Second Me 初步使用

最新推荐文章于 2025-04-25 15:24:01 发布
最新推荐文章于 2025-04-25 15:24:01 发布
阅读量1.1k 收藏 30
点赞数 20
分类专栏： 人工智能 文章标签： 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_28212937/article/details/147291953
版权

文章目录

Second-Me使用入门

1. 访问（Welcome Page）

http://IP:3000
在这里插入图片描述

2. 创建（Create my Second Me）

点击 Create my Second Me

在这里插入图片描述

3. 步骤详解

3.1 定义身份（Define Your Identity）

用你的基本信息为你的人工智能奠定基础。

在这里插入图片描述

  • 名称
  • 简单介绍
  • 邮箱

3.2 上传记忆（Upload Memories）

上传有助于你的人工智能更好地理解你的内容。这些不仅仅是文件 —— 它们是你的 Second-Me 要经历的体验和想法。通过处理这些记忆，你的人工智能学会像你一样看待世界，采用你独特的视角和决策模式。

与你的 Second-Me 分享你的经历，以便它能够学会像你一样思考和回应。你上传的每一段记忆都会成为你的人工智能生活经历的一部分，帮助它理解你的观点、价值观和沟通风格。你提供的个人背景越多，你的数字孪生就会变得越真实。
主要特点：
・拖放文件上传；
・支持批量文件夹上传；
・用于直接内容的文本输入；
・文件大小和类型验证；
・上传进度跟踪。

在这里插入图片描述

3.3 训练（Train Process）

配置如何使用你的记忆数据和身份来训练你的 Second-Me

3.3.1 配置模型

用于处理和合成你的记忆数据的模型。
配置用于为 “Second Me” 合成训练数据的模型，以及作为 “Second Me” 在使用期间可以参考的外部参考模型。

在这里插入图片描述

可以配置OpenAI或者自定义模型

在这里插入图片描述
在这里插入图片描述

这里我选择的是Custom模式
Chat模型使用了deepseek的deepseek-chat、Embedding模型选择是阿里百炼的text-embedding-v3

deepseek：https://api-docs.deepseek.com/
阿里百炼： https://bailian.console.aliyun.com/?tab=api#/api/?type=model&url=https%3A%2F%2Fhelp.aliyun.com%2Fdocument_detail%2F2712515.html

数据合成模式（Data Synthesis Mode）
可以保持默认，low

  • 低：快速数据合成
  • 中：合成与速度平衡
  • 高：丰富合成，速度较慢。
3.3.2 基础模型选择

根据你本地的服务器/笔记本的配置来选择基础模型

在这里插入图片描述

3.3.3 高级选项配置

调整这些参数以控制训练质量和性能。推荐的设置将确保稳定的训练。

在这里插入图片描述

  • Learning Rate （控制模型在训练期间适应新信息的速度。）
    较低的值（0.0001）可提供稳定但较慢的学习，而较高的值会加速学习，但有超出最优参数的风险，可能会导致训练不稳定。
  • Number of Epochs（更高的值会导致更深的记忆，但训练时间会更长。）
    控制模型在训练期间对整个数据集进行完整遍历的次数。更多的轮次允许更深入的模式识别和记忆整合，但会显著增加训练时间和所需的计算资源。
  • Concurrency Threads（较高的值可能会导致系统错误或 API 请求失败。）
    定义了在数据合成期间使用的并行处理流的数量。较高的值可以减少总体训练时间，但会增加系统资源消耗，并可能触发 API 速率限制，从而潜在地导致训练失败。
3.3.4 开始训练。

在这里插入图片描述

  • Tips docker-compse启动前后端的时候，默认的是要调整RAM的大小，建议把前端的limit值调大一些。
    在这里插入图片描述

训练的时长，因为上传资料的大小、基础模型的选择、以及高级选项的配置会有相应的不同，耐心等待.....

在这里插入图片描述

3.3.5 训练完成

在这里插入图片描述

4. 使用

训练完成之后，还不能直接使用，还需要启动服务之后才可以正常使用

4.1 点击 Start Service

在这里插入图片描述

4.2 开始对话

4.2.1 对话

Playground--> Chat Mode
Chat with Second Me 直接对话

4.2.2 对话设置

混合聊天架构
你的 SecondMe 采用混合架构，将个人记忆与先进的人工智能功能相结合：
记忆检索（L0/L1）
访问你的个人记忆以提供反映你的经验和知识的响应：
・L0：快速查找相关记忆。
・L1：深度语义搜索复杂上下文。
支持模型
对于复杂任务，SecondMe 可以咨询更强大的人工智能模型以：
・分解复杂问题。
・提供逐步推理。
・处理专业知识领域。
通过将你的记忆与支持模型功能相结合，SecondMe 可以有效地处理个人对话和复杂的问题解决任务。

  • Memory Retrieval
    记忆检索，配置如何让 “Second-Me” 访问你的记忆。
  • System Prompt
    配置你的 SecondMe 的基本行为，也就是提示词
  • Temperature
    调整创造力（0 = 精确，1 = 有创意）
    在这里插入图片描述

5. 加入网络（Join AI Network）

可以设置是否将你训练的Second Me加入互联网。

在这里插入图片描述

发布到互联网之后，可以拿到通过URL拿到下面这些信息。
在这里插入图片描述

总结

简单把demo算是跑通了，后面就是整理需要训练的Second-Me的材料，以及搞一台配置高一些的服务器/笔记本，训练处一个满足业务要求的Second-Me APP了

基于树莓派4B设计的智能家居系统(华为云IOT)
09-05 2万+
本次设计主要以树莓派为主要的硬件开发平台，以Raspbian操作系统为软件开发平台。主板树莓派通过HTTP协议和MQTT协议分别与上位机和下位机通信，搭建的服务器用来储存数据和日志记录。搭配有线和无线组合通信方式设计出一套完整的智能家居系统。
语言模型数据工程理论支持的初步探索。第 1 部分：预训练
强化学习曾小健
09-07 357
Grokking 是指在训练的某个步骤，模型突然学会了一项技能，从记忆过渡到泛化对于特定的“技能”，例如模加法，我们引用 Pearce 等人的典型学习曲线。等人。2023。我们可以看到，在训练开始时，模型记忆了训练数据，测试性能没有变化。随着训练的进行，从第 35k 步到第 45k 步有一个相变期，模型突然从记忆过渡到泛化，在测试集上显示出 100% 的准确率。学习过程中的这种阶段性变化被称为“grokking”。
Second Me 开源了！第一个可以本地训练的 AI 身份模型
2401_84495872的博客
03-25 1279
除了通用大模型（LLM）和智能体（Agent），AI 还有第三个大赛道吗？是的，随着越来越多人告诉我们，我们需要 AI 不仅仅成为工具，而是成为我们人的延伸，更多的对齐我们自己，成为我们的身份。不仅如此，他还是本地训练和部署，。并且在部署后，可以把你的 AI 身份，，让你的 AI 身份可以被所有人和应用访问、使用，无限放大你的存在感！Second Me 与通用大模型生成标准化回答不同，它通过深度学习你的真实记忆数据，构建真正“关于你”的高度个性化身份模型。
Second Me + Ollama + Mac M2本地训练
04-10 614
由于ollama chat接口与OpenAI chat接口不兼容，本文尝试使用requests实现ollama本地模型的使用，这样Second Me就也可以使用本地ollama模型来做数据增加及MacOS上进行训练和推理了。
Second-Me: 训练你的 AI 自我以连接世界
puterkey的专栏
03-23 704
不像像 OpenAI 这样的公司构建了威胁人类独立的“超级 AI”。而是渴望个性：AI 可以放大而不是抹杀您。 通过Second Me来挑战这一点：一个开源原型，您可以在其中打造自己的AI 自我 — 一种新的 AI 物种，可以保护您、提供您的背景并捍卫您的利益。
【每日论文】AI-native Memory 2.0: Second Me
weixin_40240616的博客
03-13 793
人类与外部世界的互动本质上涉及个人记忆的交换，无论是与其他个人、网站、应用程序，还是未来与AI代理的交互。其中很大一部分交互是重复的，需要用户在不同情境中反复提供相同的信息。现有的解决方案，如浏览器存储的凭据、自动填充机制和统一认证系统，旨在通过充当存储和检索常用用户数据的中间件来减轻这种重复性。大型语言模型（LLMs）的出现为通过AI原生范式重新定义记忆管理提供了机会：SECOND ME。SECOND ME充当一个智能的、持久的记忆卸载系统，保留、组织和动态利用用户特定的知识。
Second Me：硅基生命或成现实？如何用AI克隆自己，打造你的AI数字身份！
士多啤梨先生の博客
03-23 1114
Second Me 是一个开源AI身份系统，允许用户创建完全私有的个性化AI代理，代表用户的真实自我，支持本地训练和部署，保护用户隐私和数据安全。
Second-Me 开源项目安装与配置指南
gitblog_00680的博客
03-27 568
Second-Me 开源项目安装与配置指南 Second-Me Where You Build Your AI Duplicates that Connects with Others' 项目地址: https://gitcode...
Second Me：在 AI 中保留自我的火种丨社区来稿
声网的博客
03-20 912
这是一个全新的 AI 物种（AI 身份模型），他不想要对齐全人类，他只想对齐一个人，就是你自己。于是，他成为了 “AI 版本的身份”。这是一个开源的早期研究原型，每个人都可以在本地，隐私、安全的训练这个独特的 AI 新物种，并作为身份接口接入世界。这是一个由 AI身份 构成的原生网络，就像最早的互联网，他倡导开放、共建，参与者以 AI 的形态来看见彼此，来一起建设。这也是一种创新的AI原生应用的尝试，每一个创建的应用，都是为了让 “你的AI身份” 代表你来使用，而不是你。
Second Me：在AI洪流中，如何让你的数字灵魂永不熄灭？
weixin_62427272的博客
03-27 485
想象一下：当你忙于现实生活时，你的“第二自我”正以你的思维方式在数字世界谈判、社交、探索，甚至替你体验10000小时的人生。在用户与世界的交互中搭建双向通道：既将你的模糊需求转化为精准指令（如“找餐厅”→“未来科技城附近的重口味餐厅”），又将外界反馈按你的偏好过滤（如“推荐岗位A/B/C”→“优先类似C的岗位”）。将你的文字、图像等记忆拆解为“主体经历”，再围绕社交关系、事业目标等主观视角重组，形成动态的三层记忆结构（L0原始数据→L1关系链→L2生命叙事），让AI以你的视角“体验人生”。
TypeScript初步
qq_53085291的博客
07-10 122
TypeScript是JavaScript类型的超集（当前我们处于ES5），它可以编译成纯JavaScript。TypeScript给JavaScript加上可选的类型系统，给JavaScript加上静态类型后，就能将调试从运行期提前到编码期，诸如类型检查、越界检查这样的功能才能真正发挥作用。 TypeScript的开发体验远远超过以往纯JavaScript的开发体验，无需运行程序即可修复潜在bug。TypeScript支持未来的ES6甚至ES7。在TypeScript中，可以直接使用ES6的最新特性，在编
TS&JS初步小结
qq_52215423的博客
07-10 238
小结
ME系列存储网络配置手册：高效连接与故障处理快速入门
本文首先概述了ME系列存储网络的基本架构，随后深入探讨了存储网络硬件连接的细节，包括存储设备的分类与选择、网络适配器与交换机的配置，以及布线与连接的最佳实践。在软件配置方面，文章详细阐述了存储网络初始化...
CDH5.16+Flink1.11.0+zepplien初步踩坑
qq_31866793的博客
07-20 1947
经历了几天的折磨，在白斩鸡的帮助下完成集群任务提交运行： zeppelin提交任务运行： 遇到了很多的坑，其中很多报错信息没有留下来或者截图，相对原生集群与CDH集群的不同之处，就在于依赖包的问题，和解决依赖冲突，可以先参考1篇文章。 https://developer.aliyun.com/article/761469. 之前不管怎么解决依赖冲突，或者放包最后都指向一个错误： org.apache.flink.client.program.ProgramInv...
Python项目--基于计算机视觉的手势识别控制系统
exlink2012的专栏
04-23 2102
随着人机交互技术的快速发展，传统的键盘、鼠标等输入设备已经不能满足人们对自然、直观交互的需求。手势识别作为一种非接触式的人机交互方式，具有操作自然、交互直观的特点，在智能家居、游戏控制、虚拟现实等领域有着广泛的应用前景。 本项目旨在开发一个基于计算机视觉的手势识别控制系统，通过摄像头捕获用户的手部动作，实时识别手势类型，并将识别结果转化为相应的控制命令，实现对计算机或其他设备的非接触式控制。
人工智能(AI)对网络管理的影响
最新发布
ITmoster的博客
04-25 641
AI正从工具演变为网络管理的“核心大脑”，其价值不仅在于效率提升，更在于为复杂问题提供系统性解决方案。
tokenizer的用法
大多_C的博客
04-25 610
可以基于现有 tokenizer 进行修改，如添加自定义的 token（tokenizer.add_tokens([“新词”])），从而扩展词汇表，此时可调用 tokenizer.resize_token_embeddings(model) 更新模型嵌入层。]}，有时还会包含其他信息比如 “token_type_ids”、“offset_mapping”（用于对齐）等。• return_tensors: 指定返回类型，如 “pt”（PyTorch tensor）、“tf” 或 “np”（NumPy 数组）
计算机视觉各类任务评价指标详解
qq_47898999的博客
04-25 1100
计算机视觉各类任务评价指标详解
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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