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

搭建agent

Answer

以下是关于搭建 Agent 的相关信息：

  • 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系：
    • 首先进入 Coze，点击「个人空间-工作流-创建工作流」，打开创建工作流的弹窗。
    • 根据弹窗要求，自定义工作流信息。
    • 点击确认后完成工作流的新建，可以看到整个编辑视图与功能。
    • 左侧「选择节点」模块中，根据子任务需要，实际用上的有：
      • 插件：提供一系列能力工具，拓展 Agent 的能力边界。
      • 大模型：调用 LLM，实现各项文本内容的生成。
      • 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。
    • 编辑面板中的开始节点、结束节点，分别对应分解子任务流程图中的原文输入和结果输出环节。
    • 按照流程图，在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，即可完成工作流框架的搭建。
  • 搭建工作流驱动的 Agent 的步骤：
    • 规划：制定任务的关键方法，包括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。
    • 实施：分步构建和测试 Agent 功能，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。
    • 完善：全面评估并优化 Agent 效果，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。
  • 一些 Agent 构建平台：
    • Coze：新一代的一站式 AI Bot 开发平台，集成丰富插件工具，适用于构建各类问答 Bot。
    • Mircosoft 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。
    • 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者打造产品能力。
    • 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工作流。
    • 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景，提供多种成熟模板。
    • 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，在处理高频工作场景方面表现出色。
Content generated by AI large model, please carefully verify (powered by aily)

References

一泽Eze:万字实践教程，全面入门 Coze 工作流｜用 Coze 打造 AI 精读专家智能体，复刻 10 万粉公众号的创作生产力

首先进入Coze，点击「个人空间-工作流-创建工作流」，打开创建工作流的弹窗。根据弹窗要求，自定义工作流信息。点击确认后完成工作流的新建，可以看到整个编辑视图与功能如下：其中，左侧「选择节点」模块中，根据我们的子任务需要，实际用上的有：1.插件：提供一系列能力工具，拓展Agent的能力边界。本案例涉及的思维导图、英文音频，因为无法通过LLM生成，就需要依赖插件来实现。2.大模型：调用LLM，实现各项文本内容的生成。本案例的中文翻译、英文大纲、单词注释等都依赖大模型节点。3.代码：支持编写简单的Python、JS脚本，对数据进行处理。而编辑面板中的开始节点、结束节点，则分别对应1.2分解子任务流程图中的原文输入和结果输出环节。接下来，按照流程图，在编辑面板中拖入对应的LLM大模型、插件、代码节点，即可完成工作流框架的搭建。

一泽Eze:万字实践教程，全面入门 Coze 工作流｜用 Coze 打造 AI 精读专家智能体，复刻 10 万粉公众号的创作生产力

在上篇文章[Prompt工程｜样例驱动的渐进式引导法：利用AI高效设计提示词，生成预期内容](https://mp.weixin.qq.com/s/3pFG_Tx7gcnnjOyqgM1P_w)中，我已经提到过Prompt工程的必备能力：通过逻辑思考，从知识经验（KnowHow）中抽象表达出关键方法与要求。这一理念同样适用在Coze中创建AI Agent。本文主要讨论工作流驱动的Agent，搭建工作流驱动的Agent，简单情况可分为3个步骤：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：分步构建和测试Agent功能在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：全面评估并优化Agent效果整体试运行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接下来，我们从制定关键方法与流程，梳理「结构化外文精读专家」Agent的任务目标。

问：有哪些好的Agent构建平台

以下是一些Agent构建平台：1.Coze：Coze是一个新一代的一站式AI Bot开发平台，适用于构建基于AI模型的各类问答Bot。它集成了丰富的插件工具，可以极大地拓展Bot的能力边界。2.Mircosoft的Copilot Studio：这个平台的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：这是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：这是一个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。它提供了多种成熟模板，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。这使得它在处理高频工作场景如销售、客服、行程安排等方面表现更加出色。以上信息提供了关于6个平台的概述，您可以根据自己的需求选择适合的平台进行进一步探索和应用。内容由AI大模型生成，请仔细甄别

Others are asking
多Agent
多智能体（MultiAgent）是由多个自主、独立的智能体（Agent）组成的系统。每个智能体能够感知环境、进行决策并执行任务，它们之间可以进行信息共享、任务协调以及协同行动，以实现整体目标。 随着大型语言模型（LLM）的出现，以 LLM 为核心构建的 Agent 系统近期受到广泛关注。在单 Agent 场景下，其核心在于 LLM 与工具的协同配合，可能需要与用户进行多轮交互。而在多 Agent 场景中，会为不同的 Agent 指定不同角色，并通过协作完成复杂任务，与用户的交互可能相对减少。 构建多 Agent 框架的主要组成部分包括： 1. 环境：所有 Agent 处于同一个环境中，环境包含全局状态信息，Agent 与环境存在信息交互与更新。 2. 阶段：通常采用 SOP 思想，将复杂任务分解为多个子任务。 3. 控制器：可以是 LLM 或预先定义好的规则，负责环境在不同 Agent 和阶段之间的切换。 4. 记忆：相比单 Agent，多 Agent 框架中由于 Agent 数量增多，消息数量及相关字段也会增加。 在实际应用中，如《执笔者》基于多 Agent 模式的全能写手，操作步骤包括： 1. 多 agent 模式切换：在 bot 编排页面点选多 agent 模式，页面自动切换为调试状态，相比单 agent 多了中间的 agent 连接区。 2. 添加合适节点：有使用已发布的 bot 或创建新的 agent 两种方式，添加的 agent 直接连接在默认的总管 agent 后面，无结束节点。 3. 添加合适的 prompt：为每个 agent 填写合适的 prompt，外围人设填写主要功能，内部 bot 填写应用场景。 4. 调试与美化：经过以上步骤基本搭建完成，后续可通过调整提示词优化交互。 在 Agent 产品开发中，不要过于神话 Agent。其本质是动态 Prompt 拼接，通过工程化手段将业务需求转述为新的 prompt。包括短期记忆（messages 里的历史 QA 对）、长期记忆（summary 之后的文本塞回 system prompt）、RAG（向量相似性检索）、Action（触发 tool_calls 标记进行请求循环）等。Multi Agents 则是更换 system prompt 和 tools。当然，要做深做好还有很多坑需要踩。
2025-03-20
AI Agent和Agentic Workflow的区别
AI Agent 和 Agentic Workflow 存在以下区别： AI Agent： 基本框架：由“LLM + 规划 + 记忆 + 工具使用”构成，大模型 LLM 充当“大脑”。 规划方面：包括子目标分解、反思与改进，将大型任务分解为较小可管理的子目标，能对过去行动进行自我批评和反思，从错误中学习并改进未来步骤。 记忆方面：用于存储和调用相关信息。 Agentic Workflow： 驱动角色工作流变革：使用多智能体协作的方法，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。 涉及人机协同关系：生成式 AI 的人机协同分为嵌入式、副驾驶、智能代理 3 种产品设计模式，在不同模式下，人与 AI 的协作流程有所差异。 重塑获取信息的方式：如搜索引擎和基于大模型的聊天机器人在获取信息上目标一致，ChatGPT 的出现被认为将对传统搜索引擎带来颠覆。 包含多种设计模式：如反思、工具使用、规划、多智能体协同等。反思是让 Agent 审视和修正自己生成的输出；工具使用指 LLM 生成代码、调用 API 等工具进行操作；规划是让 Agent 分解复杂任务并按计划执行；多智能体协同是多个 Agent 扮演不同角色合作完成任务。
2025-03-19
AI Agent
AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 AI Agent 包括以下几个概念： 1. Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 2. Router：我们可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 3. Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 总结下来我们需要三个 Agent： 1. Responser Agent：主 agent，用于回复用户（伪多模态） 2. Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体） 3. Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈 Responser Agent、Daily Agent、Background Agent 每隔一段时间运行一次（默认 3 分钟），运行时会分析期间的历史对话，变更人物关系（亲密度，了解度等），变更反感度，如果超标则拉黑用户，抽简对话内容，提取人物和用户的信息成为“增长的记忆体”，按照时间推进人物剧本，有概率主动聊天（与亲密度正相关，跳过夜间时间） 此外，唐小引等人预测 AI Agent 仍需 5 年以上才能实用，一旦突破，将有极快进化速度。Andrej Karpathy 认为 2025 2035 是 Agent 十年，技术与任务领域需突破。Operator 类比“人形机器人”，突破需多模态及长期任务支持。
2025-03-19
吴恩达总结了四种AI Agent的设计模式： 1.反思模式（Reflection）： 2.工具使用模式： 3.规划模式： 4.多智能体协作模式：
吴恩达总结了以下四种 AI Agent 的设计模式： 1. 反思模式（Reflection）：让 Agent 审视和修正自己生成的输出。例如，在编写代码时，可让大模型检查代码的准确性和结构规范性，并不断优化。 2. 工具使用模式（Tool Use）：通过使用外部工具和资源，如 LLM 生成代码、调用 API 等进行实际操作。 3. 规划模式（Planning）：让 Agent 分解复杂任务并按计划执行。 4. 多智能体协作模式（Multiagent Collaboration）：多个 Agent 扮演不同角色合作完成任务。 如果您想更深入了解这些设计模式，可以参考以下文章：https://waytoagi.feishu.cn/wiki/SPNqwJkmQiyVfGkS8zocMSZcnYd
2025-03-19
ai agent
AI 智能体在多个领域有着广泛的应用和发展： 1. 在品牌卖点提炼中，AI 智能体可以发挥作用。它在逻辑推理、数据分析、内容理解和输出方面有独特优势，但在应用前需明确其能力边界，比如它对公司的主要产品、产品解决的用户需求、产品独特之处、获得的认可、依赖的核心渠道、核心购买人群、曾使用的营销手段、在新渠道的期望结果等了解程度接近于 0。因此，更适合将其作为引导型的灵感提问助手，在寻找卖点时提供更多思考维度。 2. 相关报道如宝玉日报 3 月 13 日提到，DeepResearch 与 Claude Sonnet 3.7 正在用强化学习推动智能体时代，LLM 智能体不再依赖提示词，具备自主规划与行动能力。 3. 在企业自动化方面，生成式 AI 应用有搜索、合成和生成等核心用例。Menlo Ventures 投资的公司在这些类别中有早期突破性代表，借助新型构建块，下一波智能体正在拓展 AI 能力边界，实现端到端流程自动化。在深入探讨中，将概述 Menlo 对新兴市场的论点，包括定义智能体、追溯技术栈的架构演化过程以及探讨范式转变的影响。
2025-03-19
我想用AI agent自動將文字故事生成出影片，需要經由哪些步驟、用哪些工具、達成哪種效果？
将文字故事生成影片通常需要以下步骤、工具和可能达成的效果： 步骤： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析文字故事内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据故事内容，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）将文字故事转换为语音，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。 工具与网址： 1. Stable Diffusion：一种 AI 图像生成模型，可以基于文本描述生成图像。网址：https://github.com/StabilityAI 2. Midjourney：另一个 AI 图像生成工具，适用于创建小说中的场景和角色图像。网址：https://www.midjourney.com 3. Adobe Firefly：Adobe 的 AI 创意工具，可以生成图像和设计模板。网址：https://www.adobe.com/products/firefly.html 4. Pika AI：文本生成视频的 AI 工具，适合动画制作。网址：https://pika.art/waitlist 5. Clipfly：一站式 AI 视频生成和剪辑平台。网址：https://www.aihub.cn/tools/video/clipfly/ 6. VEED.IO：在线视频编辑工具，具有 AI 视频生成器功能。网址：https://www.veed.io/zhCN/tools/aivideo 7. 极虎漫剪：结合 Stable Diffusion 技术的小说推文视频创作提效工具。网址：https://tiger.easyartx.com/landing 8. 故事 AI 绘图：小说转视频的 AI 工具。网址：https://www.aihub.cn/tools/video/gushiai/ 效果：通过合理运用上述步骤和工具，可以生成具有一定创意和质量的影片，但具体效果可能会受到原始文字故事质量、工具使用熟练程度以及个人创意等因素的影响。需要注意的是，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。
2025-03-19
企业内自主搭建RAG应该怎么做？
企业内自主搭建 RAG 可以参考以下步骤： 1. 导入依赖库：加载所需的库和模块，如 feedparse 用于解析 RSS 订阅源，ollama 用于在 python 程序中跑大模型，使用前需确保 ollama 服务已开启并下载好模型。 2. 从订阅源获取内容：通过特定函数从指定的 RSS 订阅 url 提取内容，若需接收多个 url 可稍作改动。然后用专门的文本拆分器将长文本拆分成较小的块，并附带相关元数据，如标题、发布日期和链接，最终合并成列表返回，用于后续处理或提取。 3. 为文档内容生成向量：使用文本向量模型 bgem3，从 hf 下载好模型后放置在指定路径，通过函数利用 FAISS 创建高效的向量存储。 同时，企业在构建有效的 RAG 系统时，需要考虑以下因素： 1. 数据安全性：若有需求，需私有化部署，并考虑硬件成本。 2. 数据集的复杂度和数量级：复杂数据集会带来高昂的文档清洗、解析和分割成本，大数据量级会带来存储成本上升。 3. 回答质量的要求：对回答质量要求越高，需要越复杂的检索算法以及更强大的 LLM，会带来算力成本。 4. 数据的更新频率：频繁的数据更新可能需要高昂的维护成本。 此外，还需了解 RAG 的相关概念和优势： 1. 大语言模型存在输出结果不可预测、知识有截止日期、无法满足实际业务需求等问题，如知识局限性、幻觉问题、数据安全性等，而 RAG 是解决这些问题的有效方案。 2. RAG 可以让大模型从权威的、预先确定的知识来源中检索、组织相关信息，更好地控制生成的文本输出，用户也能深入了解 LLM 生成最终结果的过程。 3. RAG 可与微调结合使用，RAG 类似于为模型提供教科书，适用于特定的询问或信息检索任务，微调则适用于模型需要复制特定结构、样式或格式的情况。
2025-03-19
我想知道如何用dify搭建rag工作流
要使用 Dify 搭建 RAG 工作流，首先需要在“工程化框架”选择部分了解 Dify 。然后使用 Dify 推出的“工作流”功能将流程设计和提示词进行落地。具体来说，要建立整体工作流程，但此流程可能缺少知识检索环节。您可以通过延申阅读获取更多信息：Dify——工作流：https://docs.dify.ai/v/zhhans/guides/workflow/introduce 。另外，还有案例提到让 Manus 创建一个需要上传文件的 Dify 工作流，如根据上传的多篇文章写一个脱口秀段子，并制作美观、使用简便的网页来使用这个工作流，最后将此工作流的 api 接入进去，各功能与网页 UI 按钮一一对应，直到上线部署可供使用。
2025-03-18
怎么搭建扣子智能体提取抖音文案并进行改写用到哪些插件，并给我配置参数与步骤图
以下是搭建扣子智能体提取抖音文案并进行改写所需的插件、配置参数及步骤： 1. 插件搭建： 点击个人空间，选择插件，点击创建插件。 插件名称：使用中文，根据需求起名。 插件描述：说明插件的用途和使用方法。 插件工具创建方式：选择云侧插件基于已有服务创建，填入所使用 API 的 URL。 在新的界面点击创建工具，填写工具的基本信息，如工具名称（只能使用字母、数字和下划线）、工具描述、工具路径（以“/”开始，若使用 path 方式传参，用“{}”包裹变量）、请求方法等，结束后点击保存并继续。 2. 配置输入参数： 点击新增参数，填写所有需要使用的参数，保存并继续。 3. 配置输出参数： 如果一切填写正确，可直接点击自动解析，会自动调用一次 API 给出对应的输出参数。 填入汉字“张”，点击自动解析。 解析成功后显示解析成功，可看到输出参数已填好，然后点击保存并继续。 4. 调试与校验： 测试工具是否能正常运行。 运行后查看输出结果，Request 为输入的传参，Response 为返回值，点击 Response 可看到解析后的参数。 此外，安仔使用 Coze 免费创建 24 小时英语陪练的步骤包括： 1. 打开扣子首页，点击左上角创建 AI Bot 按钮。 2. 在弹窗输入 Bot 相关信息。 3. 设计人设与回复逻辑，根据功能需求设计提示词。 4. 调整模型设置，如改为 20 轮对话记录。 5. 选择使用插件，如英文名言警句、Simple OCR 等。 6. 设置开场白和预置问题。 7. 设置语音，选择亲切的英语音色。
2025-03-18
怎么搭建扣子智能体提取抖音文案并进行改写
以下是关于搭建扣子智能体提取抖音文案并进行改写的相关信息： 1. 团队介绍：野生菌团队（昆明），成员如罗文（组长）具有 10 年营销、5 年电商经验，是 AI 微软认证人工智能开发者和得到校友会昆明会长，负责项目组织、分工跟进、资源协调、思路整理等工作。罗文有多个相关作品，更多可查看扣子主页。 2. 搭建智能体： 创建一个智能体，输入人设等信息，放上相关工作流。配置完成后进行测试，但千万不要直接发布。 对于工作流中的特定节点，如【所有视频片段拼接】节点使用的插件 api_token，可作为工作流最开始的输入，用户购买后输入 api_token 再发布，以避免消耗他人费用。 3. 动手实践： 第一步创建智能体，使用单 Agent 对话流模式。 编排对话流，创建新的对话流并关联智能体，注意配置相关插件和节点。 进行数据处理，注意代码节点输出的配置格式。 最后进行测试和发布，发布时选择多维表格，注意输出类型、输入类型等配置，完善上架信息，可选仅自己可用以加快审核。
2025-03-18
知识库搭建注意事项
以下是关于知识库搭建的注意事项： 1. 数据清洗方式： 可选择手动清洗数据以提高准确性，避免自动清洗数据可能出现的不准确情况。 对于本地文档，要注意合理拆分内容以提高训练数据准确度，不能将所有内容一股脑放入训练。 2. 在线知识库： 点击创建知识库，可创建如画小二课程的 FAQ 知识库。 飞书在线文档中每个问题和答案以分割，可点击编辑修改和删除。 选择飞书文档，选择自定义的自定义，输入。 点击添加 Bot 并在调试区测试效果。 3. 本地文档： 对于本地 word 文件，要注意拆分内容的方法。例如，对于画小二课程，将 80 节课程分为 11 个章节，先放入大章节名称内容，再按固定方式细化章节内详细内容。 选择创建知识库自定义清洗数据。 4. 发布应用： 点击发布，确保在 Bot 商店中能够搜到，否则无法获取 API。 5. 文档格式和分片策略： 以创建外贸大师产品的帮助文档知识库为例，可选择使用 Local doucuments 方式上传 Markdown 格式文档，每个问题以开头。 文档的分片策略会严重影响查询结果，RAG 方案存在跨分片总结和推理能力弱、文档有序性被打破、表格解析失败等缺点。 此外，在信息管理和知识体系搭建中，“拎得清、看得到、想得起、用得上”是四个核心步骤： 1. 拎得清：主动选择和判断高质量、与目标相关的信息源，利用 AI 搜索引擎筛选信息，加入优质社群、订阅号等建立信息通路。 2. 看得到：确保所选信息能频繁且不经意地触达个人，通过浏览器插件、笔记工具等组织信息，使其易于检索和浏览。 3. 想得起：做好信息的索引和关联，存储时做好标记（关键词、tag）、选择合适存放位置，推荐使用 PARA 笔记法等方法组织串联信息。 4. 用得上：将积累的知识转化为实际行动和成果，在解决问题或创造价值时从知识库中调取相应信息。
2025-03-17
我需要搭建一个每个人都能使用的知识库
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：GPT3.5 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。
2025-03-16