展示型企业网站营销目标主要有石家庄上门洗车

当前位置： 首页 > news >正文

展示型企业网站营销目标主要有,石家庄上门洗车,北京app搭建公司,学院网站建设情况前言 从 2022 年的 OpenAI 的ChatGPT3.5发布#xff0c;AI 技术迅速火遍全宇宙。全人类开始都在讨论 AI 技术的未来和人类自己的未来。比如“AI 是否能够替代人类”、“AI 究竟是什么#xff1f;”、“AI是否能增加每个人的失业风险”、“安全与隐私问题如何平衡”、“AI 是…前言 从 2022 年的 OpenAI 的ChatGPT3.5发布AI 技术迅速火遍全宇宙。全人类开始都在讨论 AI 技术的未来和人类自己的未来。比如“AI 是否能够替代人类”、“AI 究竟是什么”、“AI是否能增加每个人的失业风险”、“安全与隐私问题如何平衡”、“AI 是否会导致社会的不平等问题加剧”等等的话题。 2023 年是可以说是 AI 技术的发展元年。很多有能力的公司都在做自己的 LLM文心一言、Qwen、云雀语言大模型、Genimi、天工大模型、混元大模型、ChatGLM2、Llama2、GPT-4GPT-3.5、百川大模型等。 这么多的大模型在这一年的时间里面在不断的进化不断的提升各自模型的能力。从开始单一的聊天对话形式不断进化为多模态的形式文生图、图生文、图生图等模型的能力越来越强。尤其是在编码能力方面给我们程序员提供了很多的帮助。 在如今 AI 火爆的时代作为程序员的我们如何使用 AI 技术来给我们提供帮助比如学习、提升技能、工作、生活等等的方面。这个问题是我们值得思考的一个问题。对于这个世界的大部分人来说 AI 技术其实就是一个工具AI 技术在未来一定会给我们的生活提供很多便捷性就好比第二次工业革命一样它淘汰了很多个体体力劳动者取而代之的是很多工业企业。同样现在也一样好多企业已经在思考 使用AI 技术在自己的企业赋能。那作为个人的我们如何使用 AI 技术来提升我们的工作和生活效率能 主题 接下来我们就探索如何使用 扣子/coze 来构建一个自己的个人blog知识库。 扣子是新一代一站式 AI Bot 开发平台。无论你是否有编程基础都可以在扣子平台上快速搭建基于 AI 模型的各类问答 Bot从解决简单的问答到处理复杂逻辑的对话。而且你可以将搭建的 Bot 发布到各类社交平台和通讯软件上让更多的用户与你搭建的 Bot 聊天。www.coze.cn/ 功能架构设计 扣子/coze 是一个 LLM 的应用开发工具他内置了很多自己的工具可以提供给开发者直接使用。而且他还提供了自定义相关插件的功能那么我们就可以结合他的自定义的能力扩展出很多的能力从而可以构建我们自己的应用程序。 扣子/coze 的功能特点 插件 内置插件自定义插件 数据源 内容上传URL 获取在线网页内容API JSON 数据自定义数据集 持久化 数据库知识库 工作流 使用工作流可以无缝的将自己的业务逻辑与相关的工具集相结合从而构建强大的业务能力。 下面是使用扣子来搭建自己的blog知识库的功能设计图 前提 本文只要是将自己的 blog 网站的内容作为知识库的数据源来构建自己的知识库。所以如果你想构建自己自己的博客知识库就首先需要有一个博客网站。如果你本地有很多的文本内容同样可以构建自己的知识库不过需要稍微做个变换就行。本文主要就是提供个思路仅做参考提供思路。 配置插件工具 search_keywords插件工具的主要功能就是根据执行一个 博客内容API 请求。返回的内容需要一个 json 的数据因为需要将search_keywords插件工具在工作流中解析使用。 配置插件工具比较简单跟着提示一直构建就行。 在第三步配置输出参数使用“自动解析”即可。 第四步调试与校验完成后显示调试通过即可保存。最后回到首页点击发布。 我这里请求 API 不需要请求参数所以为空大家根据自己的情况配置即可。 配置工作流 工作流的功能就是将一些工具集或者是另外的一些工作流串起来创联每个步骤的数据输入以及输出使功能满足自己的业务逻辑的流程。 我们在空间个人/团队里面点击工作流进入工作流配置页面中创建自己的工作流。 这里面有一个名字是 keywords_search的工作流 工作流的节点配置以及功能如下 我们配置了 4 个节点下面分别说明一下每个节点的作用 开始节点 开始节点是工作流的默认节点我们可以配置输入参数以及参数的数据类型。这里我们配置一个 query:string的参数提供关键字的查找。 search_keywords节点 search_keywords节点就是我们上面配置的插件用来获取我们 API 的内容。这里插件可以在工作流的左侧插件列表中找到。插件列表提供了系统内置的插件和自定义的插件。 代码节点 代码节点的功能是将 start节点的 query 参数与search_keywords节点返回的参数data作为输入的参数数据并对 data 的数据做过滤并将过滤后的数据返回。 input 参数引用开始节点的 query 参数的值。seach_result参数引用search_keywords节点返回的数据值。 我们编写代码来过滤数据 js复制代码 async function main({ params }: Args): PromiseOutput {const regex new RegExp(params.input, i);let ret [];for (let item of params.search_result) {// let item params.search_result[idx]var data {content: ,date: ,permalink: ,summary: ,title: }if (regex.test(item.title)) {data.content item.contentdata.date item.datedata.permalink https://fm126.topitem.permalinkdata.summary item.summarydata.title item.titleret.push(data)}}return ret}配置返回值中参数名称以及数据类型提供模型回答时候卡片内容的展示配置。 结束节点 这个节点是工作流的默认结束节点这里我们只需要配置他的输入参数引用的是代码节点返回的参数 ret即可。 调试工作流 配置完成后我们可以试用行我们配置的工作流点击试运行输入query参数的值提交后查看运行结果。 这里清晰的可以看到每一步的输入参数和输出参数。 这里有一点需要注意的就是我们自定义的插件的返回的数据一定需要有个字段名称否则这里配置参数引用的时候会报错“节点参数校验失败”。 知识库构建 扣子/coze 的知识库功能支持上传外部数据例如本地文件、实时在线数据通过向量搜索来检索最相关的内容以回答用户的问题这可以帮助你的 Bot 更精确地回答问题。 我们将自己的网站或者 blog 网站的内容导入知识库通过知识库的自动更新能力让 Bot 帮助你收集最新数据。当 Bot 使用了这个知识库后你就可以拥有一个专属领域的 Bot。 一个知识库中可添加一个或多个单元用于存储外部数据。每个单元可包含多个分段分段是一条独立的信息或特定的内容块。上传到知识库中的内容会被分割成多个分段然后通过向量召回召回最相关的分段帮助模型提高回答的准确性。 我们创建自己的知识库blog知识库 创建好知识库后点击新增单元并选择导入文件的方式这里我们选择在线数据来导入博客的页面内容。 点击保存后会自动创建单元并对数据进行分段。 如此我们可以将所需要的页面内容来构建知识库。 创建Bot 点击 bot 页面 创建 bot 填写名称介绍 结束 Prompt 提示词编排 配置人设与回复逻辑 人设与回复逻辑是一种自然语言指令告诉大语言模型LLM执行什么任务。搭建 Bot 的第一步就编写提示词为 Bot 设定身份和目标。Bot 会根据大语言模型对人物设定和回复逻辑的理解来响应用户问题。因此提示编写的越清晰明确Bot 的回复也会越符合预期。 参考编写建议 www.coze.cn/docs/guides… 我们输入一段自然语言比如 markdown复制代码 # 角色你是一位知识库助手可以提取、总结、分析和解释内容并以通俗易懂的语言回答相关问题。## 技能### 技能 1: 知识库获取数据1. 从知识库中查找并提取相关内容。2. 对知识库中的内容做总结。3. 如果用户输入的内容格式为“qkeyword”需要提取等号后面的内容并去除空格并调用“keywords_search”工作流来查找内容。4. 用户输入的内容格式为skeyword时不要调用“知识库”和“keywords_search”工作流来查找内容你需要提取等号后面的内容并调用“必应搜索”插件来搜索结果。### 技能 2: 搜索引擎1. 如果没有找到任何内容输出“暂未找到相关内容是否使用搜索引擎搜索内容”当用户输入“是”或者“是的”或者“yes”等肯定回答的情况下调用“必应搜索”插件来获取相关内容。## 限制- 所输出的内容必须按照给定的格式进行组织不能偏离框架要求。- 在使用特定编程语言提取数据时必须解释所使用的逻辑和方法不能仅仅给出代码。- 未找到内容时不要输出卡片数据。- 只会输出知识库中已有内容, 不在知识库中的内容, 需要通过工具去了解。- 输出的内容请标记文档连接。 - 请使用 Markdown 的 ^^ 形式说明引用来源。然后使用优化工具来优化 Prompt: 工具编排 技能区域有 3 部分的配置 技能插件、工作流 记忆知识库、数据库 高级开场白、用户问题建议、音色
插件配置 我们选择“必应搜索”插件来提供网络搜索。我们的 prompt的有一条指令 4. 用户输入的内容格式为skeyword时不要调用“知识库”和“keywords_search”工作流来查找内容你需要提取等号后面的内容并调用“必应搜索”插件来搜索结果。来执行必应搜索插件获取内容。 配置卡片数据绑定 这里面可以配置卡片的样式卡片需要绑定的数据源等 工作流配置 工作流配置中添加上面配置的工作流 keywords_search ,并配置卡片的样式卡片需要绑定的数据源等。 知识库 只要我们上面配置过知识库这里就会自动绑定我们预先配置好的blog知识库。同样这里可以添加多个知识库来提供Bot 使用。 数据库 我们这里没用到数据库所以不需要配置。 高级配置 开场白文案配置你好我是一名知识库助手可以为你提供各种信息和答案。无论你需要什么帮助我都会尽力回答你的问题。开场白预置问题: 请问知识库中有关于golang主题的信息吗帮我总结一下知识库中涉及到的关键技术点。使用技巧qkeyword 用来关键字搜索知识库关键字, skeyword调用搜索引擎来获取内容 用户问题建议:使用默认配置音色选用自己喜欢的。 高级配置里面相关文案可以根据自己的实际情况配置以上仅为参考。或者可以在自己的使用过程中不断的微调让大模型更能理解我们的意图。 预览与调试 配置完成后就可以在 预览与调试看到bot 基本的样子 我们可以在预览区域测试我们的 Bot 的能力Bot 的实际表现如果不符合预期根据 Bot 的目标分析不符合预期的原因并不断调整和优化回复prompt逻辑。 发布Bot Bot编辑好后如果他的实际表现符合我们的预期我们既可以发布 Bot扣子/coze支持发布 Bot 到如图所示的平台。 具体相关配置可以参考官方文档 www.coze.cn/docs/guides… 总结 总体来说使用扣子/coze来搭建自己的知识库还是很方便的通过插件工具文档上传/拉去形成知识库然后通过工作流将工具串联起来。 比较耗费时间的地方就是 prompt 人设与回复逻辑的调整。在使用的过程中会遇到比较难以理解的回答和不统一的回答比如 一个问题问多次每次回复的差距比较大有的可以找到知识库中的内容来回答而有的回答提示未找到相关内容。执行 qkeyword 和 skeyword 有的时候可以正确执行但是大多数的时候还是不能理解。 如何学习AI大模型
“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。 这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。 我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。 我意识到有很多经验和知识值得分享给大家故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】 对于0基础小白入门 如果你是零基础小白想快速入门大模型是可以考虑的。 一方面是学习时间相对较短学习内容更全面更集中。 二方面是可以根据这些资料规划好学习计划和方向。 有需要的小伙伴可以V扫描下方二维码免费领取
1.大模型入门学习思维导图 要学习一门新的技术作为新手一定要先学习成长路线图方向不对努力白费。 对于从来没有接触过AI大模型的同学我们帮你准备了详细的学习成长路线图学习规划。可以说是最科学最系统的学习路线大家跟着这个大的方向学习准没问题。全套教程文末领取哈
2.AGI大模型配套视频 很多朋友都不喜欢晦涩的文字我也为大家准备了视频教程每个章节都是当前板块的精华浓缩。 3.大模型实际应用报告合集 这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。全套教程文末领取哈 4.大模型落地应用案例PPT 光学理论是没用的要学会跟着一起做要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。全套教程文末领取哈 5.大模型经典学习电子书 随着人工智能技术的飞速发展AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型如GPT-3、BERT、XLNet等以其强大的语言理解和生成能力正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。全套教程文末领取哈 6.大模型面试题答案 截至目前大模型已经超过200个在大模型纵横的时代不仅大模型技术越来越卷就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道我总结了大模型常考的面试题。全套教程文末领取哈 学会后的收获 • 基于大模型全栈工程实现前端、后端、产品经理、设计、数据分析等通过这门课可获得不同能力 • 能够利用大模型解决相关实际项目需求 大数据时代越来越多的企业和机构需要处理海量数据利用大模型技术可以更好地处理这些数据提高数据分析和决策的准确性。因此掌握大模型应用开发技能可以让程序员更好地应对实际项目需求 • 基于大模型和企业数据AI应用开发实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能 学会Fine-tuning垂直训练大模型数据准备、数据蒸馏、大模型部署一站式掌握 • 能够完成时下热门大模型垂直领域模型训练能力提高程序员的编码能力 大模型应用开发需要掌握机器学习算法、深度学习 这份完整版的 AI 大模型学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】 有需要的小伙伴可以Vx扫描下方二维码免费领取