1. 在茴香豆 Web 版中创建自己领域的知识问答助手
笔记:
在这次的交流中,我仔细研究了有关茴香豆 AI 的使用教程,深切感受到了这个语言模型的优雅之处。为了彻底测试这个模型的能力,我打开了网页,创建了自己的数据库。然后,我利用我自己编写的关于 FRP(端口转发工具)的 Word 使用文档,向 AI 提出了问题。AI 准确而有效地回答了我的疑问,让我感到十分惊讶。这次体验让我对这个 AI 的潜力有了更深刻的认识,也让我对未来的技术发展充满了期待。
对话截图:
- 在 InternLM Studio 上部署茴香豆技术助手
笔记:
这份笔记详细介绍了如何搭建基于RAG(Retrieval Augmented Generation)技术的知识助手,使用的工具是茴香豆(Huixiangdou)。以下是对笔记的总结:
RAG技术的概述:
RAG技术通过结合检索和生成的方法,利用外部知识库来生成更准确、更丰富的回答。它能够解决传统语言模型在处理知识密集型任务时可能遇到的问题,如幻觉、知识过时等,提供更准确的回答、降低推理成本、实现外部记忆。
环境配置:
在介绍了RAG技术后,笔记详细说明了如何在开发机上配置环境,包括创建基础环境、下载基础文件和安装茴香豆等步骤。具体涉及到的操作包括选择镜像、配置资源、复制模型文件、下载安装茴香豆等。
使用茴香豆搭建RAG助手:
笔记指导了如何修改配置文件、创建知识库以及运行茴香豆知识助手。其中,修改配置文件涉及到替换默认模型路径,创建知识库则包括下载语料、提取知识库特征并创建向量数据库。最后,运行茴香豆知识助手测试了搭建的助手效果。
总的来说,这份笔记提供了一个详细的步骤,指导如何搭建基于RAG技术的知识助手,为使用者提供了一种有效利用外部知识库提升语言模型性能的方法。