知识库的必要性
不知道大家是否有这样的体验，在公司我个人偶尔会有一些发票需要报销，因为技术岗位的对外场景不多，所以使用走报销流程的场景也很少，可能一个月就一次，每次我进行报销，填写报销单上的信息的时候，比如当我手上拿着“运输服务*客运服务费”的时候，我心里都会很疑虑，报销单上填写交通费？还是运输服务费呢？
每当这个时候，我都要去咨询我们的财务同学，我们的财务同学再告诉我，应该填写什么，但是问多了，都会有些尴尬，因为几乎每次报销可能都会出现一些填写上的错误，然后反复咨询，这对当事人、财务都是一种低效工作。
假如存在这样一个知识库AI，我们将财务相关的流程知识交给它，后续我们不再需要去找财务，而是通过与AI对话就能了解该怎么做、报销单的范本、注意事项，让AI替代财务的审核报销单这件事，岂不是大大节省双方的工作量，提升工作效率？
在以chatGPT为代表的大模型时代，搭建一个知识库AI不再是一个遥不可及的梦想，不需要写一行代码，人人都可以搭建出一个非常强大的知识库AI。
在正式开始知识库AI的介绍之前，我想带大家一起回到20世纪50年代，一起看看早期人工智能知识库如何实现，有什么缺陷，以及为什么大模型可以实现真正的知识库AI。
一直以来的梦想
人工智能学科早在其萌芽阶段，人工智能的大牛们就不断尝试让人工智能理解人类知识，并对人类的语言做出类似人类的反馈的超级梦想。
而早期的实现方案比较原始，使用了通用问题解决器（General Problem Solver），也被称为专家系统的技术方案进行解决。
专家系统本质上就是录入问题与答案，当用户问问题的时候，将匹配到的答案呈现给用户。
大家想象一下5年前的车机系统，其语音功能只能针对一些特定意思的简单的短句做出反馈，稍微复杂一点，或者超出了车机知识的范畴，专家系统便无法正常工作，这样的反应，很显然距离真正的“人工智能“还差的远。
智障车机
以开车场景下驾驶员对车机说“风有点大，帮我关闭窗户”作为例子，车机也许够做出适当的反馈，甚至你只需要说“风有点大”，车机就能明白驾驶员需要进行“关窗”这样的行为；
但是我们想象一下，虽然车机做出了我们预期的反馈，但是车机其实并不懂得这句话的意思，也并不理解“冷”的含义；车机的理解更加像是文字与行为的匹配、关键字的匹配，进而完成相应的操作，比如冷 = 关窗户，至于文字究竟是什么意思，车机并不明白；
如果我们想让这样的车机达到我们预期的“人工智能”，其背后我们则需要输入无数这样的文字与行为的匹配，让他按照字典的方式去对人类的行为进行反馈；
即使这样的车机拥有海量的字典知识，让绝大部分人都无法第一时间感觉到“机械感”，但是稍微复杂的问题，即便会露馅，更别提类似人类的操作了，这远远不是我们期望的人工智能。
而我们的大语言模型的天生对自然语言有这强大的理解能力，加之使用合适的技术手段，将知识库与AI进行融合，让AI像人类一样理解知识，做出合理的反馈，这已经不是遥不可及的梦想。
大语言模型实现的AI知识库
既然我们要去实现知识库，我们便需要将公司内部的文档交给大语言模型，让大模型理解知识库的知识，这样才能发挥大语言模型的能力，实现让AI正确的读懂，我们上传的资料呢？
技术知识大家大致了解就好，实际搭建AI知识库并不涉及技术部分。
RAG
在大语言模型时代，我们拥有了杀手级的工具来实现针对大语言模型的知识补充；
RAG，全称是Retrieval Augmented Generation，中文含义为检索增强生成。
这个工具的实现流程是什么样呢？
-
数据准备阶段
-
- 上传知识库
- 将文本按照期待的格式进行分割
- 使用一种称为
embedding的技术将文字向量化，让AI理解我们的知识库 - 存储我们的向量数据
-
提问+回答阶段
-
- 用户提问
- 理解用户的问题，并更具语义召回相关文字片段
- 大模型结合问题 + 答案进行理解，并回答用户的问题
使用coze中的Bot进行实现
我们使用国产的大模型 AI 应用开发平台，coze.cn进行实现，在知识库中文本中上传知识库，之后我们再询问一些知识库的问题，我们会发现AI已经了解了知识库并且正确的回答了问题。
现在我们问的一些问题比较简单，我们也可以问一些更加复杂的问题，比如知识库不存在的知识，或者知识库存在的知识，但是需要思考总结的。
客观来说，回答的质量是中等的，但是知识库的回答也是符合我们的预期的，但是当你问Bot一些知识库之外的问题，你希望他不参考知识库中的内容，正常与你进行交流的时候，Bot就会显的没那么智能了
- 如果让Bot的回答效果更好？
- 如何让Bot支持不仅可以知识库问答，还可以正常的回答其他的事情呢？
想要实现以上效果，我们便需要通过agent智能体进行实现。
什么是agent智能体？
简单来说就是当我们的任务、或者需求过于复杂，一个大语言模型已经无法完成的时候，我们便需要尝试拆分我们的需求，并进行流程编排，然后让多个大模型相互协同，帮助我们完成该任务。
所以我们实现agent智能体的方式是：workflow工作流；
关于agent智能体，我们会在后续出一篇专门的文章进行说明，大家这里可以简单理解为：多个大语言模型协同工作，我们称之为智能体。
使用agent进行实现更高级的AI知识库
既然我们可以使用多个AI进行知识库搭建，我们便可以拆解一下知识库AI的任务，再将需要思考的部分拆分到每一个的大模型。
任务拆解：
- 接收用户的问题，紧接着就进行知识库的检索
- 如果知识库检索到文字，则判定用户正在咨询知识库的内容，交给知识库回答的AI，结合知识+答案进行二次输出。
- 如果知识库没有检索到文字，则判断用户当前没有咨询知识库的内容，由日常问答的大模型进行与用户的日常问答。
任务分配：
- 大模型A：负责根据用户的问题检索知识库中相关联的答案
- 大模型B：负责针对用户的问题+知识库中检索获得的答案进行思考，整理语言后重新输出
- 大模型C：负责知识库问答之外的闲聊任务。
具体流程：
最后我们再把整个流程给串起来
效果测试：
工作流搭建完成后，我们将Bot与工作流进行关联
对比我们的第一版，其回答效果要更加全面，并且我们增加了一些大模型本身的见解，让阅读者可以更好的理解知识库的回答。
我们再试试问一些知识库无关的问题
可以发现，我们的agent正确的识别了我们问题的意图，进而进入了非知识库问答的路径之中，实现了我们预期的非知识库问答的功能。
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VＸ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🆓
扫一扫
1237
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
