1. Dificar
Desde ChatGPT
su nacimiento, su comprensión del lenguaje extremadamente alta y sus capacidades de interacción no solo han sorprendido a la gente, ChatGPT
no solo puede tratar cuestiones fácticas, sino también comprender y generar más contenido de diálogo emocional, y puede reconocer las tendencias emocionales de los usuarios y dar las respuestas correspondientes en consecuencia. ¿Cómo se puede aplicar algo tan bueno al ámbito privado concreto?
Por ejemplo, en un entorno escolar, necesitamos crear un sistema de preguntas y respuestas para las necesidades de aprendizaje. Pregunte sobre los cursos de una semana y puede responder: debe tomar JAVA
clases Python
fino ChatGPT
.
Ahora dify
puede ayudarnos a realizar las funciones anteriores a bajo costo, para que pueda responder con precisión al conocimiento en el campo profesional.
Documento de introducción de Dify: https://docs.dify.ai/v/zh-hans/getting-started/intro-to-dify
A continuación, dify
simplemente implementamos el escenario anterior con la ayuda de , ya que básicamente lo ChatGPT
usamos como LLM
soporte, necesita tener OpenAI
un API Key
.
2. Dificultar la implementación del servicio
Aquí también puede usar el servicio oficial para operar, por lo que no hay necesidad de instalación local, use la siguiente dirección:
Si necesita implementar localmente, haga lo siguiente:
Aquí se utiliza la implementación y Docker
debe implementarse antes de la instalación Docker
.Docker-compose
Deja el artículo clone
:
git clone https://github.com/langgenius/dify.git
Vaya al directorio dify
del código fuente docker
y docker
comience con:
cd dify/docker
docker-compose up -d
Después de descargar la imagen e iniciarla, puede ver los servicios relacionados:
Si hay un firewall que necesita ser liberado 80
, 5432
port.
El siguiente acceso en el navegador http://部署服务ip
, puede ingresar dify
, solo necesita configurar el buzón, el nombre de usuario y la información de la contraseña:
Después de completar la configuración e iniciar sesión, puede ir a la página principal:
3. Cree una aplicación de respuesta a preguntas de base de conocimiento privatizada
3.1 Construir una base de conocimiento local
Ahora definimos la información del curso y ponemos el contenido en un txt
texto:
周一课程:上午:JAVA,下午:Python。
周二课程:上午:机器学习,下午:机器视觉。
周三课程:上午:NLP,下午:HTML。
周四课程:上午:微服务,下午:大数据。
周五课程:上午:android,下午:历史文化。
A continuación, haga clic en Conjunto de datos y haga clic en Crear conjunto de datos:
txt
Arrastre o seleccione el texto anterior a continuación :
La siguiente es la segmentación y limpieza del texto, como el contenido no es mucho, se puede dividir en un solo segmento:
Haga clic en Guardar a continuación para crear con éxito una base de conocimiento:
3.2 Creación de una aplicación de preguntas y respuestas
Construyamos una aplicación de preguntas y respuestas:
Ya que se usa ChatGPT
, primero especifique uno para él API key
:
Para ChatGPT
la versión de , aquí hay gpt-3.5-turbo
un ejemplo de :
La base de conocimientos anterior se utiliza en la disposición de palabras rápidas de la siguiente manera:
En este punto, puede depurar a la derecha:
Puedes ver que ya tenemos el efecto que queremos. Si te sientes bien al final, debes hacer clic en Publicar en la esquina superior derecha . A continuación, API
lo usaremos a través. 访问API
Puedes ver API
la dirección de la interfaz y dar un ejemplo de acceso:
Debe generar una clave secreta antes de acceder API
, puede hacer clic en API 秘钥
Generar:
Ahora podemos usar PostMan
para acceder.
3.3 Prueba de efecto
Utilice la vista previa integrada aquí:
Aquí hay algunas preguntas y respuestas específicas: