保定网站开发公司推广文章的步骤

保定网站开发公司,推广文章的步骤,优惠网站怎么做,网站开发什么语言比较好本文介绍了 ReAct 、Plan-and-Execute 两种大模型推理模式#xff0c;以及 FastGPT 对 ReAct 的三种实现方式。 01 ReAct 和 Plan ReAct#xff08;Reasoning and Acting#xff09;#xff0c;让大模型通过「观察-思考-行动」三个步骤#xff0c;循环往复#xff0c;能…本文介绍了 ReAct 、Plan-and-Execute 两种大模型推理模式以及 FastGPT 对 ReAct 的三种实现方式。01 ReAct 和 PlanReActReasoning and Acting让大模型通过「观察-思考-行动」三个步骤循环往复能够自主决定使用一些工具去解决问题。从代码层面来讲本质是递归or 循环而递归结束的条件往往是超过次数限制、问题已经得到解决等条件。Plan-and-Execute相较于 ReAct会先让大模型制定计划、步骤子任务然后按照计划依次执行。中间可能会调整计划如有必要。从一些测评集来看ReAct响应速度更快消耗 token 量少但处理复杂任务的表现不及 Plan-and-Execute。这似乎也是意料之中。笔者认为在智能客服、需要即时响应等情况下ReAct是最优解。且大部分实际生产环境中计划可以由基于 CotChain-of-Thought 设计模式的 Prompt 来完成。FastGPT中「工具调用」可以看做是 ReAct 的思路。02 FastGPT 代码代码所在目录1. 入口与主流程工具调用的主入口是 dispatchRunTools见 runTool/index.ts它负责根据当前节点、上下文、历史消息等决定是否需要调用工具并组织好调用工具所需的参数和上下文。工具调用的三种模式根据所用大模型的能力分为三种调用方式ToolChoice如 OpenAI 的 tool_callsrunToolWithToolChoiceFunctionCall如 OpenAI 的 function_callrunToolWithFunctionCallPromptCall通过 prompt 让大模型决定是否调用工具runToolWithPromptCalldispatchRunTools 会根据模型的能力选择合适的调用方式。科普一下 tool_calls 和 function_call 的区别function_call旧版本每次只能调用一个函数已被标记为 deprecated废弃tool_calls新版本支持并行调用多个函数当前推荐的标准做法最新的模型目前主要使用 tool_calls提供给大模型 tool schema没有显式的使用Prompt干预整个过程。也可以看一下古老的PromptCall是如何处理的。附源码中的Prompt。import { replaceVariable } from fastgpt/global/common/string/tools; export const Prompt_Tool_Call Instruction 你是一个智能机器人除了可以回答用户问题外你还掌握工具的使用能力。有时候你可以依赖工具的运行结果来更准确的回答用户。 工具使用了 JSON Schema 的格式声明其中 toolId 是工具的唯一标识 description 是工具的描述parameters 是工具的参数及参数表述required 是必填参数的列表。 请你根据工具描述决定回答问题或是使用工具。在完成任务过程中USER代表用户的输入TOOL_RESPONSE代表工具运行结果ANSWER 代表你的输出。 你的每次输出都必须以0,1开头代表是否需要调用工具 0: 不使用工具直接回答内容。 1: 使用工具返回工具调用的参数。 例如 USER: 你好呀 ANSWER: 0: 你好有什么可以帮助你的么 USER: 现在几点了 ANSWER: 1: {toolId:searchToolId1} TOOL_RESPONSE: 2022/5/5 12:00 Thursday ANSWER: 0: 现在是2022年5月5日星期四中午12点。 USER: 今天杭州的天气如何 ANSWER: 1: {toolId:searchToolId2,arguments:{city: 杭州}} TOOL_RESPONSE: 晴天...... ANSWER: 0: 今天杭州是晴天。 USER: 今天杭州的天气适合去哪里玩 ANSWER: 1: {toolId:searchToolId3,arguments:{query: 杭州 天气 去哪里玩}} TOOL_RESPONSE: 晴天. 西湖、灵隐寺、千岛湖…… ANSWER: 0: 今天杭州是晴天适合去西湖、灵隐寺、千岛湖等地玩。 /Instruction ------ 现在我们开始吧下面是你本次可以使用的工具 {{toolsPrompt}} 下面是正式的对话内容 USER: {{question}} ANSWER: ; export const getMultiplePrompt (obj: { fileCount: number; imgCount: number; question: string; }) { const prompt Number of session file inputs Document{{fileCount}} Image{{imgCount}} ------ {{question}}; return replaceVariable(prompt, obj); };3. 工具调用的详细流程以 runToolWithToolChoice 为例流程如下见 runTool/toolChoice.ts准备工具描述将所有可用工具toolNodes转为 OpenAI tool schema传递给大模型。构造对话历史包括系统 prompt、历史消息、用户输入等。请求大模型带上 tools schema请求大模型模型会决定是否需要调用工具并返回 tool_calls。执行工具根据大模型返回的 tool_calls找到对应的工具节点解析参数实际执行工具本质是调度 workflow 的子流程。结果回传将工具执行结果通过 SSE 或直接返回给前端并递归判断是否需要继续调用工具或结束。工具节点的定义与参数工具节点toolNodes包含了工具的唯一标识nodeId、描述、参数 schemaJSON Schema 格式等。工具参数的定义和校验也在节点 schema 中完成最终会被序列化为 JSON 传递给大模型。4. 递归结束条件工具有交互节点并被选择没有工具需要调用大模型返回的结果中没有需要调用的工具如 toolCalls/functionCalls/toolJson 为空说明流程已结束。递归次数达到上限有一个保护参数 maxRunToolTimes如 ToolChoice 默认 30防止死循环超过则强制终止。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线互联网企业工作十余年里指导过不少同行后辈。帮助很多人得到了学习和成长。我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限很多互联网行业朋友无法获得正确的资料得到学习提升故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…学习是一个过程只要学习就会有挑战。天道酬勤你越努力就会成为越优秀的自己。如果你能在15天内完成所有的任务那你堪称天才。然而如果你能完成 60-70% 的内容你就已经开始具备成为一名大模型 AI 的正确特征了。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】