企业官网建设流程全解析

化工行业网站模板,wordpress增加访问速度,专业集团门户网站建设,连云港中信建设证券网站自 ChatGPT 发布以来#xff0c;大型语言模型#xff08;Large Language Model#xff0c;LLM#xff0c;大模型#xff09;得到了飞速发展#xff0c;它在处理复杂任务、增强自然语言理解和生成类人文本等方面的能力让人惊叹#xff0c;几乎各行各业均可从中获益。 然…自 ChatGPT 发布以来大型语言模型Large Language ModelLLM大模型得到了飞速发展它在处理复杂任务、增强自然语言理解和生成类人文本等方面的能力让人惊叹几乎各行各业均可从中获益。然而在一些垂直领域这些开源或闭源的通用基础大模型也暴露了一些问题主要体现在以下 3 个方面知识的局限性大模型的知识源于训练数据目前主流大模型如通义千问、文心一言等的训练数据基本来源于网络公开的数据。因此非公开的、离线的、实时的数据大模型是无法获取到如团队内部实时业务数据、私有的文档资料等这些数据相关的知识也就无从具备。幻觉问题大模型生成人类文本底层原理是基于概率目前还无法证明大模型有意识所以它有时候会一本正经地胡说八道特别是在不具备某方面的知识情况下。当我们也因缺乏这方面知识而咨询大模型时大模型的幻觉问题会各我们造成很多困扰因为我们也无法区分其输出的正确性。数据的安全性对于个人、创新团队、企业来说数据安全至关重要老牛同学相信没有谁会愿意承担数据泄露的风险把自己内部私有数据上传到第三方平台进行模型训练。这是一个矛盾我们既要借助通用大模型能力又要保障数据的安全性为了解决以上通用大模型问题检索增强生成Retrieval-Augmented GenerationRAG方案就应运而生了RAG的主要流程主要包含以下 2 个阶段数据准备阶段管理员将内部私有数据向量化后入库的过程向量化是一个将文本数据转化为向量矩阵的过程该过程会直接影响到后续检索的效果入库即将向量数据构建索引并存储到向量数据库的过程。用户应用阶段根据用户的 Prompt 提示词通过检索召回与 Prompt 提示词相关联的知识并融入到原 Prompt 提示词中作为大模型的输入 Prompt 提示词通用大模型因此生成相应的输出。从上面 RAG 方案我们可以看出通过与通用大模型相结合我们可搭建团队私有的内部本地知识库并能有效的解决通用大模型存在的知识局限性、幻觉问题和隐私数据安全等问题。目前市面上已经有多个开源 RAG 框架老牛同学将选择AnythingLLM框架16.8K ☆https://github.com/Mintplex-Labs/anything-llm与大家一起来部署我们自己或者团队内部的本地知识库。整个部署过程将涉及以下几个方面环境准备AnythingLLM框架推荐使用 Docker 部署因此我们需要提前把 Docker 安装和配置好大模型准备老牛同学继续使用Qwen2-7B大模型大家可以根据自己实际情况选择无特殊要求RAG 部署和使用即 AnythingLLM 安装和配置并最终使用我们大家的 RAG 系统环境准备Windows 打开虚拟化功能Hyper-V 和 WSL友情提示老牛同学用的是 Windows 操作系统因此下面是 Windows 的配置方式。安装 Docker 需要用到虚拟化因此需要 Windows 系统打开Hyper-V和WSL 子系统功能。如果是Windows 11 家庭版默认并没有安装Hyper-V功能可以通过以下方式进行安装【第一步家庭版安装 Hyper-V 依赖包】新建一个 txt 临时文本并复制以下代码并保存之后把该临时文件重命名为Hyper-V.bat右键以管理员方式运行Hyper-V.bat本代码自动安装相关包完成之后输入Y重启电脑后即可pushd%~dp0dir/b %SystemRoot%\servicing\Packages\*Hyper-V*.mumhyper-v.txtfor/f %%i in(findstr /i . hyper-v.txt 2^nul)do dism /online /norestart /add-package:%SystemRoot%\servicing\Packages\%%idel hyper-v.txt Dism /online /enable-feature /featurename:Microsoft-Hyper-V-All /LimitAccess /ALL【第二步开启虚拟化功能】首先打开 Windows 功能即控制面板Windows功能然后勾选以下 3 个选项Hyper-V、适用于 Linux 的 Windows 子系统和虚拟机平台打开虚拟化功能打开虚拟化功能点击确定之后重启电脑即可环境准备Docker 安装和配置Docker 安装和配置主要包含以下 2 个步骤【第一步下载 Docker 软件】下载和安装 Docker 软件https://www.docker.com如果大家和老牛同学一样出现无法打开 Docker 官网的情况则也可以通过以下方式下载最新的版本打开 Docker 中文网站https://docker.github.net.cn/desktop/release-notes/选择对应的安装软件如果直接点击下载可能还是无法下载。可以右键复制下载链接然后通过迅雷进行下载老牛同学亲测有效Docker下载【第二步Docker 安装和配置】下载完成之后安装过程与普通的软件没有区别安装完成之后需要注销电脑Docker安装完成](登录操作系统之后需要Accept同意 Docker 协议条款然后注册登录或者Continue without signing in直接跳过打开 Docker 软件。设置镜像源点击右上角齿轮设置按钮选择Docker Engine打开设置页面输入 Docker 镜像文件加速器地址registry-mirrors:[https://docker.registry.cyou,https://mirror.baidubce.com]如果以上加速器地址不可用可以使用阿里云个人私有的地址https://cr.console.aliyun.com/cn-hangzhou/instances/mirrors设置Docker镜像源点击Apply Restart按钮即可AnythingLLM 安装和配置接下来我们开始安装和部署AnythingLLM框架包含以下 3 步【第一步下载和启动 AnythingLLM 镜像】dockerpull mintplexlabs/anythingllm!Docker镜像下载可以通过以下命令查看当前 Docker 的镜像列表docker images REPOSITORY TAG IMAGE ID CREATED SIZE mintplexlabs/anythingllm latest d950fa3b80112days ago2.94GBDocker镜像列表【第二步启动 AnythingLLM 框架】Windows 系统AnythingLLM 镜像挂载和启动命令因为命令有多行需要通过PowerShell执行# Run this in powershell terminal$env:STORAGE_LOCATION$HOME\Documents\anythingllm;If(!(Test-Path$env:STORAGE_LOCATION)){New-Item$env:STORAGE_LOCATION -ItemType Directory};If(!(Test-Path$env:STORAGE_LOCATION\.env)){New-Item$env:STORAGE_LOCATION\.env-ItemType File};dockerrun -d-p3001:3001--cap-add SYS_ADMIN-v$env:STORAGE_LOCATION:/app/server/storage-v$env:STORAGE_LOCATION\.env:/app/server/.env-eSTORAGE_DIR/app/server/storagemintplexlabs/anythingllm;或者Linux/MacOS 系统AnythingLLM 镜像挂载和启动命令exportSTORAGE_LOCATION$HOME/anythingllm\mkdir-p$STORAGE_LOCATION\touch$STORAGE_LOCATION/.env\docker run -d-p3001:3001\--cap-add SYS_ADMIN\-v${STORAGE_LOCATION}:/app/server/storage\-v${STORAGE_LOCATION}/.env:/app/server/.env\-eSTORAGE_DIR/app/server/storage\mintplexlabs/anythingllm启动完成通过浏览器打开AnythingLLM界面http://localhost:3001AnythingLLM初始界面【第三步配置 AnythingLLM】点击Get started按钮进入LLM 选择页面。老牛同学在前面文章中分别介绍了大模型通过Ollama和OpenAI这 2 种主要的部署方式包括Llama3、Qwen2、Gemma2等。老牛同学在这里选择Ollama方式如果大家重新设置了端口号则需要看下 Ollama URL 端口号是否正确默认值为http://host.docker.internal:11434AnythingLLM 设置确认包括大模型提供方、词嵌入和向量数据库这些配置后续还可以修改。最后创建一个工作区老牛同学设置的名称为RAG-ClassmateWXAnythingLLM 导入数据和使用上一步配置完成之后无需任何其他配置就可以和大模型对话聊天了和通过其他客户端与大模型对话没有区别。接下来我们需要导入我们内部私有数据并进行验证。【第一步导入内部数据】我们在电脑本地新建一个 txt 文件文件名为为什么个人、团队等均有必要部署私有化的RAG知识库系统.txt文件内容就是本文的开头内容自ChatGPT发布以来大型语言模型Large Language ModelLLM大模型得到了飞速发展它在解决复杂任务、增强自然语言理解和生成类人文本等方面的能力让人惊叹几乎各行各业均可从中获益。 然而在一些垂直领域这些开源或闭源的通用的基础大模型也暴露了一些问题主要有以下3个方面 1. **知识的局限性** 大模型的知识源于训练数据目前主流大模型如通义千问、文心一言等的训练数据基本来源于网络公开的数据。因此非公开的、离线的、实时的数据大模型是无法获取到如团队内部实时业务数据、私有的文档资料等这些数据相关的知识也就无从具备。 2. **幻觉问题** 大模型生成人类文本底层原理是基于概率目前还无法证明大模型有意识所以它有时候会**一本正经地胡说八道**特别是在不具备某方面的知识情况下。当我们也因缺乏这方面知识而咨询大模型时大模型的幻觉问题会各我们造成很多困扰因为我们也无法区分其输出的正确性。 3. **数据的安全性** 对于个人、创新团队、企业来说**数据安全**至关重要老牛同学相信没有谁会愿意承担数据泄露的风险把自己内部私有数据上传到第三方平台进行模型训练。这是一个矛盾我们既要借助通用大模型能力又要保障数据的安全性 为了解决以上3个大模型通用问题**检索增强生成**Retrieval-Augmented Generation**RAG**方案就应运而生了首先点击RAG-ClassmateWX工作空间右边的上传图标准备上传本 txt 文件准备上传文件然后点击 txt 文件并上传并点击Move to workspace导入到工作空间上传txt外部文件最后点击Save and Embed完成 txt 文本文件数据准备步骤导入、向量化和入库等。【第二步内部数据使用和验证】回到主界面输入刚才 txt 内部文件名为什么个人、团队等均有必要部署私有化的 RAG 知识库系统AnthingLLM的检索和结果RAG 的回答感觉比我原文要好多了大模型在引用了内部数据的同时还展示自己的创造性同时老牛同学用同样的问题咨询 AnythingLLM 的底层模型结果就比较普通通用了大家可以对比看下AnythingLLM底层大模型结果总结和问题和我们之前的大模型部署和应用过程相比基于 AnythingLLM 的 RAG 实现整个部署过程比较繁琐包括环境准备、Docker 安装和配置、AnythingLLM 配置等。然而AnythingLLM 的使用过程却相对比较简单我们只需要上传我们内部数据文件AnythingLLM 框架屏蔽了中间的数据提取分割、向量化处理、向量索引和入库、检索召回和重组 Prompt 提示词等过程。同时我们通过构建本地知识库做了一个简单的测试验证测试结果表明在使用 RAG 的情况下大模型的回答结果更加有效、更符合我们期望同时具备了一定的创造性普通人如何抓住AI大模型的风口领取方式在文末为什么要学习大模型目前AI大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 大模型作为其中的重要组成部分 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 为各行各业带来了革命性的改变和机遇 。目前开源人工智能大模型已应用于医疗、政务、法律、汽车、娱乐、金融、互联网、教育、制造业、企业服务等多个场景其中应用于金融、企业服务、制造业和法律领域的大模型在本次调研中占比超过30%。随着AI大模型技术的迅速发展相关岗位的需求也日益增加。大模型产业链催生了一批高薪新职业人工智能大潮已来不加入就可能被淘汰。如果你是技术人尤其是互联网从业者现在就开始学习AI大模型技术真的是给你的人生一个重要建议最后只要你真心想学习AI大模型技术这份精心整理的学习资料我愿意无偿分享给你但是想学技术去乱搞的人别来找我在当前这个人工智能高速发展的时代AI大模型正在深刻改变各行各业。我国对高水平AI人才的需求也日益增长真正懂技术、能落地的人才依旧紧缺。我也希望通过这份资料能够帮助更多有志于AI领域的朋友入门并深入学习。真诚无偿分享vx扫描下方二维码即可加上后会一个个给大家发大模型全套学习资料展示自我们与MoPaaS魔泊云合作以来我们不断打磨课程体系与技术内容在细节上精益求精同时在技术层面也新增了许多前沿且实用的内容力求为大家带来更系统、更实战、更落地的大模型学习体验。希望这份系统、实用的大模型学习路径能够帮助你从零入门进阶到实战真正掌握AI时代的核心技能01教学内容从零到精通完整闭环【基础理论 →RAG开发 → Agent设计 → 模型微调与私有化部署调→热门技术】5大模块内容比传统教材更贴近企业实战大量真实项目案例带你亲自上手搞数据清洗、模型调优这些硬核操作把课本知识变成真本事‌02适学人群应届毕业生‌无工作经验但想要系统学习AI大模型技术期待通过实战项目掌握核心技术。零基础转型‌非技术背景但关注AI应用场景计划通过低代码工具实现“AI行业”跨界‌。业务赋能突破瓶颈传统开发者Java/前端等学习Transformer架构与LangChain框架向AI全栈工程师转型‌。vx扫描下方二维码即可本教程比较珍贵仅限大家自行学习不要传播更严禁商用03入门到进阶学习路线图大模型学习路线图整体分为5个大的阶段04视频和书籍PDF合集从0到掌握主流大模型技术视频教程涵盖模型训练、微调、RAG、LangChain、Agent开发等实战方向新手必备的大模型学习PDF书单来了全是硬核知识帮你少走弯路不吹牛真有用05行业报告白皮书合集收集70报告与白皮书了解行业最新动态0690份面试题/经验AI大模型岗位面试经验总结谁学技术不是为了赚$呢找个好的岗位很重要07 deepseek部署包技巧大全由于篇幅有限只展示部分资料并且还在持续更新中…真诚无偿分享vx扫描下方二维码即可加上后会一个个给大家发