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

如何设置知识库才可以提高检索效率

Answer

以下是一些提高知识库检索效率的方法：

  1. 文档分块：
    • 分块是为了后续的检索能返回更精准的答案。
    • 避免把整个使用手册作为一个整体检索，防止返回大量无关信息。
    • 适应模型输入限制，确保能将相关信息输入到模型中，不超出其处理能力。
    • 提升回答质量，让大语言模型更集中地理解和回答特定问题。
    • 优化向量表示，得到更精确的向量，提高检索准确性。
  2. 选择合适的工具和平台：
    • 如使用 Coze 时：
      • 可以使用外贸大师产品的帮助文档进行演示。
      • 选择其中一个文档创建知识库，如“购买后新人常见问题汇总·语雀”。
      • 点击创建知识库，从知识库中添加知识单元，使用 Local doucuments 的方式，上传 Markdown 格式文档，注意每个问题使用“###”开头。
      • 但要注意文档的分片策略会严重影响查询结果，跨分片总结和推理能力弱、文档有序性被打破、表格解析失败等是基于 RAG 方案自身原理导致的问题。
    • 如使用百炼时：
      • 在百炼控制台的[数据管理]中的非结构化数据页签中点击导入数据，上传相关文档。
      • 根据文档大小，百炼需要一定时间解析，通常占用 1 - 6 分钟。
      • 进入[知识索引]，创建新的知识库并选择上传的文件，其他参数保持默认，建立索引。
      • 选择向量存储类型时，若希望集中存储、灵活管理多个应用的向量数据，可选择 ADB - PG。
      • 完成知识库创建后，返回[我的应用]，打开知识检索增强开关、选择目标知识库，测试验证符合预期后点击发布。

特别需要注意的是，不同工具和平台可能存在各自的特点和限制，需要根据实际情况进行选择和优化。

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

References

大圣：胎教级教程：万字长文带你使用Coze打造企业级知识库

这里我使用一款名为外贸大师产品的帮助文档进行演示。其帮助文档的地址为：[外贸大师使用秘籍·Yuque](https://www.yuque.com/charlotteyang/lbvyfu)为了简单，我选择其中一个文档来创建知识库：[购买后新人常见问题汇总·语雀](https://www.yuque.com/charlotteyang/lbvyfu/gvzs7qt313zg0svr)1.点击创建知识库1.从知识库中添加知识单元为了更好的检索效果，这个例子里使用Local doucuments的方式，并且上传的Markdown格式文档首先看下文档数据的格式：每个问题都是使用###作为开头（这是Markdown的语法）准备开始上传文件至此，一个完整的知识库就构建完成啦！接下来我们就可以去创建我们的产品资料问答机器人特别需要注意的是：文档的分片策略会严重影响查询的结果，这是当前RAG自身的方案原理导致的。基于Coze的知识库问答是典型的RAG方案，其重要一环就是文档切片（Segment）。然而，不管是单分片是800 token还是2000 token，都显著暴露了RAG方案的缺点：跨分片总结和推理能力弱。这是基于RAG方案自身原理导致的。文档有序性被打破。这是基于RAG方案自身原理导致的。表格解析失败。最后一点很诧异。虽然在业内把PDF解析为结构化文本，本就是一个难题。但是Coze对PDF的解析结果甚至不如直接用pypdf这个开源Python组件解析的效果好。说明Coze这个产品对细节的打磨还不够好。在这里我们不讨论如何组织文档形式，从而可以更好的分片。后面我会专门研究这块，并产出教程。

10分钟在网站上增加一个AI助手

接下来，我们可以尝试让大模型在面对客户问题时参考这份文档，以产出一个更准确的回答和建议。1.上传文件：在百炼控制台的[数据管理](https://bailian.console.aliyun.com/#/data-center)中的非结构化数据页签中点击导入数据，根据引导上传我们虚构的百炼系列手机产品介绍：2.根据您上传的文档大小，百炼需要一定时间解析，通常占用1~6分钟，请您耐心等待。3.1.2.建立索引：进入[知识索引](https://bailian.console.aliyun.com/#/knowledge-base)，根据引导创建一个新的知识库，并选择刚才上传的文件，其他参数保持默认即可。知识库将为上一步骤中准备的文档建立索引，以便后续大模型回答时检索参考。3.选择向量存储类型时，如果您希望集中存储、灵活管理多个应用的向量数据，可选择ADB-PG。4.1.2.1.2.引用知识：完成知识库的创建后，可以返回[我的应用](https://bailian.console.aliyun.com/#/app-center)进入到刚才创建的应用设置界面，打开知识检索增强开关、选择目标知识库，测试验证符合预期后点击发布。Prompt中会被自动添加一段信息，以便大模型在后续回答时参考检索出来的信息。3.1.[heading3]4.2检验效果[content]有了参考知识，AI助手就能准确回答关于您公司的商品的问题了。

胎教级教程：万字长文带你理解 RAG 全流程

经过文本清洗之后，接下来我们就要进入到文档分块的环节。这个步骤看似简单，实际上却是RAG系统中至关重要的一环。首先你要记住一点：分块都是为了后面的检索考虑，是为了能够针对用户的问题，返回更精准的答案。[heading4]为什么要进行文档分块[content]1.提高检索效率想象一下，如果我们把整个使用手册作为一个整体来检索，那么即使找到了相关内容，也可能会返回大量无关的信息。通过将文档分成较小的块，我们可以更精确地定位到用户需要的信息。1.适应模型输入限制在RAG检索环节是需要将匹配用户问题的答案返回给大模型进行处理和总结的。将长文档分成小块可以确保我们能够将相关信息输入到模型中，而不会超出其处理能力。1.提升回答质量较小的文本块能够帮助大语言模型更集中地理解和回答特定问题，而不是在大量文本中迷失方向。1.优化向量表示在后续的向量化过程中，较小的文本块通常能够得到更精确的向量表示，这有助于提高检索的准确性。

Others are asking
coze搭建智能体，用上传的文件和知识库的文件做对比，分析差异点。
以下是关于在 Coze 中搭建智能体的相关信息： 1. 证件照相关操作： 展示原图上传结果，基本脸型已换，生成效果与上传照片特征有关。 改背景可利用改图功能，一键改图效果更好，输出数据类型为图片。 豆包节点生成的是 URL 地址，与前者不同，在工作流使用有差异，可参考简单提示词。 介绍证件照工作流相关操作，包括通过提示词改背景颜色，设置输出方式为返回变量；讲解消耗 token 及保存结果相关问题；对按钮、表单添加事件并设置参数，限制上传文件数量；还涉及给表单和图片绑定数据，以及每次操作后刷新界面确保设置生效。 围绕操作讲解与优化展开，介绍 for meet 的设置，如表单事件操作、图片上传数量修改等，提及编程基础知识。还讲述成果图连接、绑定数据方法及注意事项。展示基本功能实现情况，分析换性别等问题成因，指出需在工作流优化提示词，也可尝试用视频模型解决，最后进入问答环节。 2. 多维表格的高速数据分析： 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。 使用代码节点对两个插件获取的结果进行数据处理，注意代码节点输出的配置格式。 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。 发布，选择多维表格，配置输出类型为文本，输入类型选择字段选择器，完善上架信息，可选择仅自己可用以加快审核。 3. 智能体与微信和微信群的连接： 创建知识库，可选择手动清洗数据提高准确性，包括在线知识库和本地文档。 在线知识库创建时，飞书在线文档中每个问题和答案以分割，可编辑修改和删除。 本地文档中注意拆分内容提高训练数据准确度，如将课程章节按固定方式人工标注和处理。 发布应用，确保在 Bot 商店中能够搜到。
2025-04-18
coze搭建知识库和上传文件做对比分析
以下是关于 Coze 搭建知识库和上传文件的对比分析： 创建文本型知识库： 自动分段与清洗：扣子可对上传的内容进行自动解析，支持复杂布局的文件处理，如识别段落、页眉/页脚/脚注等非重点内容，支持跨页跨栏的段落合并，支持解析表格中的图片和文档中的表格内容（目前仅支持带线框的表格）。操作步骤为在分段设置页面选择自动分段与清洗，然后依次单击下一步、确认，可查看分段效果，不满意可重新分段并使用自定义分段。 自定义：支持自定义分段规则、分段长度及预处理规则。操作时在分段设置页面选择自定义，然后依次设置分段规则和预处理规则，包括选择分段标识符、设置分段最大长度和文本预处理规则，最后单击下一步完成内容分段。 创建表格型知识库： 目前支持 4 种导入类型：本地文档、API、飞书、自定义。 本地文档：选择本地文档从本地文件中导入表格数据，目前支持上传 Excel 和 CSV 格式的文件，文件不得大于 20M，一次最多可上传 10 个文件，且表格内需要有列名和对应的数据。 API：参考特定操作从 API 返回数据中上传表格内容，包括选择 API、单击新增 API、输入 API URL 并选择数据更新频率，然后单击下一步。 飞书：参考特定操作从飞书表格中导入内容，包括选择飞书、在新增知识库页面单击授权并选择要导入数据的飞书账号、单击安装扣子应用（仅首次导入需授权和安装），然后选择要导入的表格并单击下一步。目前仅支持导入“我的空间”下的飞书文档，云文档的创建者必须是自己，暂不支持导入知识库和共享空间下的云文档。 上传文本内容： 在线数据：扣子支持自动抓取指定 URL 的内容，也支持手动采集指定页面上的内容，上传到数据库。 自动采集方式：适用于内容量大、需批量快速导入的场景。操作步骤为在文本格式页签下选择在线数据，然后依次单击下一步、自动采集、新增 URL，输入网站地址、选择是否定期同步及周期，最后单击确认，上传完成后单击下一步，系统会自动分片。 手动采集：适用于精准采集网页指定内容的场景。操作步骤为安装扩展程序，在文本格式页签下选择在线数据，然后依次单击下一步、手动采集、授予权限，输入采集内容的网址，标注提取内容，查看数据确认无误后完成并采集。
2025-04-18
知识库怎么构建
构建知识库的方法主要有以下几种： 1. 使用 Flowith 构建： 选择“Manage Your Knowledge Base”，进入知识库管理页面。 点击左上角的加号添加新的知识库，为其起一个便于分辨的名字。 点击添加文件，建议使用 Markdown 格式的文件。 等待 Flowith 对文件进行抽取等处理，处理完毕后可在知识库管理页面测试检索。 2. 使用 Dify 构建： 准备数据：收集文本数据，进行清洗、分段等预处理。 创建数据集：在 Dify 中创建新数据集，上传准备好的文档并编写描述。 配置索引方式：根据需求选择高质量模式、经济模式或 Q&A 分段模式。 集成至应用：将数据集集成到对话型应用中，配置数据集的使用方式。 持续优化：收集用户反馈，更新知识库内容和优化索引方式。 3. 本地部署大模型并搭建个人知识库（涉及 RAG 技术）： 了解 RAG 技术：大模型训练数据有截止日期，RAG 可通过检索外部数据并在生成步骤中传递给 LLM 来解决依赖新数据的问题。 RAG 应用的 5 个过程： 文档加载：从多种来源加载文档，如 PDF、SQL 等。 文本分割：把文档切分为指定大小的块。 存储：包括将文档块嵌入转换成向量形式，并将向量数据存储到向量数据库。 检索：通过检索算法找到与输入问题相似的嵌入片。 输出：将问题和检索出的嵌入片提交给 LLM 生成答案。 文本加载器：将用户提供的文本加载到内存中以便后续处理。
2025-04-15
如何搭建知识库
搭建知识库的方法如下： 使用 flowith 搭建： 选择“Manage Your Knowledge Base”，进入知识库管理页面。 点击左上角的加号添加新的知识库，给知识库起一个便于分辨的名字。 点击添加文件，建议使用 Markdown 格式的文件。 Flowith 会对文件进行抽取等处理，处理完毕后可在知识库管理页面测试检索。 使用 Dify 搭建： 准备数据：收集文本数据，进行清洗、分段等预处理。 创建数据集：在 Dify 中创建新数据集，上传准备好的文档并编写描述。 配置索引方式：提供三种索引方式，根据需求选择，如高质量模式、经济模式和 Q&A 分段模式。 集成至应用：将数据集集成到对话型应用中，配置数据集的使用方式。 持续优化：收集用户反馈，更新知识库内容和优化索引方式。 使用 Coze 智能体搭建： 手动清洗数据： 在线知识库：点击创建知识库，创建 FAQ 知识库，选择飞书文档，输入区分问题和答案，可编辑修改和删除，添加 Bot 并在调试区测试效果。 本地文档：注意拆分内容，提高训练数据准确度，按章节进行人工标注和处理，然后创建自定义清洗数据。 发布应用：点击发布，确保在 Bot 商店中能搜到。
2025-04-14
如何搭建自己的知识库
以下是搭建自己知识库的方法： 1. 选择“Manage Your Knowledge Base”，进入知识库管理页面。 2. 在页面左上角点击加号，添加新的知识库，并为其起一个易于分辨的名字。 3. 点击添加文件，建议使用 Markdown 格式的文件。 4. 等待 Flowith 对文件进行抽取等处理。 5. 处理完毕后，可在知识库管理页面测试检索，输入关键词过滤相关内容。 此外，搭建本地知识库还需了解 RAG 技术： 1. RAG 是一种当需要依靠不包含在大模型训练集中的数据时所采用的主要方法，即先检索外部数据，然后在生成步骤中将这些数据传递给 LLM。 2. 一个 RAG 的应用包括文档加载、文本分割、存储、检索和输出 5 个过程。 文档加载：从多种不同来源加载文档，LangChain 提供了 100 多种不同的文档加载器。 文本分割：把 Documents 切分为指定大小的块。 存储：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。 检索：通过某种检索算法找到与输入问题相似的嵌入片。 输出：把问题以及检索出来的嵌入片一起提交给 LLM，生成更合理的答案。 对于基于 GPT API 搭建定制化知识库，涉及给 GPT 输入定制化的知识。由于 GPT3.5 一次交互支持的 Token 有限，OpenAI 提供了 embedding API 解决方案。Embeddings 是一个浮点数字的向量，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。在 OpenAI 词嵌入中，靠近向量的词语在语义上相似。文档上有创建 embeddings 的示例。
2025-04-14
我想做一个，基于我个人知识库的chatbot，以供我随时搜索和提问，且优先搜索知识库内的内容而非联网搜索，你有什么建议吗？
以下是为您提供的关于创建基于个人知识库的 chatbot 的建议： 1. 选择合适的平台和工具：例如可以考虑使用飞书智能伙伴创建平台（Aily）或扣子（https://www.coze.cn/home）等。 2. 数据分段储存：由于大模型的上下文长度有限制，需要将上传的资料根据特定符号或字符长度进行分段，如将 8000 字文档按每 800 字分成一个片段储存。 3. 增强检索：当用户输入问题，大模型会根据相似度检索出若干最相关的数据片段，再据此生成答案，这一技术称为 RAG（检索增强生成）。 4. 配置知识库： 在 Bot 内使用知识库： 登录相关平台。 在左侧导航栏的工作区区域，选择进入指定团队。 在 Bots 页面，选择指定 Bot 并进入 Bot 详情页。 在 Bot 编排页面的知识库区域，单击加号图标，添加指定的知识库。 （可选）添加知识库后，可以在自动调用下拉界面内，调整知识库的配置项，如最大召回数量、最小匹配度、调用方式等。 在工作流内使用 Knowledge 节点： 登录相关平台。 在左侧导航栏的工作区区域，选择进入指定团队。 在页面顶部进入工作流页面，并打开指定的工作流。 在左侧基础节点列表内，选择添加 Knowledge 节点。 5. 注意使用限制：单用户最多创建 1000 个知识库，文本类型知识库下最多支持添加 100 个文档，单用户每月最多新增 2GB 数据，累计上限是 10GB。 此外，知识库可以解决大模型幻觉、专业领域知识不足的问题，提升大模型回复的准确率。您可以将知识库直接与 Bot 进行关联用于响应用户回复，也可以在工作流中添加知识库节点，成为工作流中的一环。
2025-04-14
联网检索的ai
以下是关于联网检索的 AI 的相关信息： 存在能联网检索的 AI，它们通过连接互联网，实时搜索、筛选并整合所需数据，为用户提供更精准和个性化的信息。 例如 ChatGPT Plus 用户现在可以开启 web browsing 功能实现联网。 Perplexity 结合了 ChatGPT 式的问答和普通搜索引擎的功能，允许用户指定希望聊天机器人在制定响应时搜索的源类型。 Bing Copilot 作为 AI 助手，旨在简化在线查询和浏览活动。 还有如 You.com 和 Neeva AI 等搜索引擎，提供基于人工智能的定制搜索体验，并保持用户数据的私密性。 常见的 AI 助手采用通过联网搜索获取实时信息。当用户开启联网搜索时，助手先将用户的请求发送至搜索引擎，再将返回内容与用户输入一起提供给大模型，最终生成回答。搜索引擎在此作为实时信息源，为大语言模型提供额外的上下文。 如果希望 AI 能提供行业内部信息、或者研发的自有系统内的信息，AI 联网搜索的效果就很不好，甚至无法实现。用户可以自行搭建 AI 代理，将自有系统的数据通过 API 的形式接入 AI 助手，为大语言模型补充提供丰富的上下文信息。 MCP 协议解决了 AI 大模型与数据源集成碎片化的问题，提供统一标准，让开发者无需为每个数据源和 AI 助手单独开发连接器。通过 MCP，数据源和 AI 工具可建立安全双向连接，使 AI 在不同工具和数据集间流畅协作，实现更可持续的架构。 在完成意图识别，确认需要联网检索之后，可以对用户的 query 进行改写（Rewrite）。Query Rewrite 的目的，是为了得到更高的检索召回率。Query Rewrite 可以通过设置提示词请求大模型完成，主要包括三个维度的改写： 让提问有更精准/更专业的表达。比如用户搜索“ThinkAny”，改写后的 query 可以是“ThinkAny 是什么？”，再把问题翻译成英文“ What is ThinkAny ”，同一个问题，双语分别检索一次，得到更多的参考信息。 补全上下文，做指代消解。比如用户搜索“ThinkAny 是什么？”，得到第一次回复后继续追问“它有什么特点？”，用历史对话内容作为上下文，把第二次 query 改写成“ThinkAny 有什么特点？”，指代消解后再去检索，会有更高的召回率。 名词提取。比如用户搜索“ThinkAny 和 Perplexity 有什么区别？”，可以把“ThinkAny”和“Perplexity”两个名词提取出来，分别检索。 提升 AI 搜索准确度，另一个关键措施就是做多信息源整合。结合上面提到的意图识别和问题改写，假设用户搜索“ThinkAny 和 Perplexity 的区别是什么？”，根据意图识别，判断需要联网，并且是信息查询类的搜索意图。在问题改写阶段，提取出来“ThinkAny”和“Perplexity”两个概念名词，除谷歌检索之外，还可以检索 Wikipedia/Twitter 等信息源，拿到百科词条内容和 Twitter 的用户反馈信息，可以更好地回答这个问题。AI 搜索最大的壁垒在于数据。 内容由 AI 大模型生成，请仔细甄别。
2025-04-09
你这个知识库和检索是用什么搭建的？
我们的知识库和检索主要基于以下原理和流程搭建： 1. 文本预处理：包括去除无关字符、标准化文本（如将所有字符转换为小写）、分词等，以清洁和准备文本数据。 2. 嵌入表示：将预处理后的文本（词或短语）转换为向量。通常通过使用预训练的嵌入模型，如 Word2Vec、GloVe、BERT 等，将每个词或短语映射到高维空间中的一个点（即向量）。 3. 特征提取：对于整个问题句子，可能应用进一步的特征提取技术，比如句子级别的嵌入，或使用深度学习模型（如 BERT）直接提取整个句子的表示，以捕捉句子的上下文信息。 4. 向量优化：在某些情况下，问题的向量表示可能会根据具体任务进行优化，例如通过调整模型参数来更好地与检索系统的其他部分协同工作。 在知识库检索阶段： 1. 首先需要有一个知识库。在大模型的检索中，并非依靠传统的关键字搜索，而是依靠问题在空间中的向量位置，去寻找距离这个向量最近的其他词句，然后完成检索。 2. 要在向量中进行检索，我们的知识库会被转化成一个巨大的向量库。具体流程包括文档向量化、文档加载（从多种不同来源加载文档）、文本分割（把文档切分为指定大小的块）、存储（将切分好的文档块进行嵌入转换成向量的形式，并将向量数据存储到向量数据库）、检索（通过某种检索算法找到与输入问题相似的嵌入片）以及输出（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一起生成更加合理的答案）。
2025-03-25
检索有关AI入门必读书籍
以下是为您推荐的 AI 入门必读书籍： 1. 「」，有助于熟悉 AI 的术语和基础概念。 2. 「」，其中包含为初学者设计的课程。 3. GPT1 到 Deepseek R1 所有公开论文 The 2025 AI Engineer Reading List：涉及人工智能工程的 10 个领域，包括 LLMs、基准、提示、RAG、代理、CodeGen、视觉、语音、扩散、微调。如果您想从零开始，可以从此处开始。 4. 入门经典必读：作者为 ，原文地址：https://a16z.com/2023/05/25/aicanon/ 。文中分享了一份用于更深入了解现代 AI 的精选资源列表。
2025-03-17
有没有路径可以围绕DS、豆包等大模型的检索结果做优化的路径
围绕 DS、豆包等大模型的检索结果做优化的路径包括以下方面： 首先，通过集成收集 AI 反馈（AIF）聊天模型完成情况，然后利用 GPT4（UltraFeedback）进行评分并二值化为偏好。其中，Step2AIF 在某种程度上是一种 selfplay，通过多模型 prompt 生成来进行 RL。在模型最终采用的 DPO 算法的 SFT 过程中，用于最终模型 SFT 所训练的 AIF 数据集与原始 pretraining 数据集在数据（tokens）序列组织构象上存在差异，这是一种 Synthetic Data 的路径，关键在于这种 Synthetic Data 与原始 Data 在特征与知识分布上的差异。 DPO 算法通俗来讲，当一个答案是好的答案时，模型要尽可能增大其被策略模型生成的概率；当一个答案是差的答案时，模型则需要尽可能降低其被策略模型生成的概率。 以上是在 RL×LLM 方面的一些探索，接下来需要将上述模型案例以及延展的思考进行沉淀，回归第一性原理进行更进一步的本质探寻，以找到两者之间隐含的共性、差异以及呈现当前技术发展路径与现状的必然性。
2025-03-04
增强检索生成
RAG（RetrievalAugmented Generation，检索增强生成）是一种结合检索和生成能力的自然语言处理架构，旨在为大语言模型（LLM）提供额外的、来自外部知识源的信息。 通用语言模型通过微调可完成常见任务，而对于更复杂和知识密集型任务，基于语言模型构建访问外部知识源的系统能使结果更符合事实、更可靠，缓解“幻觉”问题。Meta AI 的研究人员引入了 RAG 方法来完成这类任务，它把信息检索组件和文本生成模型结合在一起，可微调且内部知识修改高效，无需重新训练整个模型。 RAG 工作流程如下： 1. 检索：利用用户查询从外部知识源获取相关信息，将查询转化为向量与向量数据库比对，找到最匹配的前 k 个数据作为补充背景信息。 2. 数据库索引：包括离线获取数据、清理提取原始数据、转换文件格式、分块、嵌入和创建索引等步骤。 3. 增强：将用户查询和检索到的额外信息嵌入预设提示模板。 4. 生成：将问题与相关文档合并为新提示信息，由大语言模型回答问题，可选择依赖知识库或仅基于给定信息，也可融入历史对话信息支持多轮对话。 LLM 需要 RAG 的原因在于 LLM 存在一些缺点： 1. 无法记住所有知识，尤其是长尾知识，接受能力不高。 2. 知识容易过时且不好更新，微调效果不佳且有丢失原有知识的风险。 3. 输出难以解释和验证，易受幻觉等问题干扰。 4. 容易泄露隐私训练数据。 5. 规模大，训练和运行成本高。 RAG 具有以下优点： 1. 数据库对数据的存储和更新稳定，无学习风险。 2. 数据库数据更新敏捷，可解释且不影响原有知识。 3. 数据库内容明确结构化，降低大模型输出出错可能。 4. 便于管控用户隐私数据，可控、稳定、准确。 5. 降低大模型训练成本，新知识存储在数据库无需频繁更新模型。
2025-02-24
有什么AI相关的笔记软件，既可以记录我的想法、灵感，然后AI也可以直接生成对我所写内容的评价（如可以安抚情绪），并且这个笔记软件的检索功能很好用
以下是一些符合您需求的 AI 相关笔记软件： 1. Notion AI：https://www.notion.so/help/guides/category/ai?ref=indigox.me 随着大语言模型的流行，其在智能化方面表现出色。 2. Mem.ai：https://mem.ai/?ref=indigox.me 一款 AI 驱动的笔记工具。 3. Pile：https://udara.io/pile/ 开源且界面美观，助力日记撰写和记录，集成 OpenAI API，具有 AI 搜索和问题解答功能，保证安全隐私。项目源码：https://github.com/UdaraJay/Pile
2025-02-19
作为一个想要使用AI工具提升工作效率的AI小白，我已经学习了怎么编写prompt，接下来我应该学习什么
如果您已经学习了如何编写 prompt ，接下来可以学习以下内容： 1. 理解 Token 限制：形成“当前消耗了多少 Token”的自然体感，把握有效记忆长度，避免在超过限制时得到失忆的回答。同时，编写 Prompt 时要珍惜 Token ，秉承奥卡姆剃刀原理，精简表达，尤其是在连续多轮对话中。 熟练使用中英文切换，若 Prompt 太长可用英文设定并要求中文输出，节省 Token 用于更多对话。 了解自带方法论的英文短语或句子，如“Chain of thought”。 2. 学习精准控制生成式人工智能：重点学习提示词技术，编写更清晰、精确的指令，引导 AI 工具产生所需结果。 探索构建智能体（AI Agents），将工作单元切割开，赋予其特定角色和任务，协同工作提高效率。 在实际应用中遵循准则，如彻底变“懒人”、能动嘴不动手、能让 AI 做的就不自己动手、构建自己的智能体、根据结果反馈调整智能体、定期审视工作流程看哪些部分可用更多 AI 。 3. 若想进一步提升： 学习搭建专业知识库、构建系统知识体系，用于驱动工作和个人爱好创作。 注重个人能力提升，尤其是学习能力和创造能力。 您还可以结合自身生活或工作场景，想一个能简单自动化的场景，如自动给班级孩子起昵称、排版运营文案、安排减脂餐、列学习计划、设计调研问卷等。选一个好上手的提示词框架开启第一次有效编写，比如从基础的“情境:”开始。
2025-04-15
学习AI怎么在工作中使用，提高工作效率，有必要从技术原理开始学习吗
学习 AI 在工作中使用以提高工作效率，不一定需要从技术原理开始学习。以下是一些相关的案例和建议： 案例一：GPT4VAct 是一个多模态 AI 助手，能够模拟人类通过鼠标和键盘进行网页浏览。其应用场景在于以后互联网项目产品的原型设计自动化生成，能使生成效果更符合用户使用习惯，同时优化广告位的出现位置、时机和频率。它基于 AI 学习模型，通过视觉理解技术识别网页元素，能执行点击和输入字符操作等，但目前存在一些功能尚未支持，如处理视觉信息程度有限、不支持输入特殊键码等。 案例二：对于教师来说，有专门的 AI 减负指南。例如“AI 基础工作坊用 AI 刷新你的工作流”，从理解以 GPT 为代表的 AI 工作原理开始，了解其优势短板，学习写好提示词以获得高质量内容，并基于一线教师工作场景分享优秀提示词与 AI 工具，帮助解决日常工作中的常见问题，提高工作效率。 建议：您可以根据自身工作的具体需求和特点，有针对性地选择学习方向。如果您只是想快速应用 AI 提高工作效率，可以先从了解常见的 AI 工具和应用场景入手，掌握基本的操作和提示词编写技巧。但如果您希望更深入地理解和优化 AI 在工作中的应用，了解技术原理会有一定帮助。
2025-04-15
AI 自动安排批量设置工作任务的个人效率 app 推荐
目前在市场上，有一些可以实现 AI 自动安排批量设置工作任务以提升个人效率的应用程序，以下为您推荐几款： 1. Todoist：它具有强大的任务管理功能，支持设置优先级、提醒和分类，能帮助您合理规划工作任务。 2. Microsoft To Do：与微软生态系统紧密集成，方便您在不同设备上同步任务，并进行批量设置。 3. Trello：以看板的形式展示任务，直观清晰，便于批量安排和跟踪工作进度。 您可以根据自己的需求和使用习惯选择适合您的应用程序。
2025-04-07
AI 自动安排批量设置工作任务的效率工具。
以下是关于 AI 自动安排批量设置工作任务的效率工具的相关内容： 对于中小企业利用人工智能（AI）进行转型，在任务自动化方面： 首先要评估和识别日常重复性高的任务，通过分析工作流程、观察和记录员工工作，确定耗时且重复性高的活动，明确通过观察和记录要达成的具体目标，如提高效率、减少错误率等，计划和安排对员工日常工作的观察，与员工交谈了解其看法，分析收集的数据以确定可优化的任务，并制定引入新工具等具体行动计划。 最后引入自动化工具，如 RPA 技术，根据企业需求和预算选择合适工具，在 IT 系统中部署并配置，进行测试和调整优化。 适合工作流化的业务一般具备以下特点： 重复性工作多，业务中的任务或流程高度重复。 业务流程固定，步骤相对固定，且具有标准化的操作流程。 以自媒体工作者为例，常见工作流步骤包括内容策划、创作、编辑、审核、发布、互动和效果分析优化等，通过 AI 标准化这些步骤并利用工具自动执行，可提高效率，让工作者有更多时间和精力专注核心业务。 一般来说，Workflow 是一系列相互连接的步骤，旨在完成特定任务或目标。最简单的工作流是确定性的，遵循预定义步骤序列。有些工作流会利用大模型等 AI 技术，被称为 AI Workflows，可分为 Agentic 和非 Agentic 。Agentic Workflow 是由单个或几个 AI Agents 动态执行的一系列连接步骤，以实现特定任务或目标，AI Agents 被授予权限，利用其核心组件将传统工作流转变为响应式、自适应和自我进化的过程。
2025-04-07
我想学习AI如何使用，可以提高我的工作效率。请给我一个计划
以下是为您制定的学习 AI 以提高工作效率的计划： 首先，了解 AI 的基本概念和应用领域。AI 已经在许多方面带来了重大进展和效率提升，例如交通监控、银行账户欺诈检测、工业中的大规模安全关键实践、科学研究等。 其次，认识到 AI 在工作场所的潜力。它可以将我们从单调的任务中解放出来，让我们有更多时间从事专业工作。 然后，学习相关的法律法规。例如《促进创新的人工智能监管方法》，了解如何在合规的前提下利用 AI 创新，平衡风险与机会、利益。 在学习过程中，关注以下方面： 1. 了解大型语言模型等技术的发展，及其为经济和社会带来的转型机会。 2. 明白监管可以通过给予企业解决重要问题的激励，同时应对对公民的伤害风险，从而增加创新。 3. 熟悉国家的 AI 战略和数字监管计划中的原则，以及相应的比例方法。 最后，根据所学知识，在工作中尝试应用 AI 技术，不断总结经验，提高工作效率。
2025-03-14
ai如何提升产品经理的工作效率
AI 可以通过以下方式提升产品经理的工作效率： 1. 辅助精读论文：能帮助翻译、拆解公式，分析代码等。工具如 https://scispace.com 。 2. 编写小脚本：如写 SQL 查询、Python 脚本、正则表达式、图片批量处理等。 3. 撰写产品宣传文案：根据产品宣传渠道写营销文案、营销邮件、产品上架文案等。 4. 设计和整理调研问卷：生成调研框架，回收非结构化问卷，按指定框架生成指定表头表格。 5. 进行竞品分析：用 BingChat 或 ChatGPT Browsering 插件，按指定框架对比各项数据，如 DAU、用户结构、市场占比等。 6. 解释专业名词：很多垂直领域都有不少缩写或行业黑话，可以用 ChatGPT 解释举例、给场景说明。 7. 优化产品逻辑和代码：写完 PRD 后，让 GPT 从产品和研发两个视角写逻辑代码，既能发现产品逻辑表达问题，也方便 QA 同学测试。 此外，还有以下相关内容： 1. 银海分享了用 10 个 Prompt 提示词做产品经理 AI 助手，效果平替 PMAI。PMAI 是一款面向产品经理的生产力工具，具有一键生成 PRD、输出解决方案、生成 SQL 等实用功能。产品体验地址：https://www.pmai.cn/?utm_source=qoZaR5O 。 2. 有案例表明，产品经理使用 ChatGPT 优化代码可以显著提升效率。如将一段近 1900 行的 SQL 查询代码的执行时间从 4200 秒缩短到 8 秒，效率提升 520 倍，复杂度降低 6 倍，同时还能保存所有历史数据，报表实现秒开。而且 GPT 还能根据真实业务需求提出与原代码不同的解决思路。
2025-03-10
我想将常用的AI入口手机放在一张网页上，该如何设置waytoAGI页面
以下是关于将常用的 AI 入口放在一张网页上设置 WaytoAGI 页面的方法： 1. 点开链接就能看：不用注册，不用花钱，直接点击。 2. 想看啥就看啥：比如您想学 AI 绘画，就去看“AI 绘画”部分；想找 AI 工具，就去“工具推荐”部分。内容分得清清楚楚，想学啥都能找到。 3. 有问题还能问：如果看了还有不懂的，或者想跟别人交流，可以加入社群，大家一起讨论。 另外，关于使用 Cursor 制作您的第一个主页： 1. 在搞定一个非常简单的小游戏之后，可以做一个自己的个人介绍网站。可以先看看官网，比如 allinagi.com.cn、sboat.cn。假设要做一个《全 AI 自动驾驶的火星登陆飞船》项目，首先会有一个初步简单的项目介绍，比如 WaytoMars 是一个制造、运营全 AI 自动驾驶的火星登陆飞船公司品牌，有着领先全球的技术实力、人才优势，预计在 2030 年推出可承载上千人，五星豪华级的全 AI 自动驾驶的火星登陆飞船。有了项目介绍后，让 AI 帮助生成一个具有前端大师级审美、极富科幻感的网站首页。首先，新建一个 waytomars 文件夹并打开，在 AI 对话框中输入上述的话，一路等待 AI 制作以及加入您的修改意见即可。 2. 如何让别人看到您的作品预览：通过将项目文件夹整体上传，就可以生成一个临时浏览链接，在不需要域名和服务器的情况下让外部也能够看到您的作品。注意：如果发现 cursor 有所卡顿，注意是不是 AI 让您在终端区或者对话区确认重要操作，左下角将 ask every time 修改为 auto run 就可以全自动化了。 WaytoAGI 就是一个帮您快速入门 AI、学会用 AI 搞事情的“武器库”。不管您是完全不懂 AI 的小白，还是想用 AI 赚钱的普通人，它都能帮到您。AI 是未来的趋势，现在学一点都不晚，如果您想了解 AI、用 AI、甚至靠 AI 搞钱，WaytoAGI 就是您最该看的“AI 宝典”。
2025-04-14
有没有全自动AI剪辑工具，丢入素材后可以根据我的规则要求设置进行多素材混剪
目前有一些工具可以帮助您实现全自动 AI 剪辑，以下为您介绍一种多素材混剪的方法： 1. 声音克隆： 工具：Fish Audio 操作： 准备一段需要克隆的音频（可以是类似屈原的古风声音，或自行录制一段）。 打开网站：https://fish.audio/zhCN/train/newmodel/ 。 上传准备好的音频，按照指引完成声音克隆。 进入声音库选择需要使用的声音，将第一步生成的文案输入，使用克隆好的声音生成对应的音频文件。 下载生成的音频文件备用。 2. 视频合成： 工具：Viggle.ai 操作： 在网上下载“回答我”的原视频。 打开 Viggle.ai 网站，登录后进入视频合成功能：https://viggle.ai/createmix 。 上传“回答我”原视频和第二步生成的人物形象图，生成新版本的“回答我”视频。 预览效果，满意后下载合成好的新视频。 3. 视频剪辑： 工具：剪映 操作： 打开剪映软件（手机或电脑版均可）。 导入第二步合成好的新视频和第一步生成的音频文件。 将音频与视频时间轴对齐，确保声音和画面同步，添加字幕等。 如需叠加特殊背景，可以导入自己的背景图（如楚国风景）。 预览整个视频，检查效果，微调后导出最终视频（建议 MP4 格式）。
2025-04-09
扣子设置了微信客服机器人，如何实现机器人按时自动向微信群发布图片或文档等信息。
要实现微信客服机器人按时自动向微信群发布图片或文档等信息，您可以按照以下步骤进行操作： 前提条件： 1. 已开通了。 2. 已搭建了 Bot。 步骤一：获取微信客服配置信息 1. 登录平台。 2. 单击企业信息，然后复制企业 ID。 3. 单击开发配置，然后再单击开始使用。 4. 单击随机获取按钮分别生成并保存 Token 和 EncodingAESKey。复制 Token 和 EncodingAESKey 后，先不要关闭该页面。 步骤二：在扣子中配置微信客服信息 1. 在 Bots 页面，选择需要发布的 Bot。 2. 在 Bot 编排页面，单击发布。 3. 找到微信客服渠道，然后单击配置。 4. 输入步骤一中复制的企业 ID，然后单击下一步。 5. 输入步骤一中复制的 Token 和 EncodingAESKey，然后单击下一步。 6. 复制 webhook 地址。复制 webhook 地址后，先不要关闭该配置窗口。 步骤三：配置回调地址 1. 回到步骤一中的开始企业接入页面，输入上一步中复制的 webhook 地址。单击完成。确保粘贴回调地址时没有引入空格，空格会导致校验失败。 2. 在开发配置页面，复制 secret。 3. 单击客服账号，复制账号。 步骤四：发布 Bot 1. 回到扣子平台的微信客服渠道配置页面，输入复制的 secret 和客服名称。 2. 单击保存。 3. 在发布记录中输入发布信息，然后勾选微信客服渠道，再单击发布。 4. 发布完成后，单击立即对话登录微信客服，体验 Bot 效果。 常见问题： 1. 收不到机器人回复消息怎么办？ 可尝试通过以下方法解决： 查看微信客服的启用状态：登录，在应用管理页面，点击微信客服。确保没有启用微信客服功能。如果已经开启了微信客服功能，需要关闭。关闭后，该应用在工作台入口将被隐藏，员工不可使用。请谨慎评估。 检查近期是否有登录企业微信应用。确保企业至少有一个成员通过手机号验证/微信授权登录过企业微信应用。 如果还是有问题，可以发送邮件至 feedback@coze.cn 反馈。
2025-03-30
点击AI应用主界面的某一个图片组件触发另一个工作流，如何设置入参
要在 AI 应用主界面设置点击某一图片组件触发另一个工作流的入参，具体步骤如下： 1. 工作流的入参设置为 File>Image。 2. 入参配置为 {{ImageUpload1.value}}是获取图片上传组件的第一张图片，因为组件可以上传多张图片，所以需要通过下标数来获取，数组的下标从 0 开始。 3. {{psy_ai.error}}是工作流的报错信息。 4. 当用户上传图片点击按钮时会进入加载状态，加载状态通过 {{psy_ai.loading}} 控制。提交按钮配置中，属性设置包括宽度百分比 95%、高度固定 50px、颜色填充 295DC1、圆角 12、加载状态 {{psy_ai.loading}}。事件配置为事件类型 点击时，执行动作 调用工作流，WorkFlow（工作流） psy_ai，失败提示 工作流调用失败，原因：{{psy_ai.error}}。 5. 当工作流运行时，右边的内容显示容器包含两个组件，图片组件显示加载中的 gif 图片（默认隐藏），其来源为本地上传加载中 gif 图，尺寸为宽度百分比 100%，高度适应内容，可见性隐藏根据 {{!psy_ai.loading}}，即当 loading 为 true 时隐藏，前面加「!」取反，工作流运行中显示。Markdown 组件显示分析内容，内容显示是 psy_ai 工作流输出的结果，隐藏根据 {{psy_ai.loading}}，psy_ai 工作流运行完显示。 至此，页面所有的布局和数据交互就全部完成了。
2025-03-29