- 博客(7)
- 资源 (8)
- 收藏
- 关注
原创 小鲤AI志愿填报助手:一键探索最适合你的大学专业
小鲤AI志愿填报助手利用数据分析和AI技术,帮助高考生做出更明智的专业和学校选择。Newmoney社区使用RAG-GPT开发此工具,以简化复杂的填报过程,提供个性化推荐,并通过技术挑战,展示AI在教育决策中的潜力。
2024-06-19 18:55:31
1087
原创 OpenIM Bot: 用LLM构建企业专属的智能客服
OpenIM Bot通过结合LLM和RAG技术,打造了一个智能客服系统,旨在解决用户在使用OpenIM产品过程中遇到的问题。该系统集成了OpenIM官网所有文档知识库,支持多轮对话和多语言功能,能够提供准确的技术支持和产品咨询。此外,系统还注重数据安全,支持本地部署,确保用户的敏感数据不外泄。OpenIM Bot的上线,不仅减轻了支持团队的负担,还显著提升了用户体验和问题解决效率。
2024-05-28 20:15:39
1481
1
原创 使用RAG-GPT和Ollama搭建智能客服
本文介绍了通过RAG-GPT和Ollama搭建智能客服的详细步骤。RAG-GPT结合信息检索和LLM的生成能力,实现了上下文相关、准确且最新的智能问答系统。通过五个步骤下载源码、配置环境变量、启动项目、体验聊天效果以及嵌入网站,用户可以快速部署并使用智能客服。本文还详细讲解了RAG技术原理、系统组成和管理后台功能,强调了RAG-GPT开源项目在数据隐私、安全性、可扩展性等方面的优势。RAG-GPT提供了一套完整的企业级解决方案,支持本地文件知识库和国内LLM大模型集成。
2024-05-22 21:10:54
3738
2
原创 RAG-GPT实践过程中遇到的挑战
本文介绍了RAG-GPT系统在构建智能客服时遇到的挑战及解决方案。通过结合检索机制和LLM生成能力,RAG系统可以生成上下文相关、准确且最新的信息,减少开发时间和数据清洗需求。文章探讨了RAG系统的核心流程、优势及挑战,并提出了Chunking和Embedding策略、RAG与微调的选择、以及系统测试和监控等优化方向。总结了RAG系统的潜在故障点和解决方法,为从事RAG系统开发的工程师提供了有价值的参考。
2024-05-21 19:52:51
1833
原创 使用RAG-GPT集成智谱AI、DeepSeek快速搭建OpenAI Cookbook智能客服
本文介绍了如何通过RAG-GPT集成智谱AI和DeepSeek,快速搭建OpenAI Cookbook智能客服系统。首先解释了RAG技术的基本原理,包括索引、检索和生成三个模块。然后展示了使用RAG-GPT的步骤,包括下载源代码、配置环境变量、启动服务、体验聊天效果和将聊天机器人嵌入网站等。最后介绍了管理后台的其他功能,如查看用户历史请求和配置聊天对话的UI。RAG-GPT具备开源免费、易于部署集成、功能丰富等特点,为LLM大模型的应用落地提供了一套企业级解决方案。
2024-05-20 17:00:44
1997
1
原创 使用RAG-GPT快速搭建LangChain官网智能客服
Indexing(索引):将文档分割成chunk,编码成向量,并存储在向量数据库中。Retrieval(检索):根据用户输入query和向量数据库中chunks语义相似度检索与问题最相关的前k个chunk,形成本次问答的上下文。Generation(生成):将原始问题和检索到的chunks整合形成合适的prompt一起输入到LLM中,让LLM输出与上下文有关的回答。用户发起query结合Bot实际应用场景,评估是否对query进行rewrite。
2024-05-17 21:47:55
3336
1
原创 RAG技术全解析:打造下一代智能问答系统
检索增强生成(RAG)技术通过结合大型语言模型(LLM)和外部知识库来克服传统语言模型在特定领域任务上的局限。RAG通过索引、检索和生成的三步流程,增强了语言模型的能力,提高了生成内容的准确性和相关性。本文详细介绍了RAG的工作原理、实现过程和评估方法,并展望了其在多模态领域的应用前景。RAG不仅优化了问答系统的性能,还通过多样的技术整合和灵活的检索过程,推动了智能问答系统的发展。
2024-05-13 12:33:48
10207
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人