lishiying
lishiying
# 基于向量化和大型语言模型的知识库与交互系统 各位见笑。我就是一菜鸡，下文如果说得不对的地方请指正，莫要见怪。 就目前而言，各类开源大语言模型最大的使用方向就是知识库、问答系统等垂直领域。 目前的解决方案有二： ## 1、模型外挂知识库，比如【闻达】。 优点：技术比较简单，实用性比较强。 缺点：受模型token限制，自然语言文本信息承载量也比较低，能处理的信息有限，难以整合大量信息。 ## 2、模型微调 优点：专业，准确，受限制小。 缺点：我看了charglm的lssues，貌似成功的是凤翎毛角。绝大部分都把模型搞爆了。要求太专业。 我有一个不成熟的想法，供大家探讨！ 自然语言直接与模型对话，只适合人机交互。其实并不适合信息存储和大语言模型运算。 效率相对比较高的方案是知识图谱、或直接向量交互。但这种方案对于人类极不友好。 现在的可行的解决方案是使用Milvus作为知识库的检索引擎。 ### 1、预处理阶段： #### 1.1 首先用text2vec或其他技术转换为向量，存入Milvus，作为知识库。 ### 2、询问阶段： #### 2.1 预处理 用户交互时，先用text2vec转换问题为向量，在 Milvus中查询，并将结果的文本内容转换为自然语言。 ####...
电路图：https://mega.nz/file/kjN11LYT#6cBTBc2qtN3b1zZoZwOlvEIwgFWEGEINRQoPTtnvLSE A very good library, the code is written beautifully. However, when I tested it, there was a problem. Since my library is for common anode seven-segment displays, it does...
提一个需求，可以下载完成了之后，调用一个http请求吗，这样便于通知第三方工具。 直接调用curl命令行都行，这样简单。你只需要定义好变量名就行。 比如，文件名，路径等变量就可以了。 最好，直接调用就行，然后参数传送给命令行就行。这样，我可以自己写脚本实现功能
这个模型的优势是体积小，速度快、可以本地执行，也适合快速调教便于适合用户的个性化任务。简直就是为轻量级本地化AI打造的前哨。特别适合做其他大模型的助理。前置处理消息，对消息预处理，负责任务分类，路由到其他大模型。最好支持Function Call的调用，这样可以在给其他大模型之前，将数据准备好！ 但是，我对这些不是太了解。求大神指点，或者直接做一个工具及教程给大家用！ 谢谢！
1、这是 默认数据集，开启了moe之后，其他默认的结果。train_pretrain.py Epoch:[2/2](44100/44160) loss:15.938 lr:0.000050000569 epoch_Time:0.0min: 2、另外也测试了全部直接默认，train_pretrain.py 这个没记录loss，效果也不佳 3、train_full_sft.py 全部默认。 loss大约在0.2 epoch=3 一轮和三轮的值都是一样的，没有任何改善。
### 🚀 The feature I hope that openmemory can support non-OpenAI AI models. The specific reasons are as follows: 1、Requirement for Private Deployment: Many enterprises and institutions need to conduct...
### 解决方案检查 - [x] 我已阅读 [常见问题](https://lyswhut.github.io/lx-music-doc/desktop/faq)，但没有找到解决方案。 - [x] 我已搜索 [Issue 列表](https://github.com/lyswhut/lx-music-desktop/issues?q=is%3Aissue+)，但没有发现类似的问题。 ### 问题描述 现在大模型MCP流行，我想用mcp控制，搜索播放，但是，目前的api支持播放，暂停，我想使用mcp搜索歌曲，并播放，热榜等常用功能。 如果你能提供直接mcp接口更好，如果没有，就提供api也行，我自己写mcp！ ### 描述你想要的解决方案 谢谢！ ### 描述你考虑过的替代方案 _No response_ ### 附加信息 _No response_