aqi00的博客

有鉴于此，博主开始连载AI应用开发教程《15天学会AI应用开发》，帮助大家快速掌握AI应用开发技能，不掉坑、不迷路、有收获。《15天学会AI应用开发（十二）从PDF、WORD、网页构建RAG》《15天学会AI应用开发（七）有了大模型为什么还要引入RAG》《15天学会AI应用开发（十一）从TXT文件构建RAG知识库》《15天学会AI应用开发（八）使用向量数据库实现RAG功能》《15天学会AI应用开发（十三）上下文与RAG的阶段性总结》《15天学会AI应用开发（十）把文本嵌入模型换成国产模型》

Python有成熟的第三方库，可以直接对一段中文做自动摘要，无需开发者自己写算法。也可使用在线大模型输出原始文本经过压缩后的摘要文字，并且支持通过提示词设置精简指标，比如摘要长度等等。

上一篇文章说到按照消息数量来截断历史对话，这种方式有个问题，就是每次对话的内容可长可短，导致固定消息数量的对话内容忽长忽短。历史对话内容不光要存入数据库，还要作为初始提示词发给下次新会话的大模型。太长的提示词不仅冗余，还会消耗大量Token，让用户钱包快速缩水。太短的提示词容纳的信息量不足，难以起到充分记忆的功能。

AI大模型服务的用户很多，它对每个用户的印象仅存在于当前会话中，一旦用户离开当前会话重新开启新的会话，AI会把该用户当作是新用户，而非之前已经对话过的某个用户。也就是说，AI没有持久记忆的功能，它记不住你上次问了什么，也记不住它上次回答了什么。这意味着AI没法从过往的对话中吸取经验，原本纠正了的错误还会继续犯错，原本积累了的知识重开转头就忘。

比如“帮我写个请假条”，这里既没说请假的理由（生病还是私事还是别的），也没有请假的时间（包含开始时间、结束时间、请假天数等），那么AI给出的请假条很可能就不符合用户的要求，要么请假理由不对，要么请假时间不对。AI大模型想要固定格式的指令，AI应用就得想办法把用户给的文字转换成对应指令，比如把“好的”、“可以”、“同意”等转成表示肯定的“是”，把“不行”、“别”、“不要”等转成表示否定的“否”。用户发给AI的文字信息，有的是命令，有的是问题，既有肯定句式，又有疑问句式，方便起见就统一成中性的“提示词”了。

AI大模型时代来了，程序员们纷纷入坑AI应用开发，可是苦于AI教程良莠不齐，往往花费了大量时间精力和金钱，却仍然过其门而不入。有鉴于此，博主开始连载AI应用开发教程《15天学会AI应用开发》，帮助大家快速掌握AI应用开发技能，不掉坑、不迷路、有收获。