教你用知识库构建智能客服

啥也不说了,直接上教程

构建知识库的作用

\1. 快速信息检索:能够迅速找到所需信息,提高工作效率。

\2. 新员工便捷学习平台:新员工可以通过知识库快速获取公司文化、流程和专业知识,加速融入团队。

\3. 制作客服机器人:利用知识库中的信息,企业可以制作智能客服机器人,为客户提供高效、准确的服务。

准备工作

在开始搭建知识库之前,我们需要做好充分的准备工作。以下是详细的步骤:

\1. 使用的工具:

Coze平台。网址:www.coze.cn

\2. 注册Coze账号

\3. 准备好作为知识库的文档,并做整理,整理方式任选其一:

3.1 添加分隔符

说明:人为将文档内容分隔开来,这样建立好的知识库检索的时候才会准确。它适用于文本较长的时候。

方法: 在word中,用“###”将不同叙述内容分隔开来,比如

img

3.2 将文档修改为QA模式

说明:QA模式为一问一答的方式。比如

Q: 我们公司成立于哪一年?

A: 我们公司成立于20XX年。

它适用于文本较短的情况。

方法:通过大语言模型辅助修改为QA模式。具体见附件

3.3 不做任何整理

一般简短的文档也可以先不做整理,在上传知识库的“分段设置”这一步,选择“自动分段与清洗”即可。检查分段情况,有不合适的地方再直接修改。

如何在Coze搭建知识库

这里需要注意,首先要确认资料是否需要保密或是否涉及敏感资料。如果要涉密,可以创建一个“团队空间”直接在这个空间建立知识库。更保险的办法是,在本地的计算机部署一个跟coze类似的平台,dify,会更加安全。这里只介绍正常知识库建立流程。

\1. 进入知识库管理页面:

- 在Coze平台的首页,点击左侧导航栏中的“个人空间”-“创建知识库”。

\2. 接下来以建立“实验室建设规划”的知识库为例,根据下面这个截图步骤参考填写。

img

说明:可以导入文档或者表格。如果是表格,最好是QA模式,且不能有合并单元格。

\3. 点击下一步,上传文档后,点击下一步

img

\4. 在分段设置时,分为以下几种情况:

4.1 QA模式的文档

选择“自动分段与清洗”

4.2 没有做任何整理的文档

可以选择“自动分段与清洗”,检查分段结果,及时做调整

4.3 加了分隔符“###”的文档

这里的“###”,我们在文档里提前已经手动设定好了,直接按照下面这张截图填写“自定义”即可。然后点击下一步,服务器处理完成后,点击完成。

img

\5. 页面跳转到我们上传的文档,你可以看到按照设定要求进行分割的文档内容,务必要检查一下。尤其如果你在上一步选择的是“自动分段与清洗”时,在这里你可以检查分段是否合理,可以直接在这个页面手动重新分隔。这个页面可以做删除,合并,分隔等操作。

在这里插入图片描述

创建工作流

  1. \1. 点击“创建一个工作流”,能看到“开始”和“结束”两个方块。

img

img

  1. \2. 在如下截图中,先后点击左侧的“知识库”和“大模型”旁边的“➕”节点,它们就可以出现在“开始”和“结束”同一界面内。通过拉拽让它们首尾相连。链接顺序:开始-知识库-大模型-结束

  2. 在这里插入图片描述

  3. \3. 参考截图内容,依次填写四个节点的具体内容。

  4. 在这里插入图片描述

开始节点,只需要删除下面一行即可。

img

知识库节点,点击“知识库”旁边的“➕”,添加刚刚建立好的知识库内容。“搜索策略”选择“混合”,其它默认。

img

-大模型节点,“模型”可以选任意模型,比如可以选择kimi,通义千问,豆包等都可以。

-“输入”部分,要输入你要调用的参数,将“开始”节点和“知识库”节点的输出,作为大模型的“输入”。

-参数名可以修改,也可以不修改。

-提示词:

**#**角色 你是实验室问答助手,你将收到2个输入:

  1. {{input}}:这是用户提到的问题
  2. {{knowledge}}:这是根据用户问题从知识库中检索到的内容。

**#**工作流程

  1. 理解问题

    • 首先,你应该充分理解用户的问题并识别关键信息。
    • 不要在对用户的内容中包含对理解问题的过程。
  2. 生成回答

    • 在彻底理解用户问题后,依赖{{knowledge}}寻找最相关的信息。
    • 如果{{knowledge}}为空,表示知识库中没有找到相关信息。在这种情况下,直接回复:“无法找到此问题的答案。如需进一步帮助,请联系支持团队。”
    • 根据相关的信息生成清晰明了的回答。
    • 用中文提供回答。
  3. 删除特殊字符

    • 用方括号(“[]”)替换回答中所有用双引号(“”)括起来的内容。

**#**限制

  • 只回答与SOP相关的问题,避免无关的话题
  • 使用正式和礼貌的语言回答用户的询问。
  • 在回答过程中始终专注于用户的需求
  • 不要包含任何的意见或建议,只提供直接的答案。
  • 当{{knowledge}}为空时需要促进扩展{{knowledge}}。如果无法找到答案,请回复:“无法找到此问题的答案。如需进一步帮助,请联系支持团队。”

# 示例

  • 如果用户问:“你今天好吗”直接回答:“无法找到此问题的答案。如需进一步帮助,请联系支持团队。”

注意,这里的提示词中,要告诉大模型引用“输入”里面的内容,你需要将具体引用的参数名告诉它,但参数名不能直接写,要先写{{}},然后在中间自动跳出参数名,直接选择即可。

在这里插入图片描述

结束节点,“输出变量”部分直接引用的是大模型的输出。

img

点击试运行,输入问题后,工作流运行,如果运行成功会有显示,并且显示最终结果。最后点击“发布”。

五.创建****bot

\1. 在下面的界面,点击“创建bot”。

img

\2. 参考截图,填写bot名称、bot功能介绍,点击确认

img

\3. 在左上角“选择模式”中,选择“单Agent(工作流模式)”

img

  1. \4. 参考截图,将刚刚建立好的工作流添加到“工作流配置”中,也可以填写“开场白文案”及“开场白预置问题”。

设置完成后,在“预览与调试”里面,可以进行测试。测试没问题,点击发布。

img

  1. \5. 选择一个平台进行发布,或者直接发布到“扣子bot商店”即可。

img

以上就是按照工作流模式建立知识库的所有操作步骤。如果你已经全部成功完成操作,你可能会想要再次梳理整个过程是如何实现的。因此,以下是简易版的建立知识库的流程,供你回顾

img

问题解决

如果完成以上步骤后,无论如何调试,bot回答都有问题。那么,

策略1

调整各种参数:比如调整调用的大模型、调整模型输出字数、调整搜索策略、修改文档等。

策略2

换一种方式来添加知识库试试看,这种方法更简单。

步骤1:点击个人空间-创建bot,填写信息

步骤2:来到如下截图所在的界面。 “人设与回复”提示词如下:

#角色 你是实验室SOP的问答助手,专门回答用户的问题

#工作流程

\1. 理解问题

o 首先,你应该充分理解用户的问题并识别关键信息。

o 不要在对用户的内容中包含对理解问题的过程。

\2. 生成回答

o 在彻底理解用户问题后,依赖知识库中的“”实验室建设规划-###“”寻找最相关的信息。

o 如果“”实验室建设规划-###“”为空,表示知识库中没有找到相关信息。在这种情况下,直接回复:“无法找到此问题的答案。如需进一步帮助,请联系支持团队。”

o 根据相关的信息生成清晰明了的回答。

o 用中文提供回答。

\3. 删除特殊字符

o 用方括号(“[]”)替换回答中所有用双引号(“”)括起来的内容。

#限制

• 只回答与SOP相关的问题,避免无关的话题

• 使用正式和礼貌的语言回答用户的询问。

• 在回答过程中始终专注于用户的需求

• 不要包含任何的意见或建议,只提供直接的答案。

• 当“”实验室建设规划-###“”为空时需要促进扩展“”实验室建设规划-###“”。如果无法找到答案,请回复:“无法找到此问题的答案。如需进一步帮助,请联系支持团队。”

# 示例

• 如果用户问:“你今天好吗”直接回答:“无法找到此问题的答案。如需进一步帮助,请联系支持团队。”

步骤3:点击文本“+”,上传之前准备好的知识库

步骤4:右侧对话框内进行调试。调试成功发布。

img

如何学习大模型

现在社会上大模型越来越普及了,已经有很多人都想往这里面扎,但是却找不到适合的方法去学习。

作为一名资深码农,初入大模型时也吃了很多亏,踩了无数坑。现在我想把我的经验和知识分享给你们,帮助你们学习AI大模型,能够解决你们学习中的困难。

下面这些都是我当初辛苦整理和花钱购买的资料,现在我已将重要的AI大模型资料包括市面上AI大模型各大白皮书、AGI大模型系统学习路线、AI大模型视频教程、实战学习,等录播视频免费分享出来,需要的小伙伴可以扫取。

一、AGI大模型系统学习路线

很多人学习大模型的时候没有方向,东学一点西学一点,像只无头苍蝇乱撞,我下面分享的这个学习路线希望能够帮助到你们学习AI大模型。

在这里插入图片描述

二、AI大模型视频教程

在这里插入图片描述

三、AI大模型各大学习书籍

在这里插入图片描述

四、AI大模型各大场景实战案例

在这里插入图片描述

五、结束语

学习AI大模型是当前科技发展的趋势,它不仅能够为我们提供更多的机会和挑战,还能够让我们更好地理解和应用人工智能技术。通过学习AI大模型,我们可以深入了解深度学习、神经网络等核心概念,并将其应用于自然语言处理、计算机视觉、语音识别等领域。同时,掌握AI大模型还能够为我们的职业发展增添竞争力,成为未来技术领域的领导者。

再者,学习AI大模型也能为我们自己创造更多的价值,提供更多的岗位以及副业创收,让自己的生活更上一层楼。

因此,学习AI大模型是一项有前景且值得投入的时间和精力的重要选择。

<think>好的,用户是一个零代码基础的人,想要用DeepSeek模型和本地知识库生成一个推理模型。首先,我需要理解用户的需求。用户可能没有编程经验,所以需要提供一个简单易懂的步骤指南,避免使用复杂的术语。 首先,用户需要知道最基本的准备工作,比如安装必要的软件。考虑到零代码基础,可能需要推荐图形界面工具,比如Ollama或LM Studio,这些工具不需要写代码就能运行模型。同时,需要指导如何下载模型文件,比如通过HuggingFace,但用户可能需要更直接的链接或方法,比如使用git-lfs或者直接下载。 接下来是准备本地知识库。用户可能需要将各种文档格式(如PDF、Word)转换为文本,这里推荐使用现成的工具,比如Adobe Acrobat的导出功能,或者在线转换工具。分块处理部分可能需要解释什么是分块,以及为什么需要这样做,但保持简洁,建议使用LangChain的简单接口,但用户可能需要更简单的工具,比如文本分割器。 然后是搭建问答系统。用户需要知道如何结合模型和知识库,可能需要使用RAG技术,但如何让用户不用写代码就能实现呢?或许推荐使用现有的平台或工具,比如PrivateGPT或GPT4All,这些工具提供图形界面,用户只需导入文档即可。 最后是实际应用案例,比如个人知识助手,需要具体步骤,比如导入手册、提问示例。还要提醒注意事项,比如硬件要求,模型选择(7B更适合消费级显卡),以及数据隐私问题。 需要确保每个步骤都清晰,避免代码,用简单的语言说明。同时,用户可能需要推荐具体的工具和下载链接,确保步骤可操作。可能还需要预见到用户的问题,比如如何处理不同格式的文档,模型运行需要什么配置,以及如何提问等。</think>以下是为零代码基础用户设计的**DeepSeek模型+本地知识库**应用方案,无需编程即可实现: --- ### 一、**准备阶段:3个核心工具** | 工具 | 作用 | 推荐选择 | |------|------|----------| | 模型运行器 | 加载大模型 | Ollama(推荐)/LM Studio | | 文档处理器 | 处理PDF/Word等 | Adobe Acrobat(付费)/Nitro PDF(免费) | | 问答界面 | 交互式对话 | AnythingLLM(开源)/ChatBox | **操作流程图**: $$ \text{本地文档} \xrightarrow{\text{转TXT/PDF}} \text{知识库} \xrightarrow{\text{导入工具}} \text{DeepSeek模型} \xrightarrow{\text{生成答案}} $$ --- ### 二、**具体操作步骤** #### 步骤1:**模型部署(5分钟)** 1. 下载Ollama客户端:[https://ollama.ai/download](https://ollama.ai/download) 2. 安装后打开终端,执行: ```bash ollama run deepseek-chat ``` 3. 自动下载7B/20B版本模型(根据显卡选择,4GB显存选7B) #### 步骤2:**知识库准备** 1. 文档格式转换: - **PDF转文本**:用Adobe Acrobat打开文档 → 文件 → 导出到 → 纯文本 - **Word转文本**:另存为 → 选择"纯文本(.txt)" 2. 文档分块处理: 使用在线工具[Text Splitter](https://textsplitter.net/): - 上传txt文件 - 设置分块长度:512字符 - 点击"Split"生成分段文本 #### 步骤3:**搭建问答系统** 使用AnythingLLM(可视化操作): 1. 下载安装包:[https://useanything.com/](https://useanything.com/) 2. 首次运行: - 选择"Local Model" → 勾选DeepSeek - 在"Workspace"上传处理好的txt分段文件 3. 提问测试: ```plaintext 我的知识库文档提到XX政策的主要内容是什么? ``` --- ### 三、**实战案例:家庭健康助手** #### 操作流程: 1. **收集资料**: - 下载《中国居民膳食指南》PDF版 - 整理家人体检报告(删除隐私信息后转txt) 2. **构建知识库**: ``` /documents ├── 膳食指南.txt ├── 爸爸体检报告.txt └── 药物说明书.txt ``` 3. **典型提问示例**: ```plaintext 根据膳食指南,高血压患者每日盐摄入应该控制在多少克? 结合爸爸的尿酸值,推荐哪些低嘌呤食物? ``` #### 效果对比: | 提问类型 | 原始模型回答 | 知识库增强后回答 | |---------|--------------|------------------| | 专业医疗建议 | "建议咨询专业医生" | "根据2022版指南第3章,建议每日钠摄入..." | | 个性化推荐 | 通用建议 | "您父亲的尿酸值为520μmol/L,应避免食用..." | --- ### 四、**常见问题解决方案** 1. **文档处理失败**: - 现象:PDF转换后乱码 - 解决:使用在线转换工具[Smallpdf](https://smallpdf.com/pdf-to-txt) 2. **回答不准确**: - 调整策略:在AnythingLLM设置中 → 提高"Relevance Weight"到0.7 3. **运行速度慢**: - 7B模型最低配置: ```plaintext CPU: Intel i5 10代以上 内存: 8GB (推荐16GB) 硬盘: 剩余空间>20GB ``` --- ### 五、**进阶技巧(无需编程)** 1. **混合检索模式**: 在AnythingLLM设置中启用: ```plaintext [√] 关键词匹配 [√] 语义搜索 [√] 时间加权 ``` 2. **安全过滤**: - 在Ollama启动参数添加: ```bash ollama run deepseek-chat --temperature 0.3 --seed 123 ``` 3. **个性化指令**: 创建`preset.txt`文件: ```plaintext 你是一名家庭健康助手,回答时要: 1. 先引用知识库文档章节 2. 用编号列表给出建议 3. 最后提示"具体请咨询医师" ``` --- ### 六、**硬件建议配置** | 使用场景 | 推荐配置 | 成本估算 | |---------|----------|----------| | 轻度使用(每日10次提问) | NVIDIA GTX 1650 4GB + 16GB内存 | ¥3,000左右 | | 持续使用(家庭多成员) | NVIDIA RTX 3060 12GB + 32GB内存 | ¥6,000左右 | | 企业级部署 | NVIDIA A10G服务器 | ¥3万/月起 | **注意事项**:首次运行模型时会自动下载约15GB数据(7B版本),请确保网络畅通
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值