【无标题】MucloudGPT 大语言模型演示站点使用教程

已于 2023-11-26 14:13:05 修改
阅读量64 收藏
点赞数
文章标签： 语言模型 人工智能 自然语言处理
于 2023-11-26 14:12:25 首次发布
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/weixin_42167209/article/details/134627007
版权

说明：本项目为学习演示使用，并非商用

轻松上手

新版注册地址

https://ai.mucloudgroup.cn/

填写你的邮箱

注册成功之后

登录,会默认登录到应用界面，点击创建你的应用

当然你可以不用自己创建应用，应用市场我已经帮你创建好了一些通用的应用，点击应用市场，进行体验即可直接使用

我们先来创建一个最简单的，直接使用GPT3.5的应用,一步到位哈

直接点击对话即可开始

可以直接在对话框开始对话使用了

如果你想更换其他的对话模型，只需要退出聊天，点击你的应用

更换对话模型，点击保存即可

简易知识库应用

首先你需要准备你的数据，支持.txt, .doc, .docx, .pdf, .md 格式的文档

老站用户知识库迁移

去https://lc.mucloudgroup.cn/ 选中你需要迁移的知识库，点击导出

然后去https://ai.mucloudgroup.cn/

创建一个知识库

并导入数据，选择知识库，点击新建

如果是从旧站迁移过来，选择直接导入数据即可

选中你刚才下载的数据

等系统加载成功后点击导入

如果乱码会有提示，遇到问题你只需要GPT就可以

等他慢慢训练

然后修改知识库名字，方便识别

当然你平日里记录的知识也可以选择手动录入

文档录入

如果是文旦，我建议你首先在直接分段这里录入一次，直接分段能记录文档更多上下文，然后QA拆分一次，QA拆分能够使文档的知识更加加结构化

比如我这里有一个售后支持的技术文档，我首先在直接分段这里上传一次文档

导入之后我再回过头来，注意 2 是必须的，需要刷新当前知识库页面，然后选择QA拆分，把刚才的文档再导一次

构建企业级知识库智能问答应用，点击应用，新建

我们首选创建一个简单的知识库+对话引导的应用

可以点击设置给应用写一个介绍，和更换头像

比如我这个是IT助手，你也可以点击头像更换一下头像

选择模型，mucloudgpt-16k的模型便宜且速度快，mucloudgpt-4 的模型内容理解能力强，如果你对内容理解准确度更高建议你使用mucloudgpt-4-8k 或者mucloudgpt-4-32k （这里的k可以简单理解为，支持的文本输出内容姿势，8k即8千字），我这边把温度调为0，回复上限拉到最大。

提示词，会固定再每次问答的开头，提示词可以引导大模型回答问题的方向，限定词也可以起到引导作用，如图所示，这是我写的提示词和限定此，目的是为了让模型回答更准确。

然后选择知识库，编写开场白

拉到最上面，点击保存，你可以进行预览调试或者直接点击对话，进行使用

调试的响应时间可能有点长，耐心等待即可

高级知识库应用

我们通常情况下，用户问的问题千奇百怪，我们需要大模型对用户问题进行分类，以达到针对不同类型问题回复的效果，比如大企业里面有行政知识库，制度知识库，培训知识库等，可以对用户的问题分类到不同的知识库进行查询

创建一个问题分类+知识库的应用

在高级编排这里选择你的知识库

高级编排对非开发人员来说有点复杂

最终达到的效果可以是这样，会把vpn自动识别为网络相关问题，呈现网络运维联系人

电脑相关问题自动识别为桌面问题，呈现桌面运维联系人信息

高级应用，变量，翻译助手

我们可以通过变量的形式固定提示词内容，比如我现在要做一个翻译助手，每次翻译任务交给翻译助手来实现

我们修改下初始化的变量，让他具有行业属性，点击设置按钮

名字修改为行业，变量key修改为 industry

把下拉框修改为可选择的语言

我们可以在选项那里继续添加语种

我们这里再补充一下提示词，把行业信息填写进去

提示词

你是{{industry}} 行业的翻译助手

限定词

请将我的问题直接翻译成{{language}}

点击保存预览，看看效果

高级应用，变量，周报助手

很多公司要写周报，周报月报都有固定格式，我们可以把格式通过变量固定下来

比如我这里新增变量

需要填写部门信息，已完成，未完成信息

提示词

你是{{department}}的{{name}} ，你需要根据下面的信息编写周报

限定词

请将{{done}}进行归纳总结，要求清晰合理体现工作能力，请对未完成的工作进行说明使其更合理，请将{{todo}}容进行补充扩写，提供详细的计划思路。

编写开场白达到提示作用

看看我的效果吧，非常详细

免登录窗口

你只需要创建一个分享链接即将链接设置在公众号或者企业网站进行使用

分享链接

充值功能

点击账户充值即可

在第三方应用中使用 mucloudgpt

使用 V2 版 chat 接口，可以轻松的在其他三方应用中使用 mucloudgpt，下面以最火的 ChatGpt Next 为例

  1. 获取秘钥(新建一个，记得复制出来，关了得新建了）

  1. 组合秘钥

利用刚复制的 API 秘钥加上 AppId 组合成一个新的秘钥，格式为: Bearer API秘钥-AppId，例如：

Bearer mucloudgpt-z51pkjqm9nrk03a1rx2funoy-642adec15f04d67d4613efdb

注意：

  1. Bearer后面有一个空格

  2. 大部分项目自动会填Bearer ，你只需要粘贴后面部分即可：

mucloudgpt-z51pkjqm9nrk03a1rx2funoy-642adec15f04d67d4613efdb

  1. 复制接口地址

https://lc.mucloudgroup.com/api/openapi

  1. 替换三方应用的接口地址和 ApiKey

其他的套壳程序，具体设置根据原来的项目进行更改

liubingxin_nemo
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
MATLAB神经网络---regressionLayer回归输出层
qq_45452617的博客
06-12 826
回归层计算回归任务的半均方误差损失。Matlab中的regressionLayer函数是一个深度学习工具箱中的函数,用于定义回归问题的损失函数层。它可用于神经网络模型的最后一层，将预测值与目标值进行比较,并计算出损失值。
从GAN到WGAN（02/2）
gongdiwudu的专栏
06-14 927
生成对抗网络 （GAN） 在许多生成任务中显示出巨大的效果，以复制现实世界的丰富内容，如图像、人类语言和音乐。它的灵感来自博弈论：两个模型，一个生成器和一个批评家，在相互竞争的同时使彼此更强大。然而，训练GAN模型是相当具有挑战性的，因为人们面临着训练不稳定或收敛失败等问题。在这里，我想解释一下生成对抗网络框架背后的数学原理，为什么很难训练，最后介绍一个旨在解决训练难点的GAN修改版本。
景芯SoC A72的时钟树分析
u011075954的专栏
06-13 535
innovus的ctslog中的Clock DAG信息可以报出来CTS主要运行步骤的关键信息，比如clustering，balancing做完后的clock tree的长度，clock tree上所用的buffer、inverter，icg cell数量，clock skew等信息。可以看到cell、sink的counts，也可以看到BUF、ICG的数量，接下来我们来看看景芯SoC A72 TOP的CLOCK ID和BUF个数的变化吧。先看下景芯SoC A72项目的cts latency变化过程。
yolov10主要特点
yzf060109的专栏
06-14 619
以下是YOLOv10与其他模型的快速对比：YOLOv10-S：46.3 AP，2.49毫秒延迟YOLOv10-M：51.1 AP，4.74毫秒延迟YOLOv10-L：53.2 AP，7.28毫秒延迟YOLOv10-X：54.4 AP，10.70毫秒延迟这些改进使YOLOv10成为实时目标检测任务的首选，从自动驾驶到智能监控。与YOLOv9-C相比，YOLOv10-B（一个平衡的变体）延迟减少了46%，参数量减少了25%，同时保持了相同的性能水平。一对多分配：在训练过程中使用，以提供丰富的监督信号。
YesPMP探索Python在生活中的应用，助力提升开发效率
YesPMP20的博客
06-13 778
Python是一种简单易学、高效强大的编程语言，正变成越来越多人选择的热门技能。学习Python不仅可以提供更多就业机会，还能让自己在职场更加有竞争力，那可以去哪里拓展自己的技能呢？
【讲解下目标追踪】
2301_81357485的博客
06-10 565
🏆近年来，随着深度学习的发展，基于深度学习的跟踪器已经取得了显著的性能提升，这些方法通常采用卷积神经网络（CNN）从大量带标签的数据中学习目标的特征表示，从而在各种复杂场景下都表现出强大的鲁棒性和准确性。🏆目标追踪是计算机视觉领域的一个重要问题，它旨在从视频序列中连续、自动地识别并跟踪一个或多个目标物体，目标追踪在许多实际应用中都有着广泛的应用，比如视频监控、运动分析、自动驾驶、人机互动和增强现实等。：随着时间的推移，目标的外观可能会发生变化，因此跟踪算法必须能够适应这些变化，可能需要定期更新目标的模型。
Windows10下安装GPU环境Cuda和Pytorch教程图解
weixin_40547993的博客
06-12 1312
在深度学习和高性能计算领域，利用GPU进行计算已经成为提升效率的关键手段。CUDA是NVIDIA推出的并行计算平台和编程模型，它使得开发者能够利用NVIDIA GPU的强大计算能力。同时，PyTorch作为一个广泛使用的深度学习框架，以其易用性和灵活的动态计算图受到了研究人员和开发者的青睐。为了在Windows10系统上充分利用GPU进行深度学习训练，需要正确安装和配置CUDA和PyTorch。
集成算法实验(Bagging策略)
weixin_50917576的博客
06-12 1029
Bagging：训练多个分类器取平均fx1/M∑m1M​fm​x全称： bootstrap aggregation（说白了就是训练一堆分类器）最典型的代表就是随机森林，现在Bagging模型基本上也是随机森林。随机：数据采样随机，；数据有多个特征(属性)组成，。随机是为了使得每个分类器拥有明显差异性。森林：很多个决策树并行放在一起如何对所有树选择最终结果？分类的话可以采取少数服从多数，回归的话可以采用取平均值。
酷开科技丨酷开系统智慧中心，解锁AI智能家居生活的无限可能
tcxb123456的博客
06-13 486
在用户@陈陈的构想中，酷开系统超越了传统电视的界限，成为了一个全面的智能生活助手。在探索智能家居的未来发展时，酷开系统以其先进的AI技术，成为家庭娱乐和生活服务的中心枢纽。消费者们对酷开系统的期望和建议，不仅揭示了他们对个性化和智能化生活的追求，也为酷开系统的发展指明了方向。随着AI技术的不断进步，酷开系统有望成为智能家居领域的重要推动者，与消费者共同开启智能生活的新篇章。用户@Aban的想法则聚焦于个性化服务，他希望酷开系统能够根据不同家庭成员的需求，提供定制化的内容推荐。
DeepSORT（目标跟踪算法）中的计算观测值与状态估计的马氏距离
flyfish
06-10 815
flyfish在目标跟踪中，使用马氏距离可以帮助判断某个观测值是否与当前的状态估计一致。gating_distance 是一个方法，用于计算状态分布和观测值之间的门限距离（gating distance）。门限距离通常用于数据关联和验证测量值是否合理。提示用户可以从 chi2inv95 中获取适当的距离阈值。如果only_position 为 False，则使用4自由度的卡方分布，否则使用2自由度的卡方分布。
NVIDIA Triton系列01-应用概论
最新发布
dejahu的博客
06-15 715
NVIDIA 的 Triton 推理服务器是一款开源软件，对于所有推理模式都可以简化在任一框架中以及任何 GPU 或 CPU 上的运行方式，从而在生产环境中使用推理计算，并且支持多模型 ensemble，以及 TensorFlow、PyTorch、ONNX 等多种深度学习模型框架，可以很好的支持多模型联合推理的场景，构建起视频、图片、语音、文本整个推理服务过程，大大降低多个模型服务的开发和维护成本。大大提高了用户的体验，并且服务器的数量减少了多达 78%，极大降低了服务的成本。
NVIDIA Jetson Linux 35.3.1-开发指南-Jetson软件架构
FREEDOM_X的专栏
06-11 768
下图显示了NVIDIA®Jetson™Linux架构。以下部分描述了每个模块的组件。在本开发人员指南或其他地方，许多组件的名称是指向组件主留档的链接。一些组件具有带有附加描述的单独链接。
知识图谱的应用---新零售
weixin_43961909的博客
06-11 721
新零售，即个人、企业以互联网为依托，通过运用大数据、人工智能等先进技术手段并运用心理学知识，对商品的生产、流通与销售过程进行升级改造，进而重塑业态结构与生态圈，并对线上服务、线下体验以及现代物流进行深度融合的零售新模式 以阿里巴巴为例，立足于当下的电商场景从认知用户的需求出发，充分利用知识图谱技术，构建起了一个全新的电商知识图谱：新零售电商认知图谱。认知图谱在电商推荐也得到了广泛应用。其他的应用包括：1）在搜索结果页中插入和搜索词相关的主题形式的卡片，猜测真正的用户需求，这里的主题即为认知图谱的电商概念。
【Hydro】SCS-CN方法中径流曲线数的确定（下）
```On Earth, Be Water, By Coding```
06-11 92
在[【Hydro】SCS-CN方法中径流曲线数的确定（上）](https://blog.csdn.net/qq_25262697/article/details/133796329)中已经介绍了SCS-CN在SWAT和HMS中的应用，以下会补充SCS-CN在XPSWMM、InfoWorks ICM中的应用。以及使用软件计算SCS-CN的步骤。
理解科研中的空间域和时域和频域
qq_43701910的博客
06-11 828
空间域处理是直接在图像或视频帧的像素值上进行操作。处理方法基于图像的二维空间坐标系，即像素的位置。
【AI大模型】Transformers大模型库（九）：大模型微调之计算微调参数占比
人工智能领域博客
06-12 1128
基于LoRA进行模型微调时，需要先冻结全部参数，再指定相应的Linear层进行微调，那么如何计算全部参数，如何计算微调参数以及如何计算微调参数占全部参数的比例呢？本文先对Qwen2模型结构进行一览，做到心中有数，之后讲解如何编写print_trainable_parameters(model)方法，如何冻结所有参数，如何指定需要微调的参数以及计算占比，后续会详细讲LoRA微调方法，这里对计算微调参数占比方式进行记录。如果您还有时间，可以看看我的其他文章：《AI—工程篇》
RAG：如何从0到1搭建一个RAG应用
Miao的博客
06-10 842
检索增强生成）是一种强大的工具，整合了从庞大知识库中检索到的相关信息，并以此为基础，指导大型语言模型生成更为精准的答案，从而显著提升了回答的准确性与深度。2020 年，Meta AI 研究人员提出了RAG的方法，用于提高 LLM 在特定任务上的性能。信息滞后：LLM 的知识是静态的，来源于当时训练时的数据，也就是 LLM 无法直接提供最新的信息。模型幻觉：实践表明，当前的生成式 AI 技术存在一定的幻觉，而在一些常见的业务应用中，我们是希望保证事实性的。私有数据匮乏。
AI数据分析：根据Excel表格数据绘制柱形图
AIGCTribe的博客
06-10 649
工作任务：将Excel文件中2013年至2019年间线上图书的销售额，以条形图的形式呈现，每个条形的高度代表相应年份的销售额，同时在每个条形上方标注具体的销售额数值。读取xls格式的Excel文件"F:\AI自媒体内容\books.xlsx"的第二个工作表：Sheet2，设置柱状图中每个柱子的宽度=0.5，对齐方式：居中对齐，颜色为蓝色，透明度=0.5，底部起始位置=0.8；save_path = "F:\\AI自媒体内容\\sales_analysis.png"保存图片到文件夹“F:\AI自媒体内容”；
Hack The Box-Blurry
m0_52742680的博客
06-12 1049
HackTheBox S5赛季靶场第八篇
GoogLeNet(InceptionV3)模型算法
xiao77224li的博客
06-14 750
GoogLeNet团队在给出了一些通用的网络设计准则，以期望在不提高网络参数 量的前提下提升网络的表达能力：避免特征图表达瓶颈：从理论上讲，尺寸(seize)才包含了相关结构等重要因素，维度(channel)仅仅提供了信息内容的粗略估计，因此特征图的尺寸应该从输入到输出慢慢减小，避免使用极端压缩。更高的维度特征图更容易获得网络的局部表达：在卷积网络结构中，增加非线。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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