马鞍山网站建设推广,网站用表格做的吗,福田祥菱怎么样,地方网站定位前言 大家好#xff0c;我是潇潇雨声。我发现在使用 GPT 时#xff0c;尽管它能够生成一些小红书文案和日志#xff0c;但内容常常显得空洞缺乏深度。今天我想分享一个解决这个问题的方法#xff0c;那就是基于开源项目 FastGPT[1]。 我们可以通过向 GPT 提供一些有针对性的… 前言 大家好我是潇潇雨声。我发现在使用 GPT 时尽管它能够生成一些小红书文案和日志但内容常常显得空洞缺乏深度。今天我想分享一个解决这个问题的方法那就是基于开源项目 FastGPT[1]。 我们可以通过向 GPT 提供一些有针对性的资料然后让 AI 根据这些文档进行交互式对话回答我们的问题。虽然回答的质量可能不会达到极高水平但至少可以提高一定的质量下限。这就有点像使用 GPT 进行有针对性的训练。 接下来我将带你安装并使用 FastGPT。 FastGPT 官方简介 ❝ FastGPT 是一个基于 LLM 大语言模型的知识库问答系统提供开箱即用的数据处理、模型调用等能力。同时可以通过 Flow 可视化进行工作流编排从而实现复杂的问答场景 ❞ 知识库核心流程图 一安装 FastGPT 安装 Docker 如果没有安装 Docker 可以参考我之前写的 手把手教你在 windows 上安装 Dcoker 创建配置文件 创建 docker-compose.yml # 非 host 版本, 不使用本机代理# (不懂 Docker 的只需要关心 OPENAI_BASE_URL 和 CHAT_API_KEY 即可)version: 3.3services: pg: image: ankane/pgvector:v0.5.0 # git # image: registry.cn-hangzhou.aliyuncs.com/fastgpt/pgvector:v0.5.0 # 阿里云 container_name: pg restart: always ports: # 生产环境建议不要暴露 - 5432:5432 networks: - fastgpt environment: # 这里的配置只有首次运行生效。修改后重启镜像是不会生效的。需要把持久化数据删除再重启才有效果 - POSTGRES_USERusername - POSTGRES_PASSWORDpassword - POSTGRES_DBpostgres volumes: - ./pg/data:/var/lib/postgresql/data mongo: image: mongo:5.0.18 # image: registry.cn-hangzhou.aliyuncs.com/fastgpt/mongo:5.0.18 # 阿里云 container_name: mongo restart: always ports: # 生产环境建议不要暴露 - 27017:27017 networks: - fastgpt environment: # 这里的配置只有首次运行生效。修改后重启镜像是不会生效的。需要把持久化数据删除再重启才有效果 - MONGO_INITDB_ROOT_USERNAMEusername - MONGO_INITDB_ROOT_PASSWORDpassword volumes: - ./mongo/data:/data/db fastgpt: container_name: fastgpt image: ghcr.io/labring/fastgpt:latest # git # image: registry.cn-hangzhou.aliyuncs.com/fastgpt/fastgpt:latest # 阿里云 ports: - 3000:3000 networks: - fastgpt depends_on: - mongo - pg restart: always environment: # root 密码用户名为: root - DEFAULT_ROOT_PSW1234 # 中转地址如果是用官方号不需要管。务必加 /v1 - OPENAI_BASE_URLhttps://api.openai.com/v1 - CHAT_API_KEY替换成你的OPENAI-KEY - DB_MAX_LINK5 # database max link - TOKEN_KEYany - ROOT_KEYroot_key - FILE_TOKEN_KEYfiletoken # mongo 配置不需要改. 如果连不上可能需要去掉 ?authSourceadmin - MONGODB_URImongodb://username:passwordmongo:27017/fastgpt?authSourceadmin # pg配置. 不需要改 - PG_URLpostgresql://username:passwordpg:5432/postgres volumes: - ./config.json:/app/data/config.jsonnetworks: fastgpt: 「注意:需要将 CHAT_API_KEY 的值换成自己 openai key。」 再创建 config.json { SystemParams: { pluginBaseUrl: , vectorMaxProcess: 15, qaMaxProcess: 15, pgHNSWEfSearch: 100 }, ChatModels: [ { model: gpt-3.5-turbo-1106, name: GPT35-1106, price: 0, maxContext: 16000, maxResponse: 4000, quoteMaxToken: 2000, maxTemperature: 1.2, censor: false, vision: false, defaultSystemChatPrompt: }, { model: gpt-3.5-turbo-16k, name: GPT35-16k, maxContext: 16000, maxResponse: 16000, price: 0, quoteMaxToken: 8000, maxTemperature: 1.2, censor: false, vision: false, defaultSystemChatPrompt: }, { model: gpt-4, name: GPT4-8k, maxContext: 8000, maxResponse: 8000, price: 0, quoteMaxToken: 4000, maxTemperature: 1.2, censor: false, vision: false, defaultSystemChatPrompt: }, { model: gpt-4-vision-preview, name: GPT4-Vision, maxContext: 128000, maxResponse: 4000, price: 0, quoteMaxToken: 100000, maxTemperature: 1.2, censor: false, vision: true, defaultSystemChatPrompt: } ], QAModels: [ { model: gpt-3.5-turbo-16k, name: GPT35-16k, maxContext: 16000, maxResponse: 16000, price: 0 } ], CQModels: [ { model: gpt-3.5-turbo, name: GPT35, maxContext: 4000, maxResponse: 4000, price: 0, functionCall: true, functionPrompt: }, { model: gpt-4, name: GPT4-8k, maxContext: 8000, maxResponse: 8000, price: 0, functionCall: true, functionPrompt: } ], ExtractModels: [ { model: gpt-3.5-turbo-1106, name: GPT35-1106, maxContext: 16000, maxResponse: 4000, price: 0, functionCall: true, functionPrompt: } ], QGModels: [ { model: gpt-3.5-turbo-1106, name: GPT35-1106, maxContext: 1600, maxResponse: 4000, price: 0 } ], VectorModels: [ { model: text-embedding-ada-002, name: Embedding-2, price: 0.2, defaultToken: 700, maxToken: 3000 } ], ReRankModels: [], AudioSpeechModels: [ { model: tts-1, name: OpenAI TTS1, price: 0, voices: [ { label: Alloy, value: alloy, bufferId: openai-Alloy }, { label: Echo, value: echo, bufferId: openai-Echo }, { label: Fable, value: fable, bufferId: openai-Fable }, { label: Onyx, value: onyx, bufferId: openai-Onyx }, { label: Nova, value: nova, bufferId: openai-Nova }, { label: Shimmer, value: shimmer, bufferId: openai-Shimmer } ] } ], WhisperModel: { model: whisper-1, name: Whisper1, price: 0 } } 启动 在 docker-compose.yml 同级目录下执行 拉取镜像 docker-compose pull 运行容器 docker-compose up -d 二使用 FastGPT 访问 浏览器通过http://localhost:3000/进行访问 登录用户名为 root密码为 docker-compose.yml 环境变量里设置的 DEFAULT ROOT PSW,默认是 1234. 新建知识库 新建一个知识库这里我是专门的存储酷壳网站上的文章,所以就命名为酷壳。 导入文档 通过文件导入已经下载好的文章 确认后就开始将当前数据转化为向量数据 这两篇文章字数可能破完了完全导入好,所花费的时间可能会有半个小时乃至一个小时.....,由于文本限制问题按照固定字数拆分若干个数据集 这是已经拆分好的还有 5 个在排队,先测试一下。 使用知识库 新建一个应用 绑定刚刚的知识库 开始对话效果展示如下: 这里有个小问题, 翻译如下:您已经超过了每分钟请求的限制次数。对于您的账户org-FPtm4iWkzMglOZn9J06QAK6F中的 text-embedding-ada-002 模型来说每分钟的请求限制是 3 次您已经使用了 3 次请求但是您又发送了 1 次请求所以您需要等待 20 秒后再试。您可以访问https://platform.openai.com/account/rate-limits了解更多信息。如果您在账户https://platform.openai.com/account/billing中添加了付款方式您可以增加您的请求限制。 粗略的理解一分钟只能处理三次请求可以尝试设置多个 key 进行轮询,来解决上述的问题。 如果觉得我的分享对您有帮助请关注我。创作不易您的三连就是对我最大的支持。 Reference [1] FastGPT: https://github.com/labring/FastGPT 本文由 mdnice 多平台发布
