- 综合排序
- 最热优先
- 最新优先
- 来自专栏Reinvent Data Science
Jina AI + Milvus Lite：搭建 RAG 问答机器人
本教程搭建的应用可在实际生活中使用，例如，某公司员工可以向聊天机器人提问 AI 训练流程。 Jina Embeddings、Jina Reranker 和 Milvus 发挥协同作用，能够帮助聊天机器人准确识别聊天记录中的相关信息，并生成高度准确的回答。 这样的聊天机器人可以有效帮助公司提升生产力，公司员工也能够更方便地获取所需信息。 如果您还未获取 Jina AI API 密钥，可通过此链接 (https://jina.ai/reranker/?ref=jina-ai-gmbh.ghost.io) 获取。 总结 文本分享了如何基于 Slack 聊天记录搭建 RAG 问答机器人，并详细介绍了设置 Milvus、使用 Jina Embeddings v2 将聊天记录转换为 Embedding 向量、借助 Jina
91210编辑于 2024-06-25 - 来自专栏悦思悦读
人工智能（AI）技术打造疫情问答机器人 | 战疫
01 — 微软AI技术 + 开源知识库 = 战疫机器人 ? 近一个月来，“新冠肺炎疫情”成了所有人的热点话题。抗击疫情的战役在全国紧张有序地进行着，怎样保护自己和所爱之人成了当下每个人的心头之重。 好在，我们有具备优秀信息素质并愿意为了澄清疫情信息而无私投入时间、精力的志愿者，还有微软（亚洲）互联网工程院商用人工智能团队的AI技术——智能对话平台。 在开源社志愿者和微软专家的共同努力下，在智能对话平台上基于“疫战2020语料库”打造了智能问答机器人小源，专门回答关于疫情的咨询和知识，帮您纾解疫情焦灼。 开源社凝聚技术和非技术的力量打造的疫情知识智能问答机器人-- “小源”，目前已在“开源社”微信平台上提供服务。 02 — 小源：防疫信息“万花筒” ? 可以让没有AI知识甚至没有计算机软件背景的用户也能轻松打造人机对话产品 (bot). 比如，这次的小源，就是在开源疫情知识库的基础上，没有经过任何编码，完全通过简单配置而创建的！
1.5K30发布于 2020-02-24 - 来自专栏IT派
深度学习实现问答机器人
摘 要 在问答系统的应用中，用户输入一个问题，系统需要根据问题去寻找最合适的答案 针对该应用场景，有三种处理方式： 1：采用句子相似度的方式。 依然是IBM的watson研究人员在2015年发表了一篇用CNN算法解决问答系统中答案选择问题的paper。 3 深度学习算法实验 1）：CNN算法在问答中的应用 CNN算法结构图 2）：LSTM算法在问答中的应用 BILSTM算法结构图 参数设置： 1、这里优化函数采用论文中使用的SGD（采用adam优化函数时效果不如 5）：LSTM+ATTENTION算法在问答中的应用 CNN+LSTM组合算法 参数设置： 1、这里优化函数采用论文中使用的SGD。 2、学习速率为0.1。 4）本次实验的问答对为3万条左右，试验中采用dropout时并未取得更好的效果。
98790发布于 2018-03-29 - 来自专栏Tencent Serverless 官方专栏
SCF：搭建智能客服问答机器人
再仔细冷静一下：我们可不可以做一个机器人，他可以自动回答一些问题？ 今天本文，就通过简单的方法，在SCF上部署一个问答机器人/智能客服，来为各位有需求的小伙伴，解决实际问题，当然，这篇文章也算是抛砖引玉。 准备阶段 首先，我们要有一个数据库，存储我们的问答系统，我这里在腾讯云购买一个云数据库（MySQL），并建立表和字段等信息： image.png 并且插入几个问题： image.png 然后，通过本地编写代码 这个项目在实际生产中，可以是这样： 你问客服机器人一个问题，机器人给你一个回答，然后下面会说：更多相似问题：巴拉巴拉一堆。 总结 本文是通过一个简单的算法，实现了简单的问答机器人工具。
2.6K124发布于 2019-06-27 【TIDB.AI 知识图谱问答机器人——改变人机交互的未来】
一、TIDB.AI 知识图谱问答机器人的背景 随着人工智能技术的快速发展，问答机器人已经成为了人机交互的重要方式之一。 TIDB.AI 知识图谱问答机器人是一种基于知识图谱的问答机器人，它将人工智能和语义技术应用于问答过程中，将用户的问题与知识图谱中的结构化数据进行匹配、分析和回答。 三、TIDB.AI 知识图谱问答机器人的应用场景 在线教育：学生可以通过与TIDB.AI 知识图谱问答机器人的交互获取学习资料、解决问题，提高学习效果。 客户服务：企业可以将TIDB.AI 知识图谱问答机器人应用于客户服务中，提供快速、准确的答案，提升客户满意度。 个人助理：个人可以利用TIDB.AI 知识图谱问答机器人解决生活中的各种问题，比如旅游路线规划、健康咨询等。
13010编辑于 2025-08-29- 来自专栏muller的测试分享
打造垂直领域内容的问答机器人
简介在大模型问世之后，其中一个最核心的功能就是问答机器人。但是若直接将问题抛给 ChatGPT，仍然解决不了以下限制：相关的关联数据需要联网。相关的关联数据是 GPT 也不知道的私密数据。 应用场景垂直领域内容的问答机器人的应用场景非常多，比如金融、医疗、电商等。如果是针对于互联网相关的从业人员，比如开发、测试、产品等，我们还可以让其帮助我们进行以下多种类型的工作：公司知识库检索。 实践演练那么如果要完成一个垂直领域内容的问答机器人，其实也是有多种方式的：openai 官方在 2023 年末做了一次重大更新，推出了官方的 assistant，可以通过官方的 assistant 完成一个问答机器人 使用官方的 assistant点击查看官方 assistant 使用教程如果使用 assistant 创建一个垂直领域内容的问答机器人，那么主要需要的，就是 Retrieval 的能力，注意这个能力至少需要 总结垂直领域内容的问答机器人的产品需求。垂直领域内容的问答机器人的实现方案。使用官方 assistant 实现垂直领域的问答机器人。
29310编辑于 2024-08-12 - 来自专栏Reinvent Data Science
Milvus 智能问答机器人上线
今天我要带大家来了解这个基于 Milvus 的 FAQ 问答机器人-MilMil。 MilMil 是由 Milvus 社区开发的一款基于 Milvus 常见问题的自动问答机器人，旨在收集用户在使用 Milvus 的过程中遇到的问题，帮助用户快速查找答案，同时扩展用户获取问题答案的途径。 该问答机器人的数据来自于 Milvus 开源以来所收到的用户问题，共有两个问答库，分别针对 Milvus 1.x 版本和 Milvus 2.x 版本。 此外，你还可以通过切换左上角 Milvus 文档的版本号来切换该 Chatbot 的问答库版本。 下面我们来做个简单的演示： ? 输入问题点击发送后，问答机器人会返回与输入问题相似的三个问题。 Milvus 目前是 LF AI & Data 基金会的毕业项目，能够管理大量非结构化数据集。我们的技术在新药发现、计算机视觉、推荐引擎、聊天机器人等方面具有广泛的应用。
1K50发布于 2021-07-23 - 来自专栏LLM时代，写点什么
基于🦜☕️ LangChain4j 实现问答机器人
2022 年 11 月 30 日，OpenAI 发布了基于 GPT-3.5 模型调优的新一代对话式AI模型 ChatGPT。 目录关于这只“鹦鹉”快速演示机器人实战关于这只“鹦鹉”在官方的GitHub下面，有人提问（issues/8673）：LangChain 的 logo 有什么含义？ 快速上手如果只想快速体验一下 AI 应用开发，只需要一个简易的 Maven 即可。配置只需要官方的 OpenAI 包即可使用。 api.hunyuan.cloud.tencent.com/v1") .build();openAiStreamingChatModel.generate("如何高效学习", onNext(System.out::print));效果演示机器人实战接下来进入机器人搭建的实战初始化虽说不强制绑定 AI 也可以如此。
1.6K20编辑于 2024-11-12 - 来自专栏素质云笔记
chatgpt-on-wechat实现微信问答机器人
"linkai_api_key": "YOUR API KEY", "linkai_app_code": "YOUR APP CODE" 再来回顾一下，chatgpt-on-wechat 链接微信进行问答底层是使用 2 配置 config表 核心的就是config表的配置了： # config.json文件内容示例 { "open_ai_api_key": "YOUR API KEY", # 代理客户端的ip和端口 "single_chat_prefix": ["bot", "@bot"], # 私聊时文本需要包含该前缀才能触发机器人回复 # 私聊时自动回复的前缀，用于区分真人 "group_chat_prefix": ["@bot"], # 群聊时包含该前缀则会触发机器人回复 "azure_deployment_id": "xxxx", "open_ai_api_base
2.7K10编辑于 2023-12-26 - 来自专栏张善友的专栏
利用ChatGPT 和Milvus快速搭建智能问答机器人
智能问答机器人是 自然语言处理领域一个很经典的问题，它用于回答人们以自然语言形式提出的问题，有着广泛的应用。其经典应用场景包括：智能语音交互、在线客服、知识获取、情感类聊天等。 常见的分类有：生成型、检索型问答系统；单轮问答、多轮问答系统；面向开放领域、特定领域的问答系统。 在过去，客服机器人的搭建通常需要将相关领域的知识（Domain Knowledge），转化为一系列的规则和知识图谱。构建过程中重度依赖“人工”智能，换个场景，换个用户都需要大量的重复劳动。 特别是ChatGPT以文字方式互动，除了可以透过人类自然对话方式进行交互，还可以用于相对复杂的语言工作，包括自动文本生成、自动问答、自动摘要等在内的多种任务。 该项目下的FAQ问答系统中的金融数据集，我们从中一共整理了33万条数据。结合这组数据，我们可以快速搭建一个xx银行智能客服机器人。
4K21编辑于 2023-03-09 - 来自专栏数据库相关
快速构建智能运维问答机器人的实践
同时也为了提高人效，让运维将精力投入到更高优先级的事情上，我们着手研究了下市面上的各类客服机器人。最终看到腾讯云智服挺适合我们生产的。 我们可以创建多个机器人（下图这是我目前创建测试用的） ? 创建完机器人后，我们就可以去给它添加知识了（用于交互式场景下的对话），下面是我创建的几个测试用例。 ? 完成添加知识点后，我们还可以去机器人设置里面，给通用话术增加点提示。（例如提醒用户在没用合适结果的时候，输入一个wiki导航地址，或者直接联系运维去扩充知识库） ? 注意要选择启用机器人。同时要注意不启用设置人工。 点击设置按钮后，大体如下图所示，我们可以直接点击 立即体验的url来体验下效果： ? 立即体验的效果如下： ? 到这里，最起码我们流程已经跑通了。 然后，在"工作台应用主页" 这里，配置下，将上面"网站渠道"的机器人的url配置到这里。然后勾选上"在微信插件中始终进入主页"，保存即可。 ? 最终在企业微信里面的效果如下： ?
1.3K10发布于 2020-09-01 - 来自专栏AI派
政务问答机器人，助推数字化服务升级
智慧政务涉及智慧城市中与政府公务相关的场景，包括信息采集、审核与服务，涉及语音技术、检测技术、文字识别、自然语言处理、理解和生成等多项AI技术。 03 政务问答机器人 问答系统是信息检索系统的一种高级形式，它能用准确、简洁的自然语言回答用户提出的问题，问答系统广泛应用于搜索引擎、智能设备、智能客服等产品中。 图：问答系统应用示例 “开户籍证明要找谁？”、“银行服务费、刷卡手续费有收费标准吗？” 图：政务问答系统示例 以某地方政务网站的问答系统为例，该网站积累了大量疫情相关的标准问答对（Q-A pair），希望搭建智能问答机器人，这是一个典型的FAQ问答场景：当接收到用户的咨询问题后，系统会检索语料库中的相似问题 百度飞桨自然语言处理模型库PaddleNLP近期开源的FAQ问答系统，提出了针对无监督数据的端到端检索式问答系统方案，无需标注数据也能够轻松构建起检索系统，并且提供训练、预测、最近邻搜索一站式能力。
1.7K20编辑于 2022-04-19 一行代码不用写，用 Autoflow + Gitee AI 搭建本地知识库问答机器人
最新的 0.4.0 版本支持 Gitee AI，为本地知识库问答机器人提供强大支撑。 本文详解 AutoFlow 从部署到配置的完整流程，包括数据库连接、模型设置、知识库创建及聊天引擎配置，实现了一行代码不用写的问答机器人快速搭建。轻松上手，助力开发者探索智能问答解决方案。 马建仓看到本次更新后也是迫不及待上手实践，最终实现了一行代码没写，快速搭建出了一个基于本地知识库的问答机器人，那么下面就和马建仓一起开始吧！ 完成配置后，可进入 Settings 为你的问答机器人进行个性化设置，设置自己的网页标题、Logo、预设提问等等。 完成配置，开始使用 现在一个属于《开源指北》的问答机器人就可以正式开始使用了！ 现在一个《开源指北》问答机器人就正式完成，可以将其正式部署上线了。除了网页端外， AutoFlow 还支持在网页中嵌入 JavaScript 片段 ，将对话窗口集成到网站中。
53000编辑于 2025-03-27- 来自专栏AI工程
对话机器人技术简介：问答系统、对话系统与聊天机器人
例如：怎么让实现让机器人能回答单个问题？怎么实现让机器人能回答连续的问题？怎么让机器人帮我买咖啡？ 机器人的作用之一是回答问题（Question Answering) 一个最简单的问答系统 最简单的问答系统就是当我们有足够多的问答数据，例如： 中国的首都是哪？ 北京。 当数据足够多的时候，一个最简单的问答实现，就是去匹配问题的相似度。 简单的来说，可以分为“有数据”的问答系统，和“没数据的问答系统”。 有数据的是指，我们已经有一些已经结构化的数据，或者说知识。 没数据的问答系统 IR-based 问答系统 (IR: Information Retrieval) 此类问答系统不需要提前构建知识，而是根据问题去检索答案（例如从搜索引擎上）。
4.1K20发布于 2020-02-14 - 来自专栏陶士涵的菜地
ai聊天问答知识库机器人源码，基于gpt实现的本地知识库问答实现，聊天对话效果，发送回复以及流式输出
现在基于gpt做自己项目的问答机器人，效果非常的好。可以把自己的文档上传上去，让机器人根据文档来进行回答。 想要实现智能AI问答功能，现在大部分都是基于向量数据库的形式。 存入向量数据库 访客咨询： 咨询问题 ====> openai向量接口 ====>搜索向量数据库 ====> 组织prompt 到 openai的chat接口 下面的源码是前端逻辑，实现的界面以及问答的聊天对话效果 class="chatpdfLine">
欢迎使用知识库AI
由 AI 支持的网页版 Copilot
<div class="chatpdfRow " v-bind 聊天"}, {type:"answer",content:"我是知识库机器人，一个专门响应人类指令的大模型"}, ], }1.3K20编辑于 2023-04-26来自专栏数据饕餮基于知识图谱的智能问答机器人技术架构
一、前言 本文是《智能对话机器人实战开发案例剖析》系列文章的第三部分，第1篇：基于知识图谱的智能问答机器人技术架构。
2.9K30发布于 2019-01-14JBoltAI全能力问答：Java AI框架实用解析
答：这两个能力是为了让AI资源用得更高效。 智能路由网关可以自动把不同的AI请求分配到适配的模型或服务上，比如简单的问答用轻量模型，复杂的推理用高精度模型，避免“大材小用”；动态资源分配则是在请求多的时候自动扩容资源，请求少的时候回收，既能保障响应速度 而且AI还能自动识别数据里的字段、关联关系，把分散的数据统一整理成能用的格式，省了手动做数据对齐、清洗的功夫。问：数据可视化能力里的“智能图表生成”，和普通的可视化工具区别在哪？ 比如图文生成，不用自己写图像处理代码，给AI一段文字描述，它就能生成对应的图片；音视频处理也是一样，能自动把语音转文字、给视频打标签，不用额外对接专门的音视频工具。 这个功能是用拖拽的方式搭AI任务的流程，比如“提取文档内容→转换成SQL→查数据库→生成图表”，不用写代码就能把多个AI能力串起来。
14410编辑于 2026-02-06来自专栏软件测试学习本地文件与RAG技术：助力AI问答升级
当我们问ai一些专业术语或者公司的一些特定的名词之类的相关信息时，AI就算能联网搜索，往往给出的回答也不尽如人意，在这个基础上，运用RAG技术就可以有效的解决这一问题： 核心代码如下： 要在本地运行代码 LlamaIndex支持很多调用嵌入模型的方式，大家可以看看官网的介绍： https://docs.llamaindex.ai/en/stable/api_reference/embeddings/ 适用场景：适用于需要生成完整回答的场景，例如问答系统。 3. index.as_chat_engine() 功能：创建一个聊天引擎（Chat Engine），用于与数据进行多轮对话交互。 适用场景：适用于需要多轮对话的场景，例如聊天机器人、客服机器人等。 总结 index.as_retriever()：适用于快速检索相关数据，不涉及后续处理。 index.as_query_engine()：适用于生成完整回答的问答场景，支持多种配置。 index.as_chat_engine()：适用于多轮对话场景，支持上下文记忆和动态交互。
34710编辑于 2025-02-19来自专栏企鹅号快讯Imagination月度问答：AI被过度炒作了吗？
这为神经网络的硬件加速提供了前所未有的性能，并使未来的嵌入式和移动设备能够利用神经网络驱动的AI应用。 但是AI是不是被赋予的太多了？ 毫无疑问你会注意到AI正占据各大媒体的头条，纷纷表示AI会重新组织、振兴并彻底改变我们的世界。当然也存在反对的声音以及很多反对的理由，许多著名的公众人物也表达了对AI潜在影响的担忧。 问：AI是被过度炒作了吗？ 布莱斯·约翰逊 Bryce Johnson 汽车营销部门总监 AI被过度炒作了吗？ ——NO 我们只是处在整个AI发展曲线的开始，我们可以想象在不远的未来AI将是解决我们当今世界所面临的巨大问题的基础技术。 我相信人工智能将成为2018年的驱动技术之一，被消费、商业、机器人技术、物联网和数据中心等领域所采用，并长期应用于汽车行业。我想说半导体行业的每一个角落都将受到人工智能技术的影响。
85060发布于 2018-02-01开源大模型RAG企业本地知识库问答机器人
ChatWiki ChatWiki是一款开源的知识库 AI 问答系统。 系统基于大语言模型（LLM ）和检索增强生成（RAG）技术构建，提供开箱即用的数据处理、模型调用等能力，可以帮助企业快速搭建自己的知识库 AI 问答系统。 能力1、专属 AI 问答系统通过导入企业已有知识构建知识库，让 AI 机器人使用关联的知识库回答问题，快速构建企业专属 AI 问答系统。 4、简单易用的使用方式ChatWiki采用直观的可视化界面设计，通过简洁易懂的操作步骤，可以轻松完成 AI 问答机器人和知识库的创建。 5、适配不同业务场景ChatWiki为 AI 问答机器人提供了不同的使用渠道，支持H5链接、嵌入网站、绑定到微信公众号或小程序、桌面客户端等，可以满足企业不同业务场景使用需求。
98400编辑于 2024-07-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号