原创 【书生实战营第四期】茴香豆：企业级知识库问答工具

登录 https://openxlab.org.cn/apps/detail/tpoisonooo/huixiangdou-web，可以看到 Web 版茴香豆的知识库注册页面，在对应处输入想要创建的知识库名称和密码，该名称就是 Web 版茴香豆的账户和密码，请牢记，以后对该知识助手进行维护和修改都要使用这个账户和密码。开启网络搜索功能（需要填入自己的 Serper token，token 获取参考 3.1 开启网络搜索）创建 Web 版茴香豆账户和密码。创建 Web 版茴香豆知识库。

原创 【书生实战营第四期】MindSearch深度解析实践

【代码】【书生实战营第四期】MindSearch深度解析实践。

原创 【书生实战营第四期】探索书生大模型能力边界

原创 【书生实战营第四期】InternVL 部署微调实践

完成后，修改demo.py，再次执行。执行 python demo.py。

原创 【书生实战营第四期】LMDeploy 量化部署进阶实践

w4A16量化后为1.5G。

原创 【书生实战营第四期】Lagent 自定义你的 Agent 智能体

修改agent_api_web_demo.py。Multi-Agents博客写作系统的搭建。中加入下面的代码，用以初始化。设置token，然后运行。和风天气Lagent。

原创 【书生实战营第四期】L1-评测 InternLM-1.8B 实践

打开 opencompass 文件夹下。配置数据集: 在终端中运行。配置模型: 在终端中运行。

原创 【书生实战营第四期】L1-XTuner 微调个人小助手认知任务

安装完xtuner,测试是否正常。运行。

原创 【书生实战营第四期】L1-LlamaIndex外挂知识库RAG实践

创建LlamaIndex。

原创 【书生实战营第四期】L1-玩转书生「多模态对话」「AI 搜索」等产品

生成式AI在学术界和工业界的最新进展展示了其在多个领域中的巨大潜力和实际应用价值。在学术界，生成式AI在金融、医疗、视频生成、模型升级和企业级应用等方面取得了显著进展，推动了技术的发展并为各行业的创新和应用提供了新的方向和可能性。在工业界，生成式AI在质量检验、智能知识库、智能客服、工业大模型和全球灯塔工厂等方面取得了显著应用成果，提升了生产效率和产品质量，为企业带来了显著的经济效益。未来，随着技术的进一步发展和普及，生成式AI在工业界的应用前景将更加广阔。

原创 【书生实战营第四期】L1-书生·浦语大模型全链路开源开放体系

书生·浦语大模型,是开源免费产品，是由上海人工智能实验室（上海AI实验室）、商汤科技联合香港中文大学、复旦大学及上海交通大学共同研发的大规模语言模型。200亿参数版本（InternLM-20B）：后续推出的中量级模型，虽然参数量减少至200亿，但性能依然非常强大，可以与参数量更大的模型相媲美。1040亿参数版本：这是最初发布的版本，拥有1040亿参数，基于包含1.6万亿token的多语种高质量数据集训练而成。

原创 【书生实战营第四期】L0-玩转 Hugging Face/魔搭/魔乐

使用Hugging Face平台、魔搭社区平台（可选）和魔乐社区平台（可选）下载文档中提到的模型（至少需要下载config.json文件、model.safetensors.index.json文件），请在必要的步骤以及结果当中截图。

原创 【书生实战营第四期】L0-Git 前置基础

fork项目git clone 到。

原创 【书生实战营第四期】L0-Python-关卡

下面是一段调用书生浦语API实现将非结构化文本转化成结构化json的例子，其中有一个小bug会导致报错。# 检查 ransomNote 中的每个字符是否都能在 magazine 中找到。# 创建一个字典来记录 magazine 中每个字符的出现次数。报JSON部分数据问题，"提供参数版本": [1.8B, 7B, 20B],# 遍历 magazine，记录每个字符的出现次数。目录下，并成功在一个新建的python文件中引用。发现获取到的res在转换为JSON数据时有问题。应该是不能认识到1.8B的内容。

原创 【书生实战营第四期】L0-Linux-关卡

完成SSH连接与端口映射并运行。

原创 OpenMMLab 第一课

第一次课程，认识到很多大佬，感觉挺不错，在子豪兄的介绍，初步对OpenMMLab有了个初步认识，感觉OpenMMLab可以实现多种检测算法，之前在极市平台也学习了yolov5、linkNet、hrNet、PSPNET等算法，算是大概摸了一下计算机视觉方面的皮毛，当时为了能通过算法和排名，也摸了很长一段时间，感觉目前也暂时未能入门，希望在这次学习，能有个更深入的学习。OpenMMLab部署框架为MMDeploy。