套壳之王!开源工具LibreChat,超越官方ChatGpt

随着ChatGPT的普及,许多人开始利用API快速打造商业化产品,各类基于GPT的套壳工具如雨后春笋般涌现。

ChatGPT Next Web 是国内知名的开源套壳UI,旨在帮助开发者快速搭建Web端ChatGPT应用。通过它,用户可以轻松集成OpenAI API,并根据需求自定义界面和功能。另一个备受关注的项目是Dooy-AI,这个纯前端平台融合了多种AI技术,融合了文字对话、MJ绘图、GPTs、Suno音乐、DALL.E绘图、语音对话功能。

然而,这些项目虽然强大,却在多端同步方面存在限制。对此,LibreChat 提供了解决方案,不仅支持文档对话分析,还支持多端同步,并且界面风格借鉴了官方ChatGPT,带来了流畅的使用体验。

01.LibreChat功能

🖥️ 与ChatGPT匹配的UI,包括暗黑模式、流式处理和最新更新

🤖 AI模型选择:OpenAI、Azure OpenAI、BingAI、ChatGPT、Google Vertex AI、Anthropic(Claude)、插件、助理API(包括Azure助理)
✅ 兼容远程和本地AI服务:groq、Ollama、Cohere、Mistral AI、Apple MLX、koboldcpp、OpenRouter、together.ai、Perplexity、ShuttleAI等
💾 创建、保存和分享自定义预设
🔀 在聊天过程中切换AI端点和预设
🔄 编辑、重新提交消息,并支持会话分支
🌿 分叉消息和会话,实现高级上下文控制
💬 多模态聊天:

  • 使用Claude 3、GPT-4(包括gpt-4o和gpt-4o-mini)和Gemini Vision上传和分析图片 📸

  • 通过自定义端点、OpenAI、Azure、Anthropic和Google与文件聊天 🗃️

  • 高级Agents支持文件、代码解释器、工具和API操作 🔦

  • 通过OpenAI Assistants API提供 🌤️

  • 非OpenAI代理正在积极开发中 🚧

🌎 多语言UI:英语、中文、德语、西班牙语、法语、意大利语、波兰语、巴西葡萄牙语、俄语、日语、瑞典语、韩语、越南语、繁体中文、阿拉伯语、土耳其语、荷兰语、希伯来语
🗣️ 使用语音转文本和文本转语音功能进行免提聊天
自动发送和播放音频:支持OpenAI、Azure OpenAI和Elevenlabs
📥 从LibreChat、ChatGPT、Chatbot UI导入对话
📤 将对话导出为截图、markdown、文本、json
🔍 搜索所有消息/对话
🔌 插件,包括网页访问、DALL-E-3图像生成等
👥 多用户,安全认证,具有审核和令牌消费工具
⚙️ 配置代理、反向代理、Docker和多种部署选项:可完全本地使用或部署到云端

02.LibreChat使用

选择 Docker、npm 安装方法还是 Kubernetes 的 Helm都可以。以下部分图片来源于聚合AI。

上传文档后,输入问题即可提问,AI将基于文档内容生成答案,并支持连续追问。LibreChat文档对话功能支持所有模型,使用RAG技术进行文档向量化存储。

使用对话预设功能,可以设定大语言模型的特征,如职业、性格、爱好等,以使回答更符合用户需求。建议只修改自定义指令和名称,其他选项保持默认,以避免未知错误。

在左下角进入设置,选择OpenAI的Whisper语音输入模型和TTS语音输出模型,即可在对话中使用语音输入和输出功能。

插件通过模型的函数调用(FC)提供网页访问、联网查询、计算器和DALL.E绘图等功能。在左上角下拉选择“Plugins”,设置API-Key,并按照提示安装所需插件,即可开始使用。

导出功能将对话内容转换为可编辑格式,如图片、CSV、TXT、JSON、Markdown等,生成的JSON文件还可重新导入LibreChat,使用非常方便。分叉讨论话题是一种新颖的玩法,类似于游戏中的不同选择带来不同结局。在与AI对话时,你可以在不打断主要讨论的情况下,提出与主题无关的新问题。例如,讨论西红柿炒鸡蛋时,如果你突然想问打蛋器是电动还是手动的好,可以在主线讨论完打蛋器部分后进行分叉,继续深入探讨打蛋器,而主线仍继续讨论如何做西红柿炒鸡蛋。

所以,当你需要详细讨论分叉问题时,只需点击分叉新建对话,相当于复制上文对话并展开新话题。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“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,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,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。

在这里插入图片描述

第一阶段(10天):初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么?
  • 大模型是怎样获得「智能」的?
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例:向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范

第二阶段(30天):高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示(Embeddings)
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署

第三阶段(30天):模型训练

恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。

到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2:手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建

第四阶段(20天):商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身:基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例:如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 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

在这里插入图片描述

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值