硬盘留有足够的空间,最低 100G 起步(包括模型)。 注:mac 系统,AMD 显卡,低显卡的情况也可以安装使用,但功能不全,出错率偏高,严重影响使用体验,个人建议升级设备或者采用云服务器玩耍。
2025-03-16
trae 使用教程
以下是 Trae 的保姆级使用教程: 1. 什么是 Trae: Trae 是字节跳动推出的智能编程助手,提供基于 Agent 的 AI 自动编程能力,使用自然语言对话就能实现代码编写。 2. Trae 的功能: 传统 IDE 功能,如代码编写、项目管理、插件管理、源代码管理等。 智能问答,可在编写代码时随时与 AI 助手对话,获得代码解释、注释和错误修复等帮助。 实时代码建议,能理解当前代码并在编辑器中实时提供建议,提升编程效率。 代码片段生成,通过自然语言描述需求生成相应代码片段,甚至能编写项目级或跨文件代码。 从 0 到 1 开发项目,告诉 AI 助手想开发的程序,其将提供相关代码或自动创建所需文件。 3. 下载 Trae: 官网下载地址:https://www.trae.ai/download ,支持 Mac 系统、Windows 系统,未来支持 Linux 系统。 4. 使用方法: 安装:下载完成后按界面提示一步步安装。 登录:安装完成后点击右侧登录按钮,程序会自动打开网页提示登录,无账号需先注册。登录完可能会出现“App Unavailable”,此时需要开启科学上网。网页登录成功后可关闭科学上网,再点击中间大按钮。 进入客户端后,查看对话框右下角,有三种大模型可选:Claude3.5Sonnet、Claude3.7Sonnet、GPT4o 。 Trae 提供两种模式:Chat 模式,根据描述进行代码生成、解释、分析问题或解决问题;Builder 模式,帮助从 0 开发完整项目,对代码文件的任何更改都会自动保存。 5. 使用案例: 生成一个贪吃蛇游戏:打开 Builder 模式,输入“使用 web 技术栈生成一个贪吃蛇游戏”,排队完成后 Trae 开始思考和代码编写,期间需手动接入进行文件审查并点击“全部接受”。代码生成完成后,Trae 自动运行命令启动页面,点击运行,在 Webview 中可看到游戏效果,试玩基本无 Bug。Trae 还进行了工作总结,说明了游戏的特性、主要功能和游戏界面。 生成一个任务清单应用:在输入框中输入“使用 Web 技术开发一个任务清单应用”,可直接看效果。 根据 UI 设计图自动生成项目代码:从站酷上找一张设计图,输入提示“使用 html 技术实现如图大屏页面”,虽页面不完美但可让 Trae 调整。 从实际体验来看,Trae 表现可圈可点,具有高效代码生成能力、多技术栈支持和动态调整潜力。
2025-03-16