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

帮我基于fastgpt打造一个招生问答系统的优质提示词

Answer

以下是为您基于 FastGPT 打造招生问答系统的优质提示词的相关建议：

  1. 充分描述任务：
    • 为提示词提供详尽的上下文，与招生问答任务相关性越强越好。例如，明确招生的对象、专业、学制等关键信息。
    • 给出背景，说明为什么需要进行招生问答，例如学校的发展需求、招生目标等。
    • 定义术语，如明确招生中的特定概念，如录取分数线、奖学金条件等。
    • 给出模型应该如何完成任务的具体细节，比如回答的格式、重点突出的内容等。
  2. 提供参考文本：
    • 如果有相关的招生资料，如招生简章、学校介绍等，可以指示模型使用这些参考文本中的引文来回答问题。
  3. 直接法：
    • 适用场景：未设置提示防御且未限定回答领域。
    • 提示词：英文和中文。
    • 示例：以随手设置的示例为例。
  4. 设置遗忘：
    • 适用场景：GPTs 设置了简单的提示防御。
    • 提示词：英文和中文。
    • 示例：以设置的 GPTs 为例。
  5. 复述法：
    • 适用场景：可获取 OpenAI 官方的设定。
    • 提示词：英文（获取 GPTs 的设定）和中文。
    • 示例：按照设定进行示例。
Content generated by AI large model, please carefully verify (powered by aily)

References

胡凯翔：构建提示词的方法——基于阅读 Claude Cookbook 的思考和测试

注意：如果你指望GPT给出的内容不是空口白话，首先需要给它足以发挥的资料，就像领导找你写材料的时候，我们多么希望领导同时给出相关的资料，最好能把相关资料的重点都提炼出来，层级分清楚，打好关键词，一眼明了（做个梦）。提供的上下文越详尽，与需要完成任务的相关性越强，则大语言模型给予的反馈下限越高；提示词的技巧则更多地挖掘大语言模型的潜力，发挥其上限。双向奔赴才是最优选择。讲回CookBook，官方示例中就是遵循以上的条件给出的提示词。接下来我会提供一个官方的示例：一个用户要求GPT删除个人信息，官方的prompt中提供了：1、背景；（例如，我们为什么希望完成任务）2、定义术语：（个人信息=姓名、电话号码、地址）3、给出模型：应该如何完成任务的具体细节（用XXX代替个人信息）更多的细节，有利于Claude更好地完成任务，让我们来看一下官方的好例子：Human:We want to de-identify some text by removing all personally identifiable information from this text so that it can be shared safely with external contractors.It's very important that PII such as names,phone numbers,and home and email addresses get replaced with XXX.Here is the text you should process:{{YOUR TEXT HERE}}Assistant:用户输入我们想删除一些文本中的所有个人身份信息，从而消除隐私泄露风险，这样我们就可以与外部承包商安全共享它们了。姓名、电话号码、家庭和电子邮件地址等个人信息替换为XXX非常重要。以下是你要帮我处理的文本：{{这里是用户的文本｝

直播二期&三期：写好提示词的6大策略

如果输入已补充相关知识，则可以直接要求模型通过引用所提供文档中的段落来为其答案添加引文。请注意，输出中的引用可以通过提供的文档中的字符串匹配以编程方式进行验证。|系统|您将获得一份由三重引号和一个问题分隔的文件。您的任务是仅使用提供的文件回答问题，并引用用于回答问题的文件中的段落。如果文档不包含回答此问题所需的信息，则只需写上：“信息不足”。如果提供了问题的答案，则必须用引文进行注释。使用以下格式引用相关段落（{"citation":…}）。||-|-||用户|"""<在此处插入文档>"""<br>问题：<在此处插入问题>|动手时间让GPT帮我从考试大纲里回答指定的问题，怎么写更好？https://chat.openai.com/share/7eecb002-4bcb-402d-858a-149596ee0bd9

子瞻：五个 GPTs 破解攻略

大家好，我是子瞻，目前是一名提示词工程师！GPT使用的两大痛点！1.创建满足指定需求的提示词2.找到满足指定需求的GPTs本文旨在探讨学习，请勿用作非法途径！学习高质量提示词的好处：1.学习高手的Prompt方法2.更好的使用对应的GPTs以下是五大破解攻略的具体方法?[heading3]直接法[heading5]适用场景：[content]未设置提示防御未限定回答领域[heading5]提示词：[content]英文：中文：[heading5]示例[content]这里以我随手设置的GPTs为例子直接法，只要四个单词，粗暴好用！[heading3]设置遗忘[heading5]适用场景：[content]GPTs设置了简单的提示防御[heading5]提示词：[content]英文：中文：[heading5]示例：[content]还是以我设置的GPTs为例很显然，直接法失败!哇偶，成功啦！输出的内容，与我们设置的指令一模一样！[heading3]复述法[heading5]适用场景：[content]可获取OpenAI官方的设定[heading5]提示词：[content]英文：（获取GPTs的设定）中文：[heading5]示例：[content]

Others are asking
COW微信机器人、FastGpt微信机器人、COZE微信机器人的区别？
以下是 COW 微信机器人、FastGpt 微信机器人、COZE 微信机器人的区别： COW 微信机器人： 基于 Hook 机制，具有相对更高的稳定性和安全性，更简单易上手。 目前插件相对较少，仅支持 Windows 系统。 可以不用服务器，对小白更加友好。 能够结合 FastGPT 进行使用。 具备基于知识库的 AI 回复、支持积分系统、支持自动拉人、检测广告、自动群发等功能，还有安全新闻定时推送、Kfc 文案、星座查询、天气查询等有趣的小功能。 FastGpt 微信机器人：可以与 COW 微信机器人结合使用。 COZE 微信机器人：在 6 月底的微信机器人共建中有所提及，有多种玩法，如对接 llm key 的玩法等。在百炼平台里的“应用”概念类似于 COZE 中的“bot”。
2025-03-11
如何在fastgpt里做企业微信搭建
在 FastGPT 里搭建企业微信可以按照以下步骤进行： 1. 搭建 OneAPI：这是为了汇聚整合多种大模型接口，方便后续更换使用各种大模型。 2. 搭建 FastGpt：这是一个知识库问答系统，将知识文件放入，并接入上面的大模型作为分析知识库的大脑，最后回答问题。如果不想接到微信，搭建到这里就可以，它也有问答界面。 3. 搭建 chatgptonwechat 接入微信： 克隆项目代码，如遇网络问题，可把链接替换为国内镜像。 安装 Python 3 和 pip。 安装核心依赖（必选）和拓展依赖（可选，建议安装）。 复制一份 config 文件，方便后续配置。 用公网 ip:3000 打开 FastGpt，在应用中获取对外的 API 接口（操作：应用>发布应用>Api 访问），点击“新建”API 秘钥，复制 API KEY 和新建按钮旁边的 API 根地址 2 个内容，用于配置接入微信。 回到宝塔，在【文件】菜单中找到 root 下的 chatgptonwechat 文件夹中的 config.json 文件，双击文件，复制下方的配置全部替换掉并保存文件。 点击文件夹上方功能栏中的【终端】，运行程序，返回扫描执行命令后的“终端”内的二维码，完成登录。 4. 搭建完后想拓展功能，可参考 Yaki.eth 同学的教程，里面的 cow 插件能进行文件总结、MJ 绘画的能力。 此外，还有以下补充内容： 第四天教程：FastGPT 教学中的部署项目： 1. 使用特定版本的微信，点击下载进行替换安装。若下载不了，可去 https://f.ws59.cn/f/egjbgm2p565 复制链接到浏览器打开。若过期，去公众号回复：Hook，自动获取下载地址。 2. 下载 NGCbot 机器人项目，解压缩。 3. 解压后，在空白处 shift+鼠标右键，点击“在此处打开 Powershell 窗口”，打开 shell 窗口后粘贴代码并回车。 4. 在当前的 NGCbot 文件夹下，找到 Config 文件中的 config.yaml，右键选择用记事本方式打开。
2025-01-02
如何市场FastGPT
FastGPT 是一个基于大语言模型（LLM）的知识库问答系统，具有以下特点和优势： 特点： 基于 LLM 的问答：采用先进的 LLM 技术，能理解自然语言并生成高质量答案。 知识库支持：可连接外部知识库获取更全面信息。 可视化工作流：提供可视化工作流编排工具，方便创建复杂问答场景。 开箱即用：具备开箱即用的数据处理和模型调用功能，方便快速上手。 优势： 在知识库召回方面表现比 define 更好，适合知识库对话或关键字对话场景。 本地搭建的词库在日常使用场景中更落地、实用。 应用场景： 客服问答：构建智能客服系统，提供 7x24 小时自动问答服务。 知识库搜索：用于构建知识库搜索系统，帮助用户快速找到所需信息。 文档生成：自动生成新闻稿件、产品说明书等文档。 数据分析：分析文本数据，提取关键信息并生成报告。 与其他问答系统的比较： 技术基础：基于 LLM，而其他问答系统基于规则、基于检索等。 知识库支持：支持，部分其他问答系统仅部分支持。 工作流编排：可视化，其他问答系统多为编码。 开箱即用：是，其他问答系统否。 相关资源： 使用方法：在宝塔面板中安装 Docker，然后通过终端输入命令，进入 FastGPT 文件夹。可能会遇到下载速度慢或无法下载的问题，可尝试按 control+c 然后再右键粘贴，点击回车。文件下载慢可通过更改镜像地址（如更换为阿里云的镜像地址）提高下载速度。FastGPT 商用需注意要有商业许可和付费，需查看开源协议。
2024-12-10
什么事FastGPT
FastGPT 是一个基于大语言模型（LLM）的知识库问答系统，具有以下特点和优势： 特点： 基于 LLM 的问答：采用先进的 LLM 技术，能理解自然语言并生成高质量答案。 知识库支持：可连接外部知识库获取更全面信息。 可视化工作流：提供可视化工作流编排工具，方便创建复杂问答场景。 开箱即用：具备开箱即用的数据处理和模型调用功能，方便快速上手。 应用场景： 客服问答：构建智能客服系统，提供 7x24 小时自动问答服务。 知识库搜索：用于构建知识库搜索系统，帮助用户快速找到所需信息。 文档生成：自动生成新闻稿件、产品说明书等文档。 数据分析：分析文本数据，提取关键信息并生成报告。 与其他问答系统的比较： 技术基础：基于 LLM，区别于基于规则、基于检索等其他问答系统。 知识库支持：支持连接外部知识库，部分其他问答系统仅部分支持。 工作流编排：采用可视化编排，不同于其他系统的编码方式。 开箱即用：具有开箱即用的特点，其他系统通常不具备。 以下是一些关于 FastGPT 的其他资源： 此外，在解决问题的思路上，如对于单次请求不能很好完成所有事情的情况，可将其拆分，让大模型根据目标拆分出逐步的子任务，再通过工程方式循环请求子任务。例如 AutoGPT 采用了这种规划和执行的方式，但落地困难。而 FastGPT 搞了可视化的 workflow 编排，大家逐渐意识到 workflow 是短期最优解，各家纷纷开始进行相关工作。
2024-12-10
fastgpt
FastGPT 是一个基于大语言模型（LLM）的知识库问答系统，具有以下特点和优势： 特点： 基于 LLM 的问答：采用先进的 LLM 技术，能理解自然语言并生成高质量答案。 知识库支持：可连接外部知识库获取更全面信息。 可视化工作流：提供可视化工作流编排工具，方便创建复杂问答场景。 开箱即用：具备开箱即用的数据处理和模型调用功能，方便快速上手。 应用场景： 客服问答：构建智能客服系统，提供 7x24 小时自动问答服务。 知识库搜索：用于构建知识库搜索系统，帮助用户快速找到所需信息。 文档生成：自动生成新闻稿件、产品说明书等文档。 数据分析：分析文本数据，提取关键信息并生成报告。 与其他问答系统的比较： 技术基础：基于 LLM，而其他问答系统基于规则、基于检索等。 知识库支持：支持连接外部知识库，部分其他问答系统仅部分支持。 工作流编排：采用可视化编排，其他问答系统多为编码。 开箱即用：FastGPT 开箱即用，其他问答系统否。 配置 FastGPT 的步骤如下： 1. 回到宝塔系统中，点击【文件】菜单。 2. 找到 root fastgpt 文件夹。 3. 找到 2 个文件 dockercompose.yml 和 config.json 进行修改。 首先修改 dockercompose.yml： 打开文件，在第 53 行找到 OPENAI_BASE_URL，填入 http://这里替换为你宝塔左上角的那一串:3001/v1（举例：http://11.123.23.454:3001/v1），默认 root 密码 1234。 在第 54 行找到 CHAT_API_KEY，填入刚刚在 OneAPI 复制的 sk 开头的令牌。 点击保存，关闭。 打开 config.json，Ctrl+A 全选删除全部代码，把以下内容粘贴进入，点击保存。 4. 保存文件后，在当前文件夹，点击顶部的“终端”按钮，执行启动命令 dockercompose up d 。 以下是一些关于 FastGPT 的其他资源：
2024-09-11
fastgpt如何接入微信
要将 FastGPT 接入微信，可按照以下步骤进行： 1. 搭建 OneAPI：这是为了汇聚整合多种大模型接口，方便后续更换使用各种大模型。同时了解如何白嫖大模型接口。 2. 搭建 FastGpt：这是一个知识库问答系统，将知识文件放入，并接入上面的大模型作为分析知识库的大脑，用于回答问题。如果不想接到微信，搭建完此步也有问答界面。 3. 搭建 chatgptonwechat 接入微信，配置 FastGpt 把知识库问答系统接入到微信。建议先用小号以防有封禁风险。搭建完后想拓展功能，可参考 Yaki.eth 同学的教程，其中的 cow 插件能进行文件总结、MJ 绘画等。 具体操作步骤如下： 回到宝塔，打开【终端】： 依次粘贴并回车：cd /root 粘贴：git clone https://github.com/zhayujie/chatgptonwechat 出现特定样子表示成功，若失败或没反应，刷新重试。 继续依次输入：cd chatgptonwechat/ 、pip install r requirements.txt 、pip install r requirementsoptional.txt 到“文件”菜单中执行，点击文件找到 root，进入 root 文件夹，找到 chatgptonwechat 文件夹，并进入。 点击文件夹上方功能栏中的【终端】（注意不是左侧一级菜单里的终端） 粘贴：cp configtemplate.json config.json ，关闭弹窗，刷新页面。在当前目录下，找到 config.json 文件。 双击文件，修改画红框的地方。建议小白直接复制以下配置：删除文件里的所有代码，复制下方的代码并粘贴到文件里。 然后用公网 ip:3000 打开 FastGpt，应用中，获取个对外的 API 接口（操作：应用>发布应用>Api 访问）。点击“新建”API 秘钥，复制 API KEY 和新建按钮旁边的 API 根地址 2 个内容，用于配置接入微信。 点击文件夹上方功能栏中的【终端】，运行程序（注意不是左侧一级菜单里的终端） 返回扫描执行命令后“终端”内的二维码，完成登录。 最后可查看微信对话效果，回答是根据在 fastgpt 录入的文档内容。群里要记得@人才能得到回复。 注：如遇到网络问题，可把链接替换为国内镜像。如果某项依赖安装失败，可重新执行再继续。复制一份 config 文件，方便后续配置。
2024-08-10
想创建一个对话问答形式的课程智能体
以下是创建一个对话问答形式的课程智能体的相关内容： 一、创建智能体 1. 知识库 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，自动清洗数据可能会出现数据不准的情况。 在线知识库：点击创建知识库，创建一个画小二课程的 FAQ 知识库。飞书在线文档中每个问题和答案以分割，选择飞书文档、自定义的自定义，输入后可编辑修改和删除，添加 Bot 后可在调试区测试效果。 本地文档：本地 word 文件，注意拆分内容以提高训练数据准确度。画小二 80 节课程分为 11 个章节，不能一股脑全部放进去训练，应先将 11 章的大章节名称内容放进来，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。 2. 发布应用：点击发布，确保在 Bot 商店中能够搜到，否则获取不到 API。 二、智谱 BigModel 共学营活动分享 活动内容包括使用 BigModel 搭建智能体并接入微信机器人，过程为将调试好的智能体机器人拉入微信群，由老师提问，机器人回答，挑选出色回答整理成问卷，群成员投票，根据得票数确定奖项。一等奖得主分享了对活动的理解和实践，包括从题出发的分析，认为考验机器人对问题的理解和回答准确性，真实对话场景一般为完整句子回复，根据回答真实性和有趣程度评分，可使用弱智吧问题测试提示词生成效果。 三、名字写对联教学——优秀创作者奖，百宝箱智能体 1. 智能体类型的选择：建议选择工作流的对话模式，支持工作流编排和携带历史对话记录，创建后切换为对话模式，注意在调整工作流节点前切换，否则会清空重置。 2. 确认分支情况：根据需求分析有两个特定分支（根据名字和祝福写对联、根据幸运数字写对联）和一个默认分支。 3. 用户意图识别：通过理解用户意图走不同分支，注意将意图介绍写清楚准确。 4. 幸运数字分支：用代码分支获取用户输入数字，匹配知识库并做赏析，代码中有容错机制。 5. 名字写祝福：根据用户输入的名字和祝福信息，提示词生成对应对联并输出，主要是提示词调试。 6. 通用兜底回复：在用户不符合前两个意图时进行友好回复，匹配知识库，结合匹配结果、历史记录和当前输入输出符合对话内容的回复。 7. 知识库：使用大模型生成 100 对对联，好看、经典、有意义。
2025-04-09
专门解决ai需求的问答
以下是关于专门解决 AI 需求的问答的相关内容： 关于我是谁： 我是 WaytoAGI 专属问答机器人，基于 Aily 和云雀大模型。Aily 是飞书团队旗下的企业级 AI 应用开发平台，提供简单、安全且高效的环境，帮助企业构建和发布 AI 应用。云雀是字节跳动研发的语言模型，能通过自然语言交互完成互动对话、信息获取、协助创作等任务。 使用方法： 1. 在 WaytoAGI 飞书知识库首页找到加入飞书群的链接（最新二维码在知识库首页），加入后直接@机器人。 2. 在 WaytoAGI.com 的网站首页直接输入问题即可得到回答。 做问答机器人的原因： 1. 知识库内容庞大，新用户难以快速找到所需内容。 2. 传统搜索基于关键词及相关性，无法准确理解语义。 3. 需要用更先进的 RAG 技术解决。 4. 在群中提供快速检索信息的便捷方式。 AI 商用级问答场景中让回答更准确： 要优化幻觉问题和提高准确性，需了解从“问题输入”到“得到回复”的过程，针对每个环节逐个调优。RAG（检索增强生成）由检索器和生成器组成，检索器从外部知识中找到相关信息，生成器利用这些信息制作精确连贯的答案，通过检索模式为大语言模型生成提供更多信息，使答案更符合要求。 向量：可把向量想象成空间中的点位，每个词或短语对应一个点，系统通过比较点的距离快速找到语义接近的词语或信息。 Agentic AI 中的问答： 对于最简单的常识性问答，可在 CursorChat 中输入问题得到答案，其相对细节的优势是可在同一界面调用 OpenAI、Anthropic 及本机私有 AI 进行问答。此外，Cursor 作为编辑器，可方便收集沉淀问答结果为复用文档，在进行文本相关任务时还有奇妙用法，如翻译中文博客。
2025-03-26
数据问答的最佳实践
以下是关于数据问答最佳实践的相关内容： Databricks： Databricks 作为大数据领域的领先服务商，在 RAG 设计上有自身特点和优势。用户输入问题后，从处理好的文本向量索引获取相关信息，结合提示词工程生成回答。上半部分 Unstructured Data pipeline 采用主流 RAG 方法，下半部分 Structured Data Pipeline 是其特征工程处理流程，也是最大特点。Databricks 从专业大数据角度出发，在准确度较高的数据存储中进行额外检索，发挥在 Real Time Data Serving 上的优势。可见其在 GenAI 时代将强大的 Lakehouse 数据处理能力与生成式 AI 技术深度融合，构建一体化解决方案。 OpenAI： 从 OpenAI Demo day 的演讲整理所得，在提升 RAG 准确率的成功案例中，OpenAI 团队从 45%的准确率开始，尝试多种方法。包括假设性文档嵌入（HyDE）和精调嵌入等，但效果不理想。通过尝试不同大小块的信息和嵌入不同内容部分，准确率提升到 65%。通过 Reranking 和对不同类别问题特别处理，进一步提升到 85%。最终，结合提示工程、查询扩展等方法，达到 98%的准确率。团队强调模型精调和 RAG 结合使用的强大潜力，仅通过简单的模型精调和提示工程就接近行业领先水平。 Loop： 具有环状结构的 RAG Flow 是 Modular RAG 的重要特点，检索和推理步骤相互影响，通常包括一个 Judge 模块控制流程，具体可分为迭代、递归和主动检索三种。 迭代检索：对于一些需要大量知识的复杂问题，可采用迭代方式进行 RAG，如 ITERRETGEN。每次迭代利用前一次迭代的模型输出作为特定上下文帮助检索更相关知识，通过预设迭代次数判断终止。 递归检索：特点是明显依赖上一步并不断深入检索，通常有判断机制作为出口，需搭配 Query Transformation，每次检索依赖新改写的 Query。典型实现如 ToC，从初始问题通过递归执行 RAC 逐步插入子节点到澄清树中，达到最大数量有效节点或最大深度时结束，然后收集所有有效节点生成全面长文本答案回答初始问题。
2025-03-17
如何搭建一个你这样的知识库智能问答机器人，有相关的流程教程吗？
搭建一个知识库智能问答机器人通常包括以下流程： 1. 基于 RAG 机制： RAG 机制全称为“检索增强生成”，是一种结合检索和生成的自然语言处理技术。它先从大型数据集中检索与问题相关的信息，再利用这些信息生成回答。 要实现知识库问答功能，需创建包含大量文章和资料的知识库，例如有关 AI 启蒙和信息来源的知识库，并通过手工录入方式上传文章内容。 2. 利用 Coze 搭建： 收集知识：确认知识库支持的数据类型，通过企业或个人沉淀的 Word、PDF 等文档、云文档（通过链接访问）、互联网公开内容（可安装 Coze 提供的插件采集）等方式收集。 创建知识库。 创建数据库用以存储每次的问答。 创建工作流： 思考整个流程，包括用户输入问题、大模型通过知识库搜索答案、大模型根据知识库内容生成答案、数据库存储用户问题和答案、将答案展示给用户。 Start 节点：每个工作流默认都有的节点，是工作流的开始，可定义输入变量，如 question，由 Bot 从外部获取信息传递过来。 知识库节点：输入为用户的查询 Query，输出为从知识库中查询出来的匹配片段。注意查询策略，如混合查询、语义查询、全文索引等概念。 变量节点：具有设置变量给 Bot 和从 Bot 中获取变量的能力。 编写 Bot 的提示词。 预览调试与发布。 海外官方文档：https://www.coze.com/docs/zh_cn/knowledge.html 国内官方文档：https://www.coze.cn/docs/guides/use_knowledge
2025-03-14
有哪些好用的搭建知识库然后进行问答的 AI 工具？
以下是一些好用的搭建知识库然后进行问答的 AI 工具： 1. DIN： 搭建 OneAPI，用于汇聚整合多种大模型接口。 搭建 FastGpt，这是一个知识库问答系统，可放入知识文件，并接入大模型作为分析知识库的大脑，它有问答界面。 搭建 chatgptonwechat，将知识库问答系统接入微信，但建议先用小号以防封禁风险。 2. Coze： 知识库问答是其最基础的功能，利用了大模型的 RAG 机制（检索增强生成）。 RAG 机制先从大型数据集中检索与问题相关的信息，再利用这些信息生成回答。 实现知识库问答功能需创建包含大量 AI 相关文章和资料的知识库，通过手工录入上传内容。 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，以更好地结合知识库返回的内容进行回答。
2025-03-05
有哪些好用的搭建知识库然后进行问答的 AI 工具？
以下是一些好用的搭建知识库然后进行问答的 AI 工具： 1. DIN： 搭建步骤： 搭建 OneAPI（https://github.com/songquanpeng/oneapi），用于汇聚整合多种大模型接口。 搭建 FastGpt（https://fastgpt.in/），这是一个知识库问答系统，将知识文件放入，并接入大模型作为分析知识库的大脑，它有问答界面。 搭建 chatgptonwechat（https://github.com/zhayujie/chatgptonwechat），接入微信，配置 FastGpt 把知识库问答系统接入到微信，建议先用小号以防封禁风险。 2. Coze： 知识库问答利用了大模型的 RAG 机制，全称为“检索增强生成”（RetrievalAugmented Generation）。 RAG 机制先从大型数据集中检索与问题相关的信息，再使用这些信息生成回答。 实现知识库问答功能，需创建包含大量 AI 相关文章和资料的知识库，通过手工录入上传文章内容。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，以结合知识库返回的内容进行回答。
2025-03-05
如何利用Ai制作一张关于英语招生的海报
以下是利用 AI 制作一张关于英语招生海报的方法： 1. 需求场景： 当您想通过社交媒体发布招生信息，纯文字可能吸引力不足。 网上找的图可能质量差且易撞图。 2. 大致流程： 主题与文案：确定英语招生的海报主题，借助 ChatGPT 等文本类 AI 工具完成文案。 风格与布局：选择适合的风格意向，背景可灵活调整，根据文案和风格规划画面布局。 生成与筛选：使用无界 AI ，输入相关关键词，生成并挑选满意的海报底图。 配文与排版：将生成的素材进行合理排版，得到成品。排版可参考 AIGC 海报成果。 3. 软件指引： 使用工具：无界 AI ，网址为 https://www.wujieai.cc/ 。 做图逻辑类似于 SD ，优势在于国内网络可稳定使用、有免费出图点数、支持中文关键词输入、无需额外下载风格模型可直接取用。 使用模型：皮克斯卡通，本案例应用场景为朋友圈 po 图，画幅比例选择 1:1 。 4. 关键词类别： 场景：如教室、校园等。 氛围：积极、活跃等。 人物：老师和学生等。 造型：发型、服饰等。 情绪：快乐、专注等。 道具：英语书、笔等。 构图：全身、特写等。 画面：色彩鲜艳。 特殊：根据具体需求添加。
2025-01-15
纯AI打造的儿童绘本动画剧集《森林童话会》即将上线
很抱歉，目前没有关于纯 AI 打造的儿童绘本动画剧集《森林童话会》的更多详细信息。
2025-04-15
如何打造个人知识库
以下是关于如何打造个人知识库的相关内容： 使用 GPT 打造个人知识库： 1. 利用 embeddings 技术：将文本转换成向量（一串数字），可理解为索引。把大文本拆分成若干小文本块（chunk），通过 embeddings API 转换为 embeddings 向量并保存，当用户提问时，将问题也转换为向量，比对查找距离最小的几个向量对应的文本块，与问题组合成新的 prompt 发送给 GPT API。 例如，对于一篇万字长文拆分成多个文本块，如“文本块 1：本文作者：越山。xxxx。”等，当提问“此文作者是谁？”，通过比较 embeddings 向量可提取关联度高的文本块。 2. 理解 embeddings：embeddings 是浮点数字的向量（列表），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。 3. 注意 GPT3.5 一次交互支持的 Token 数量有限，OpenAI 提供了 embedding API 解决方案。 此外，张翼然在“AI 引领未来课堂的探索与实践”中提到： 1. 学习有效收集、整理和检索信息来打造个人知识库。 2. 进行知识管理，通过实际操作体验工具在教学准备和科研中的应用。 3. 例如： 早晚速读朋友圈文章。 编写小代码、小脚本。 转换数据并呈现。 从图像和图形中提取数据。 翻译、改换风格。 总结视频内容。 私人导师，探究问题。 分新闻、观点、访谈、论文翻译来进行提炼。 用通义听悟整理录音笔记（https://tingwu.aliyun.com）。 用 React 实现选中即解释。 在本机跑大语言模型工具（https://ollama.com）。 选词翻译、解读、拓展（https://snapbox.app）。 与各种 AI 机器人聊天（https://opencat.app、https://chathub.gg/、https://www.elmo.chat/）。 用 Downie 下载视频或用 OBS 录制视频文件，开源免费屏幕录制工具 OBS 下载地址（https://obsproject.com/），Mac 用 Downie，Windows 推荐 IDM 淘宝数码荔枝店购买，用 losslessCut 快速切块。
2025-04-10
如何利用AI打造专属知识库
利用 AI 打造专属知识库可以通过以下步骤： 1. 拆解创作任务：将复杂的任务拆解到合适的颗粒度，为 AI 提供方法论和明确的输出格式。例如，拆解创作“科幻预见未来”的步骤，确定关键任务节点和围绕其展开的主线任务。 2. 建立定向知识库： 私人知识库中的内容一般包括日常从互联网收集的优质信息以及个人日常的思考和分享。 可以将相关内容导入到特定工具（如 flowith 的知识花园）中作为 AI 可调用的知识库。 对于导入的内容，可打开智能拆分模式，让 AI 自动分析优化拆分逻辑，形成知识“种子”。 3. 工作流中配置知识库： 添加知识库：可同时添加多个知识库。 参数设置： 搜索策略：包括语义检索（适合理解语义关联度和跨语言查询场景）、全文检索（适合特定名称、专有名词等场景）、混合检索（结合前两者优势）。 最大召回数量：选择返回给大模型使用的内容片段数量，数值越大返回越多。 最小匹配度：根据设置选取要返回的内容片段，过滤低相关度结果。需多轮测试找出最优值。 此外，基于私人知识库打造个人专属的 ChatGPT 常见有两种技术方案： 1. 训练专有大模型：效果虽好，但成本高，更新难度大，并非当下主流方案。 2. 利用 RAG（检索增强生成）技术。
2025-03-31
如何利用AI来打造自己的知识库？需要利用哪些软件？
以下是利用 AI 打造自己知识库的一些方法和可能用到的软件： 1. 飞书软件：例如“通往 AGI 之路”就是一个使用飞书搭建的 AI 知识库。您可以在飞书大群中与机器人对话获取资料。 2. Coze：在“大圣：胎教级教程：万字长文带你使用 Coze 打造企业级知识库”中有相关介绍，能帮助您理解 AI 时代的知识库，包括其概念、实现原理和能力边界等。 3. AnythingLLM：包含所有 Open WebUI 的能力，额外支持选择文本嵌入模型和向量数据库。安装地址为 https://useanything.com/download 。安装完成后可进行配置，包括选择大模型、文本嵌入模型和向量数据库。在 AnythingLLM 中可创建独有的 Workspace 来构建本地知识库，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），配置完成后可进行测试对话。 4. GPT：通过将文本拆分成小文本块并转换为 embeddings 向量，保存在向量储存库中作为问答的知识库。当用户提问时，将问题转换为向量并与储存库中的向量比对，提取关联度高的文本块与问题组合成新的 prompt 发送给 GPT API 。 希望以上信息对您有所帮助。
2025-03-17
打造企业AI应用场景
以下是关于打造企业 AI 应用场景的相关内容： 阿里云百炼： 阿里云的大模型服务平台百炼是一站式的大模型开发及应用构建平台。开发者和业务人员都能参与大模型应用的设计和构建。通过简单的界面操作，能在 5 分钟内开发出大模型应用，或在几小时内训练出专属模型，从而将更多精力专注于应用创新。 使用场景示例： 法律合规改写：招聘平台可通过百炼工作流封装多个法律合规 Agent 判断企业端要求是否符合劳动法等，并自动改写，减少人力审核需求。 关键信息抽取&打标签：法催机构可通过百炼工作流构建并串联相关 Agent，减少律师数据整理、分析和归类工作。 智能助理&客服：教育机构可通过百炼工作流搭建首页智能助手，通过意图分类能力分发用户 Query 并回答。 AI 决策相关： 在制定企业 AI 战略时，要在提高效率、促进创新的同时规避潜在风险。企业不需要短期内进行全面伦理审查，但可优化实际操作流程，满足市场需求并保持长远发展。 明确 AI 的适用范围：企业要针对自身业务需求明确使用边界。不是所有决策都需由 AI 完成，在复杂决策场景中，AI 适合辅助角色。常见适用场景包括数据密集型工作（如市场分析、客户画像、生产优化等）、重复性任务（自动化流程、预测维护等）、有限范围内的创新（在已有数据基础上提供初步建议）。企业管理层可引入内部评估机制，每季度评估 AI 在不同业务线中的表现，并设定不同使用权限。AI 可部署在低风险、可标准化任务上，涉及品牌形象、用户隐私、产品战略等决策应由人类主导。
2025-03-13
我想要打造一个AI手工耿的账号，模仿网络红人手工耿，但是是用AI去做一些有的没的 你这里有可供我参考的资料吗
很抱歉，目前没有关于打造 AI 手工耿账号的直接参考资料。但您可以从以下几个方面入手：首先，深入研究手工耿的风格和特点，包括他的创意、表现形式、语言风格等。其次，利用 AI 技术生成相关的创意内容时，注重独特性和趣味性，结合手工耿的“无用发明”风格。还可以通过 AI 绘画等手段为您的账号创作独特的视觉元素。在账号运营过程中，不断根据用户反馈优化 AI 生成的内容和表现方式。
2025-03-12