嗨,各位好,欢迎收看我的频道,这里是一个只要更新就会掉粉的 up 主。今天呢,我们来介绍一个项目,叫做开放代码解释器, 他呢是对标 opni 的那个代码解释器,现在名字好像改成了高级数据分析。他对比官网的代码解释器呢,有这样几个优势。首先呢就是他是开源的项目,是直接通过我们本地的环境去进行运行的,不会受到 opini 的严格限制。他可以完全的访问互联网, 不受运行时间和文件大小的限制。理论上来说呢,你可以给他添加任何的软件包,或者是酷。项目的使用呢,也是非常简单,只需要两行简单的代码。这个视频里 我就演示一下如何去部署并使用它。在我的博客里呢,有这个拍成官网的地址,你可以点击进去。在官网这里呢,有一个当漏的,你可以选择你的系统,我这里有 windows 来做演示,我们点击 windows。 这里呢,我们可以看到有很多的版本号,大家可能不知道如何去选择。我这里保守一点选择这个三点一一, 因为高版本的话可能有些地方不是很兼容。一般我们要选择这个六十四位的安装程序啊。我们直接点击这个安装包,这里呢,已经下载完毕了。我们只需要双击给它打开,然后点击运行这里。需要注意一下,不要立马继续安装。看一下下面这里添加到环境变量勾选之后呢,我们点击这个继续安装。 这里呢,我们就安装完毕了。我们回到这个开源网站,点击 cod, 然后登录的。我们需要把这个项目下载到本地来运行,它这里已经下载 完毕了,我就在下载这里给大家演示。解压完毕之后,双击进入,然后在地址栏这里点击一下,输入 cmd。 就是控制台坐着这里准备的两行代码。 首先是第一个,这个是让我们安装环境依赖,然后点击粘贴回车。这时候呢,他就会自动安装依赖了啊,我们就不用管他了,他会一步一步的往下走。 当然这个取决于你的网络环境,如果你的网络还可以的话,那么他安装的过程中也会比较快的。那如果你的网络不是特别好的话,我建议你开一下加速器, 因为现在我不是很确定这个潘多拉的包是不是必要的,就是跟他充足之后有没有什么影响。所以呢,现在我们复制一下第二个代码来试一试。回车这里呢,又是一个经典的错误啊,你只需 要看你的末尾处这里有一个 github api, 那他这里提示我们请求过多了,应该是我们运行这个开放代码解释器的时候,他要调用这个 github api 来进行更新。但是按理来说呢,你没有经过验证的用户,也就是说我们没有登录的用户,每小时呢,也是有六十次的请求机会的。 那很明显呢,我这是第一次来试,我肯定是没有超过这个请求次数的。如果你想知道这个原因的话,其实很简单,就是你这个 ip 是共享的,或者你开了一些奇怪的加速器,那么这些加速器的 ip 呢?是很多人共用的,所以就会存在这种情况,你并没有去请求,但是已经满了, 这个时候我们只需要换一下我们的 ip, 然后呢,再去尝试运行它。这个时候呢,我们只需要在这里填入我们的 ipip 就 ok 了。那我们可以在浏览器里搜索这个 open ai, 然后看到这个 open ai, 点 com, 这个就是他们的官网。然后我们点击进 进入。在这里呢,点击登录。登录之后有两个选项,一个是去聊天,一个是进入我们的 api 管理页面,点击 api。 好来到这个熟悉的界面。在上一节目我们讲过,右上角这里有个查看 apik 啊,我先给他放一边啊,这里我已经创建了两个 k, 我这里新建一个。你好, 等我们创建完毕之后呢,点击右边的复制,你一旦关闭之后,你就没办法再去查看这个 k 了,所以你要给他保存好啊。当然你不要去尝试手动输入我这个 k, 我等会会删除的。然后在这里输入 回车。这里我们看到有一个斜盖啊,意味着成功了。同时他在这里也提示了我们可以用这个代码在麦克系统和零六四系统把这个代码输入到终端里面,把后面这个 apit 改成你的 t。 那后面这个呢就是 windows 系统的, 他们作用什么呢?就是添加到我们的黄金变量中,让大家看一下。我们看一下黄金变量。 如果我们在 windows 系统下输入这行代码的话,他就会自动在这里添加环境变量,就不用我们每次都输入 k 了。如果你是第三方的 k 呢,也可以通过这种方法来做这个呢。先不要着急,等会我们会详细讲到。用户呢,可以在输入这个启动代码的后面加一个杠 y, 就不用我们每次 确认了。那我现在在做的呢?就是让他新建一个 htmlr 文件,然后并在里边做一个博客的模板。那他已经新建了。在这里。 好,现在正在询问我是否继续,因为前面我们输入那个启动代码的时候并没有输入杠歪。也就是说他每次对话都需要我们来确认。这样的好处就是不至于你的这个计费啊崩坏。现在呢,他说他已经完 成了。然后我们直接双击打开啊,他已经做完了,不过有点粗糙,我给他打个两分。现在我们来尝试问他些问题。我问他我的桌面上有什么 哦,完蛋,我的隐私没有了。他已经全部都列了出来。这很糟糕。哇哦,刚刚一顿乱操作消耗了我两美元耶。哈哈。所以这个时候我们就不能用官网的 key, 我们可能需要一些第三方的便宜的转发 key 来填入进去。那现在呢,我就给大家简单演示一下怎么去添加这个 key。 首先呢,我们找到我们的设置,在设置这里搜索环境编辑系统,环境变亮。好,弹出这样一个窗口,点击环境变亮,在下面这里新进 opini。 算了,不手动输了,手动输呢,老是有些小 混蛋跟着输也输不对。我们可以在环境变量这里,这里有一个配置 t, 然后先点第一个,把这里给他复制下来。然后进入到我们的环境变量,变量名 在下面这里填入你的值,上面只要这个英文啊,我后边写这个你的 k 呢?意思就让你填入你的 k。 那我这 k 就不给大家暴露了啊,直接略过了。你填完之后点击确定,然后再次点击新建,我们看下面这一个,同样的给大家复制过来,然后前面一样的, 前面呢,就是填前面这一段,那后面呢,我们就给他填这个端点, 然后点击确定啊。这样呢,就配置完成了,我们再去启动一下我们的项目,来试一试。 cmd, 我们现在启动一下试一试,他已经正常显示了出来,也没有让我们输入 k, 我们直接聊天, 那么他也是可以正常响应的。不过呢,这个项目使用第三方的时候会有一个问题,他老是会报错,你看聊着聊着他就断了,这边就报错了。 报错了你就需要插掉重新来运行。那使用官方的话,这个也会有这个概率,只不过概率比较低。而且我留意到作者主页上呢,又多了一个语音, 这个我没有去尝试,有兴趣的朋友可以去点击尝试一下。如果说跟那个 ohni 新出的语音功能差不多的话,那就真的是桌面贾维斯了,你就可以给他说句话, 就是嘿,贾维斯帮我打开。什么什么软件?那今天打开呢,我们就放下小曲结束本期的节目。大概就是这种情况,就是如果你出现问题的话,你可以在评论区留言,然后我看到的话会同步在博客里。就是一些常见的错误,那么你可以在 这个催更版里下面评论。那可以看到有很多朋友已经友好的讨论了啊,发现视频是三周前的啊,科举 给他插出去好吗?
粉丝5.3万获赞49.8万

今天给大家分享乐凯和 chat glm 搭建本地知识库项目,该项目是由清华大学发起并已开园,这是我配置好的整合包。先给大家演示一下效果,点击脚本启动微博语, 启动完成就能看到使用界面,页面右边可以切换对话模式,选择知识库模式,可以在这里新建知识库,也可以选择之前建立的知识库,随便选择一个之前创建好的知识库, 可以在这里随时加载保存文件,只需要把文件拖进去就可以了。 这是我下载的关于 transformer 的 pdf, 一共十七 m b 两百八十四页,拖进去保存一下, 加载完成了。然后我们问一个 pdf 里的问题,测试一下回答质量, 回答的好像还可以,并且给出了出处, 出处也是比较准确。 接下来讲解一下该项目的基本原理和流程。该项目整体使用 lancan 作为应用框架, lancan 支持自定义链式调用, 可以将自定义工具和各种模型结合起来,开发出不同应用。该本地知识库项目是将向量数据库和 chat g m m 模型结合起来。首先就是加载文档并读取文本, 然后对读取的文本进行分割处理,得到一段一段的文本数据,接着将这些文本进行商量化处理,并存入本地史量数据库中, 此时我们的文档数据都已保存在数据库里了,这些数据将会在问答过程中被楞看调用,并经过大语言模型生成生成最终回复。接下来我们一起看一下问答过程的基本流程。首先会将用户的提问信息进行向量 画,得到向量化文本。接着进行数据库查询,得到相似度最高的前几条数据。 最后将匹配出的文本作为上下文和问题一起添加到 prof 中,并提交给 l l m 生成回答。这样我们就得到想要的答案了。我们的模型可以是 track g l m, 当然也可以是 lama 或者自己训练好的。其他模型都可以 通过来看进行集成,做出各种各样的应用。本期视频到这里结束了,大家有什么问题可以在评论区留言,我都会一一解答,再见!

清华发布的 chat jm 第二代模型是否比 gpt 四还要厉害?是否可以断网运行?粉丝小伙伴一直有问到这些问题,我准备接下来换点时间,通过几期实测分享来回答这些疑问。 cat g m 六 b 是清华大学 k e g 实验室今年发布的黑本地部署大约模型,六月底推出了六 b 的第二代版本, 有着更长的上下文和更高效的推理能力。今天先分享如何不输安装 chat j m 二、六 b 模型,并用模型完成简单问答。目前在基站有完整的安装攻略,在 先安装项目仓库到电脑上,然后执行这条指令,安装相关医疗文件。执行完以后就可以下载六 b 模型了,通过手机运行调试代码就可以自动下载,比较简单。我参考官方设立写了一个六 b 模型的问答教本,其中会通过引用和调用六 b 模型来触发模型的下载动作。这里 要特别讲一个问题,所有的本地大约模型的推理对内存 g p u c p u 的要求都比较高,六 b 也是一样的道理,你的电脑配置不行, 那推理会特别慢,待会会给你们看我电脑的运行效果。小伙伴需要根据自己的电脑配置,在六倍模型加载代码进行相应的初始化设置,需要根据有没有 gpu 显存和内存的大小进行不同的初始化, 甚至因为没有独显和内存过小,我们只能用炼化后的模型。我这里根据官方的提示,整理了五种不同电脑硬件配置对应的模型加载蛋白段,大家可以暂停看看 继续运行概念码会检测是否本地已下载模型,没有则开始下载,会出现以下的进度条。溜冰模型总共会有七个变味键,因为是从 honky face 下载,可能会因为网络产生中断,比如这样重新执行交款会继续断点下载。这里还是比较人性化的 模型,下载完以后,脚板就可以进行提问了。这个是小伙伴可以打开 cpu 和内存的占用率监测,可以看到占用率基本都会百分之百拿满,反正我的电脑是这样。我先让六倍进行自我介绍,为了直观看到问答的问题间隔,我加了时间显示, 简单的问答基本都要三到四分钟。再问一个需要思考的问题,比如如何学习 ai 知识, a few moments later, 直接等了十多分钟, 哎,该换电脑。对了,官方的代码仓库提供 gradu 界面的网页版代码,执行这条视频就可以打开网页。 从简单的问答来看,因为我这个破电脑的限制,回答的速度肯定没有 gpt 是快,这也是本地模型和云端模型不同的效果,不过对于推理的准确性,我还要再仔细研究对比一下。大家可以持续关注,希望今天的安装教程对大家有帮助,有用的话记得点赞收藏。

本地部署 chat gpt, 无需安装,直接解压到本地,一键启动,完全免费开园,无需科学上网,国内直接使用国产大模型 chat glm 二遥遥领先 chatglm 二六 b 是国产大原模型, 一键启动包已经给大家准备好了安装包,加入粉丝群,查看群公告,直接领取粉丝群的入口。在和我私聊的界面右上角,我们把 chitglm 压缩包下载到本地,按右键选择解压到本地 点按完成以后打开 tit gmr 文件夹,首先安装 denit 运行环境,双击打开选择安装。如果你的电脑已经安装过 denit 运行环境,无需再次安装,直接关闭。然后进入 titiglmryblim 录,双击一键启动器,快速启动 chatglmr。 打开 外部 ui 启动器以后,先选择模型,我们这里有两个模型,一个是聊天大圆模型,另一个是程序员写代码使用的模型,我们选择 itgm 二六 b, 根据你的显存配置下启动参数,我选择巴比特模式节约显存,然后选择一键启动,抖速运行会比较慢, 如果启动界面报错,那可能是启动参数配置和你的显存不匹配,或者电脑性能和运行环境不支持。 启动成功以后,命令还会显示 running on localuil, 并自动弹出浏览器。打开地址,我们来测试一下菜菜 gmr 六 b, 你好,选择詹德瑞特生成,生成速度还是很快的,效果也很不错,非常的完美。

大家好,欢迎来到悟空 ai 工具箱,悟空 ai 工具箱可以帮助您实现 ai 工具的快速一键部署。工具箱目前包括 chat glm, stable diffusion、 visual glm 和 long chain 四款强大的工具, 通过一键部署上述工具,可以让您快速便捷地在本地使用这些 ai 软件。 今天我们来介绍 long chain。 由于数字模型的知识之后,我们有时候需要建立一个本地的知识库, 那么这时候 launcher 就派上了用场,我们已经做好了 launcher 和 chat g l m 的整合包,这个工具的使用同样非常简单,下面我们来具体看一下使用方法。 首先我们打开悟空软件的官网,三 w 点五 k c r m 点 com, 然后在官网上我们点击 ai 工具箱,那么进入 ai 工具箱以后,我们点击 long chain, 这个页面就是 long chan 的介绍页面,那么这里展示了 long chan 的产品信息,特点还有安装方法。如果您有任何问题,也可以通过微信扫码进入我们的社群。 我们的 long chance 是和 chat g l m 已经做了完整的整合,那么 整合的一键部署安装包的使用方法非常简单,首先我们记录提取码,然后点击我们百度云的下载链接,这里我们已经打开了网盘的下载链接,点击提取文件, 那么就可以看到郎欠的一键部署包,我们可以将这个一键部署包的文件保存到我们的网盘当中,或者直接下载,那么这里已经有一个完整的安装包,我们将它下载到本地, 目前在本地的话,我们已经下载好了所有文件安装包,那么把 long chain chat grm 这个压缩包进行解压,解压以后,我们打开解压后的文件包, 找到文件包下面的 run 点 b a t 文件双击它, 那么同样的我们可以选择我们的显存配置,无显卡的情况下,您需要包含 三十二 g 以上的内存才可以使用。 好等待当安装完成后,我们就可以开始正式的使用他的软件了。 好,我们看到他已经安装完成了。 安装完成后,我们可以看到人工智能助手给我们提示了一个信息,让我们直接在本地 执行一个网址就可以访问到他,那么这个网址就是幺二七点零点,零点一端口号是七八六零,那么我们已经打开了这个网址。刷新后就可以 看到 long chain chat g l m 的一个界面, 由于郎欠的使用是和 cheat glm 结合的,所以啊他们的界面基本上是相似的,我们可以在这里输入提问的内容,按回车就可以回答问题了,这一部分我就不再演示了,大家可以去看一下 cheat glm 的演示视频, 那么这里我重点说一下 long chan 的本地知识库的建立,需要建立本地知识库的话,我们可以先点击这里的新建知识库,然后我们给知识库命一个名字, 然后添加至知识库选项。那么为了要建立本地知识库,我们首先需要在本地建立一个知识库的文档, 我们看一下,我们在本地新建了一个文本文件,这个文本文件里面记录了相关的知识的内容, 那么我们将这个文件拖入到我们的知识库里面,然后并且点击上传并加载到知识库,我们看到 这个本地知识库已经加载了,我们可以把刚才的问题复制过来,然后看一下是否有回答,悟空软件是做什么的? 我们可以看到目前这个回答就是我们本地知识库来提供的一个回答,那么我们可以在本地建立和我们相关的一些重要的知识库,这样的话就可以将我们需要的问题来提供给人工智能来帮 帮助我们来回答问题。当然除了使用默认的知识库问答,我们也可以选择其他的使用模式,在这里我们也可以对知识库的测试贝塔进行一些设置, 也可以对模型进行配置,欢迎大家一起来共同研究,然后并且和我们一起讨论。 那么关于 long chan 的简单部署和使用方法就介绍完了。如果您觉得悟空 ai 工具箱很有用,欢迎转发这个视频,谢谢大家。

超越 taggbt 四点零的中文理解能力, chitgmm 二正式开源公布,这是一款由清华大学出品的 ai 大语言模型,直接部署到本地就可轻松运行,而且对配置要求在逐渐降低,增加了逻辑思维和语言理解能力。接下来大家跟老张快速的体验一下。 首先我们打开对应的一件包,在这个一件包当中呢,咱们会拿到以下这四个对应的内容。首先咱们先说安装包,安装包是本次运行必备的环境之一,必须要把它先进行安装一次, 安装成功以后,咱们接下来需要先把这个一键安装包,对应的工具就是咱们说的一键启动器,把它解压出来,解压出来在这就是对应的这样的一个效果啊,有一个快速启动咱们可以看到,然后这个解压出来之后,紧接着第二步咱们需要做的就是把 把这两个对应的模型也就解压出来,这个模型是咱们今天的主角 chin gm 二,号称可以和 chintpp 四点零掰手腕的国产 ai 模型,这一款呢是我们程序儿界啊非常好用的专门写程序的代码模型,今天老张就不做演示了,如果你需要,你可以把它给下载下来, 然后解压出这款内容。之后呢,咱们把解压出来,他是一个对应的文件夹,咱们把这个文件夹复制,然后放到咱们当前的一键包中, 找到这个 models 文件夹,把它直接粘贴过来,这样的话就可以在一键启动器上找到咱们的 check gml 二对应的这个 an 模型, 找到之后呢,咱们可以直接在这选择快速启动好,然后在这选择对应的模型,因为咱们我这呢有两个模型,咱们要的是这个,对吧?拆个 gm 二杠六 b, 然后这款模型启动完成之后呢,咱们首先先根据您 的显卡来进行选择,比方说老张是八 g 闪存的,我就选择这一项,如果您是四 g 闪存,直接选择下一项就可以了,对吧?根据您对应的内容来进行调试, 可能首次加载他的时间会非常的长,咱们可以稍作等待,如果说他出现了一些报复原因,你一定要检查是不是你电脑显存不扣导致报显存等相关问题。好的,当咱们进行重新之后,你可以看到有一个编个地址栏,可以把这个地址复制,直接就可以打开了,这个就是咱们对应的模型选择, 咱们可以在哪呢?可以在这个模型选项中进行看,对吧?这是咱们这个模型,这是没问题的。好,然后咱们这是文本驱动器,在这就可以直接进行对应的应用效果呢?如果您的电脑配置够好,效果还是非常不错的,但是如果电脑配置一般的兄弟们可能要稍微的差一点。

ai 支付搭建,直接上传文件,让 ai 秒变你的私人小助手,还可进行 ai 智能问答。今天老张教大家如老规矩,我们先看部署后的完成效果,部署完成之后呢,我们可以用两种模式进行对话,首先第一种呢就是 咱们最原始的 ai 对话模式,它启用的是 chat g m 二的一个大语言模型,可以帮咱们进行相关的学习分析。老张在这呢让他作为文案分析师帮咱们学习的二极管标题法,然后进行了相关的分析阐述,产生十个爆款标题,效果还是非常不错的。还有就是支付相关内容, 咱们可以在这上传您对应的知识库,比方说咱们点击好的,大家可以看一下。老张这呢有一个客服快捷自动回复与大权,就是咱们对应的一个客服接待的相关手册,咱们把这个手册呢上传到 ai, 让他添加到对应的知识库中,然后重新选择对话,然后在这选择 知识库问答方式直接在这写一个你好好,然后我想看一个拍了后如何发货呢? 对,大家可以看一下是不是直接查询到三天内就可直接发货,然后自行查询之类的,是不是都是完全通过数据库进行匹配的?就是如果您需要一个本地的支持库,这个绝对是你非常好的一个选择, 咱们还可以在这上传,您不同的地方,咱们可以直接上传,然后进行导入,就可以搭建你个人的知识库了。所有的部署内容呢,老张都在这给大家都已经整理好了,所以大家需要的兄弟们点赞关注评论六六六,接下来看老张给你来如何搭建云端部署。首先我们可以在 did hop 网站上搜索 long chan 杠 chat chat, 打开对应的项目目录, 然后点击对应的目录介绍,在目录介绍中,我们可以直接往下去拉,找到凹凸 d l 镜像部署,然后咱们在这呢可以直接选择 右侧的凹凸 dl, 创建实力好,然后我们在容器实力这个位置选择按量计费,然后选择内蒙 a 区,然后这个显卡配置呢,咱们可以直接选择 a 五千 gpu 选择一个啊,然后直接点击主驾 ad, 然后选择立即创建, 创建过程中他会有一个进度条的显示,大家稍等片刻好,当我们看到状态改为运行中时,证明启动完成,然后我们直接选择快捷工具选项中的第一个。 好。启动过程之后呢,我们进入到了他的终端命令行,在终端命令行里,咱们打开刚才留存的这个部署记录,然后这有一个一键启动,咱们可以按照这三步走,把这个程序正式的跑起来,这三步分别为 移动到对应的目录文件,直接粘贴回车,大家注意前方已经改改变完成,然后在这直接创建 环境,把它再次的拿过来再回车,这也没有问题。最后咱们通过 python 启动对应的应用程序粘贴回车,这个启动过程呢可能较为缓慢,大家只需要稍等片刻即可。好了兄,当兄弟们看到这行蓝字,并且告诉咱们对应的六零六六这个地址是证明咱们启动已经成功了。 好,那么咱们可以直接的返回到上一集目录,在这有一个自定义服务选项,也是快捷工具栏中点击自定义服务,然后选择对应访问。 好的,点击启动之后呢,我们就进入到了正式这个页面了,在这呢选择您的对话模式,可以直接用 ai 对话,可以选择知识库问答,在这进行对应的知识库管理。很多兄弟说呢,学完 aa 工具之后有什么作用?你可以去五八同城上找一份 ai 相关的工作,帮你提高你的工作效率。 好,老张可以给大家来做一个简单的提示啊,表示你好,他会根据支支付帮咱们进行相关的一个匹配。好,如果您发我申请退款了,根据已知信息会为咱们进行匹配,所以说是相当哇塞的。


兄弟们,我拥有了自己的 gpt 大模型了,取名听我一言,他基于清华大学开园的 check gim 搭建,具有六十二亿参数,针对中文问答和对话进行了优化。想体验的朋友一定要看到最后,下面看下他表现吧。 先让他讲的科技加爱情故事回答的完全符合要求,再让他给刚毕业的我一点人生建议, 回答的也没问题。最后再让他写首诗,写的也不错,反正比我写的好。 总体而言,日常的对话需求是能满足了,虽然跟 chat、 gpt 有差距,但也比 siri 和小爱这些聪明多了,同时也必须认识到他可能有些常识性问题。想体验的朋友欢迎加入粉丝群。

ai 接入微信秒变智能客服,全程本地操作,小白也能完成,只需两分钟,轻松教会咱们先看成品效果,首先第一个咱们这个 chat jmm 二是可以直接本地运行在网页端的,直接运行在您的电脑上,可以给您进行相关的标题分析以及其他 ai 制作都是没有问题的。 除了本地运行以外,还可以直接挂早到咱们的微信上,让他直接实现微信的 ai 客服的结果,直接去发消息,然后 ai 在后台进行监听,然后直接给人进行相关的回复,是非常非常哇塞的, 还是老规矩,想领取软件的兄弟们点赞关注评论六六六。接下来老张给大家来讲解完全的教程,拿到老张给大家准备的工具,到时候会是一个压缩包,大家注意他的名称,然后双击打开,打开之后呢,首先第一个咱们需要先下载对应模型,直接双击, 然后按回车键,他下载完成以后会自动关闭窗口,大家完全不用你做任何操作。好的,下载完成之后呢,咱们会发现在同级文件目录下有一个 model 模型文件夹,这就是咱们刚刚下载好的 check glm 二的大语言模型,如果您这边想用其他语言模型,可以直接做一个相关替换,都是 ok 的好模型下载完成之后,咱们直接点击运行, 点击运行有两大版本,第一是网页版,第二是微信模式,根据您的需要进行选择,然后后面会有一个显存的比较,十二八到十二 g, 八 g 三十二 g, 去看一下您显卡的对应选存,以老张举例,我的显卡是八 g 选存,我先给大家测试网页模式, 好的,他就会给咱们进行对应的启动,大家稍等片刻,他会自动的弹出对应的网址链接,自动打开以后,咱们就可以直接进行发送了。好的, 咱们可以看到没问题,然后咱们可以直接输入您想输入的问题或一些 ai 指令进行相关的提问了,这是第一个网页版,然后接下来咱们再说微信版如何使用,首先登录一个小号微信,然后呢把刚才的终端关闭掉,双击运行,选择指定的微信版本,咱们选择六, 选择之后,他这有一个选项框,您可以根据您登录的微信让他在哪个位置中进行生效。比方说让他在某个群里担任客服,老张这个群叫 demo, 然后可以选择艾特回复,也可以选择全部回复,点击确认,这样的话他就直接可以在他这个群中担任咱们的 ai 客服了,只要有人说话,他都会进行回复,非常非常的强大,大家抓紧去体验。

哈喽,大家好,本期视频将和大家介绍如何在自己的笔记本电脑上部署类似于恰的 gpt 的大语言模型。首先我们看一下演示, 比如说我输入,我正在做一期关于如何部署类似 chart p ppt 的模型视频,帮我写一个视频标本, 然后它就可以帮我们,它就可以实现类似于恰的 d p t 的效果。 比如视频标题简介,如何在本地部署聊天进行模型, 这个模型直接在本地运行,不需要连, 不存在其他限制。然后比如说我们看他帮我提炼一个短标题, 有时候他就可以回复自家就能训练 chate 几步器。本地部署大语言模型。当然我们也可以继续质问,他 在响用的时候,这个响用速度是没有加速的,是它正常的速度。 当然我们也可以让他写些程序,比如说写一个标点,程序简单, 当然我们也可以对他输出的内容进行一定的修改。嗯, 比如说我不想使用 example 点 com, 请帮我修改为电音主点 com, 然后它也可以按照我们的要求进行部署,它也可以按照我们的要求进行改写视力。 那么这个本地模型用的是哪个 大模型呢?用的是兰巴醋,但是兰巴醋对于中文的知识并不是太友好,所以我们使用一个重音化过后的一个库,然后这个库呢? 他针对于蓝巴兔扩充了中文词表,然后也进行了一些预训练。他他可以在个人电脑的 cpu 或者是 gpu 上进行快速训练,即使你没有个人信卡,也可以进行训练部署。 嗯嗯嗯嗯嗯。

不吃电脑配置,不花一分钱,一键轻松部署一个 ai 小助手,可直接使用 chat g m l 二、拉姆二等开源大语言模型,周末时间大家来一起部署一个属于自己的 ai。 老规矩,我们先看一个基础测试,现在呢已经被咱们成功的部署到了云端,也采用的是 chat g m m 二 对应的一款大语 ai 模型,而且这个位置还可以上传本地的知识库,可谓非常的强大,不吃你电脑,而且所有的内容呢,完全免费操作。 想要本次视频中资料的兄弟们老规矩,点赞关注评论六六六。首先我们先打开老张给大家提供的第一个链接,我们先在阿里云服务器上领取这三个月的 额度,然后认证方式呢,我们直接选择个人认证即可,注意啊,三个月是不花一分钱的。好的,打开咱们的第二个链接,把这两个数据库呢 给他领取一下,因为咱们将来如果说你想要在当前的这个内容中啊,搭建你本地的知识库,或者说上传知识库文件,你需要用数据库作为存储方式,跟之前一样,点击立即使用。 大家注意啊,这两个关联角色和服务角色一定要点击下创建。最后呢,我们再来领取五十个 g 的文件存储空间,用来放咱们将来要部署的大语言模型, 领取方式跟之前一样,咱们点击试用。好的,当咱们把以上这些内容领取完成之后呢,大家可以在这个产品位找到对应的计算选项,这有一个函数计算 fc, 咱们点击进入, 点击进入管理控制台创建默认角色,然后在左侧栏中找到应用选项,咱们可以看到他会有大量的模板,在这大家看到了有 a n 大语言的, a n 绘画的,同意千问的,那我们直接找到 你要部署的 ai 大语言模型,直接点击立即创建,点击进入以后啊如果您有 github 账号,您可以直接进行输入,如果没有的话,咱们直接部署都是一样的, 然后这个地方任何东西咱们都不用去改,然后在最下面点击创建并部署默认环境,然后他会弹出咱们刚刚是不是领取到的两个资源呢?直接点击,然后选择同意,然后选择继续部署, 这样的话他就会自动的帮咱们去创建应用,可能速度呢会稍微的慢一点,大家稍等片刻,然后大家看,如果说现在咱们显示部署成功的话,兄弟们看这他会产生一个钉的域名,咱们可以直接点击域名好,咱们就可以直接对齐进行提问了,大家来看 效果还是非常不错的,对吧?质朴公司,那么咱们看到他最最上方呢,有一 一个三十次的问答额度,那么这个问答额度咱们怎么提升呢?咱们可以切换个人数据库,个人数据库呢,就是大家在这个位置所领的这个二 ds 数据库,那么这呢很多兄弟可能会出现一个小问题啊,就是你在领领取的时候,比如说跟老张一样在这领取, 咱们这个呢,直接这个都不用去管他,咱们注意现在的主节点可用区是不是杭州可用区为 g 啊?然后咱们在这选了一个 vpc, 然后需要选一个交换机,结果咱们发现一勾中啊,发现,哎,交换机不能围空,但很多兄弟的问题就出现了,这个地方没有选项, 那咱们可以怎么样呢?大家来看啊,假设像老张这个已经配置好了,你看是不是没问题啊?那怎么配置的呢?兄弟们,先记住你当前的主节点可用区在哪,然后点击专用的网络控制, 然后在这创建一个交换机,这个标签名称呢,咱们可以任意续起,咱们把它绑定在默认的这个专用的网络下,注意你的专用的默默认网络是什么,然后在这注意交换机名称啊,你可以先随便的去叫可用需,这跟谁一样?兄弟们划重点了,是不是跟这个 主节点可用区是一样的就可以了,然后直接选择立即试用,所以大家看这个这个解决方案一定要记住,否则的话你没有这一步,你将来这个 r d s 你是没有的。好,那么有了这个 r d s 以后呢,咱们就可以让它切换至个人 个人数据库了,那个人数据库咱们就得做一个简单的配置来完成,然后接下来我们来操作一个个人的数据库,后面的难度可能要稍微大一点,大家跟上节奏啊。首先第一个呢,咱们选择阿里 刚才咱们领数据库的这个页面,这是不是有一个已试用啊?咱们点击好,然后我们打开实际列表之后呢,看到这个状态是运行的,我们直接选择管理,管理信息中选择账号管理,然后选择创建账号 数据库,账号这个地方由您自己决定,然后高权限账号密码也是由您自己决定好,高权限账号已经激活,证明咱们账号创建完成,然后选择左侧的数据库管理, 点击创建数据库,数据库名称还是您自己随便的睡觉。选择完成以后,在这点击授权账号就是刚才咱们创建的高权限账号,然后选择创建,然后再往下选择白名单与安全组,然后找到 defote, 选择修改, 修改之后咱们把它呢直接按照这个位置进行修改,请你们看一下,把这个直接复制过去,选择放到这个位置,表示全 公网开放,这样的话咱们可以直接使用测试即可,然后点击下方数据库连接,选择开通外网地址,好的,这样的话外网地址配置成功,点击复制, 然后打开咱们刚才布置好的这个内容,选择迁移个人数据库,不连接地址,直接添入,添入之后端口也是在这个位置,咱们刚才拿到的五四二三的这个外网端口,点击回来高权限账号,咱们自己注册的内容账号密码,咱们自己注册的密码, 数据库名称,咱们自己注册的数据库名称。好的,那么现在上方的限额也被咱们取消了,可以直接上传本地文件,甚至可以导入知识库的 uil, 直接进行本地访问,可谓非常的哇塞,有任何问题记得评论区给老张留言,周五了,大家抓紧去尝试。

打造你的本地私人智能助手,他提供了多种预设角色随心选择,比如这个小红书写手,随便给他一个主题,他就会给你生成一份完整的内容。 这边还预设了几十种提示词,包含了各行各业,设置里可以调整各种参数来改变回复的效果和长度等等。对于这个数据安全问题也不用担心,都是存储在本地,安装和使用就更加简单了。来到这个开源项目地址右侧,找到 releases, 点进去, 这里面就是各种不同系统的文件,比如这个 e x e 格式的就是 window 系统的,这个 d n g 格式就是 mac 系统的,我们把它下载下来,直接安装就可以了。 安装完成以后,将我们的 apik 复制到这个地方,接下来就可以聊天了,那么快去试试吧,无法下载安装包的小伙伴可以私信找我要。

大家好,自从我发布了基于本地大模型构建企业私有知识库系统的视频,很多小伙伴在后台留言让我出教程。最近一直忙着交付一些本地大模型和私有知识库的系统项目,一直腾不出时间来,现在总算有空了来安排。 首先我的视频会分为硬件和软件两个部分,教会大家从零开始部署一个基于本地大模型的私有知识库系统。首先是硬件篇, 做到硬件必不可少的就是四零九零了,现在的大模型动辄十几个 g 的最低显存要求,对于消费级硬件,这也足够了。视频最后是配置单,按照这个配置单的电脑基本上跑六 b 七 b 的模型很流畅,十三 b 的拉玛兔稍微有点卡, 传奇的过程我就直接快进了。考虑到散热,我配置了一个比较大的机箱。因为我对酷炫的灯光不太感兴趣,所以选择硬件的时候灯光效果不在我的考虑范围内。我主要从性能、稳定性、价格几个层面去考量。 这个配置的机器我已经用了三个月了,各方面我还是非常满意的。 关注小百,了解更多 ai 干货!

基于 u x e 和国产大模型 check g l m 六必实现基于本地知识库的自动问答,代码开源,可离线部署,也可以在线体验,欢迎 skar。 下面介绍在摩达社区在线体验本地知识库的自动问答。 首先我们选择 combating model, 然后上传本地知识库。我们支持 markdown 格式、 word 格式和计时本格式。这里以 check glm 六 b 的 liam 蜜为例, 我们上传下面有几个参数可供选择,包括 top, p, tab, pressure 等。然后我们在输入框中输入我们的问题, 然后回车或者 点击发送,稍等返回出结果,浏览一下, 效果还是很不错滴。当然项目还有很大的优化空间,欢迎大家进入地址关注并参与。

刚给大家演示一下那个 chat glm 的一些功能啊,一些他这个模型的一些基础功能啊,我主要是演示以下这几几个方面啊,主要是一个自我认知啊。写,呃,提纲写作,文案写作,然后邮件写作,然后他也可以做一些角色扮演啊, 然后也可以做些呃这个评价的比较啊,然后还可以做一些本地知识库的一些问答啊,然后我就给大家演示一下啊, 先我们看一下他那个 cat g a m 的那个自我认知啊,界面打开之后的话,选择这个 l l m 的话呢,主要是这个机器人对话啊,这个知识库问答的话呢,就是利用本地的这个知知,知识库就加载这个知识库可以进行问答,他等于是这样我可以看一下。 对,我先问你是谁啊?你好你是谁,他就会比较好的回答, 介绍一下你的优缺点啊, 强大的对话功能,灵活的知识库,友好的界面设计,实时的更新他主要的缺点。 好,我让他帮我写一个培训的提纲。 这个是什么东西啊?啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧啧。 然后我让他写一篇新闻稿新闻稿, 然后我让他写个邮件, 再让他写一个视频的脚本 角色扮演。角色扮演就是他是以比如说是一个那个新闻工作者的这个角度去报道, 他也可以对 这些东西进行比较。 最后一个我们来看一下 这个是不基于这个知识库的这种回答, 我们看看 g 知识库的回答, 基知识库回答的话呢,其他先在本地知识库里面去寻找跟这个问题最相关的一些文文档,然后再根据文档的这些内容,加上那个 l l m 的这样的一个文字逻辑的这个能力,然后再回答。 那么基本地知识库的回答的话,相对来讲它它会更加精准,更加基于这个企业的这样的一个 内容啊,回答出来的问题的话呢,就会更加准确一点,然后如果不记知识库的话,你可以看到就是他回答出来的东西比较通用啊,比较 宽放,他等于是这样啊,所以,呃,各有各的优势啊,如果在企业内部应用,如果你要准确回答一些问题的话呢,你还是要给他一些,呃,支持他,等于是这样给他一些内容啊。 好,这个就是恰特 glm 杠六 b 目前能做到的一个能力啊。他目前的话呢,我看他十五号也更新了一个新的版本啊。呃,一点一这个版本啊, 他这个一点一版本的话呢,据说是主要更新是因为他平衡中文和英文之间的这个翻译的问题,但是我看他好像这个 bug 没解决,上述内容翻译成专业英语, 因为我看到他的那个中英文还是还是在乎 还是有这个中英文混的这样的一个问题,当然比原来会好一点,比那个一一点零版本会好好好一些的这个,但是他那个英文还是有些问题,他这个可能跟他的那个 chat g l m 里面的那个编码规则是有关系的。嗯, 可能他是中英文混编的,会导致这个中中文和英文之间相互创客,他存在这样的一个问题。好啊好,今天的话就跟大家就演示到这了。

大家好,今天要讲的内容是 windows 本地部署拉玛二大模型。 在本节课中,我们将在 windows 环境不使用 gpu, 只使用 cpu 的情况下,基于拉玛点 cpp 这个库部署并运行拉玛二大模型 完成部署后会直接使用 python 接口进行文本生成。 二零二三年七月十九日, meta 发布了免费并且可商用的大语言模型拉玛二,这一举措足以让大模型领域的格 格局发生巨大的变化。 number 二系列模型有七十亿、一百三十亿和七百亿三种不同规模参数的模型, 经过评估,拉玛尔的实际效果已经超过 gpt 三,甚至已经接近 gpt 三点五。 关于拉玛尔本身,有非常多值得讨论的地方,尤其是对国内 ai 领域的深远影响,将来我会再专门出视频来讨论。 下面我们进入正题,就用手头的个人电脑来体验一下。辣妈二, 我们都知道大圆模型动辄就是上百亿的参数,本身就不是在单机环境下使用的, 即使是拉玛系列最小的七十亿参数,也需要英伟达 r t x 四零九零或 a 十来运行。 但是有位超级大神,他基于 meta 发布的拉玛模型开发出了一个运行拉玛模型的模块拉玛点 cpp。 该项目纯手工基于 c 加加打造,没有任何第三方便于依赖,使我们可以基于 c p u 条件进行大模型推理。 另外, 拉马点 c p p 不仅支持拉马二模型,还支持 alpaca、 chinese、 拉马 visor 的 l m 等等其他模型,并且还提供了 python、 go、 node、 j s 等其它语言的接口。 接下来我们来一步步搭建拉玛 cpp 的拍摄环境,实现大语言模型的单机运行。 在搭建环境前,需要提前安装 video studio 用于编译拉玛点 cpp, 我们可以直接在 vs 的官网下载 vs 二零二二 社区版进行安装。 完成 vs 的安装后,使用安娜康大创建一个新的 python 环境,其中 python 版本选择三点十, 接着打开环境,使用 pad install 拉玛 c p p python 命令安装 python 接口的拉玛 c p p。 我们可以在哈根 face 上下载量化后的拉玛二模型,具体登录哈根 face, 找到 the block 这个项目,然后再在其中找到拉玛二 七 b chat g g m l 模性这里要说明的是拉玛尔七 b 是原始的七 b 版本, chat 代表聊天微调版本,而 g g m l 代表亮化模型。 所谓模型量化,可以简单的理解为一种模型压缩的技术。 在下载列表中,我们选择下载其中的 q 四零这个版本,列表中还有很多其他版本, 简单来说, q 四零表示每四个比特一个权重, q 五零就表示每五个比特一个权重,其中的数越大,那么就代表精度越高,我们选择一个差不多的来 使用就可以了。 完成环境的搭建和模型的下载后,就可以编写 python 代码了,程序会依赖拉玛 cpu python 这个模块儿,它的接口使用方法可以在项目的文档中找到, 打开项目文档可以找到接口中的各个参数都怎么使用, 这里就不过多介绍,具体的使用效果还需要大家自行调试。下面我们就来写一个简单的样例程序。 首先导入 lama c p p 在内函数中首先创建拉玛模型,模型使用我们刚刚下好的 q 四零模型,然后对模型输入, hello, who are you? how old are you? 看一看模型的反应如何。 这里我们实现一个功能函数, generate text 函数传入模型 model 和输入信息 message 函数返回模型的输出结果。 在函数中,首先需要将 message 转换为 prompt, 然后将 prompt 输入至模型,得到输出 output。 输出结果的格式可以参考文档。我们将其中的 trialses 中的 text 字符串取出, 保存到 answer 中,并将 answer 返回 运行程序,可以得到三个测试结果。发送 hello, m 二会回复一个友善的回复。发送 who are you? m 二会自我介绍发送 how old are you? m 二也会给出合适的结果。 那么到这里, windows 本地部署拉玛尔大模型就讲完了,感谢大家的观看,我们下节课再会。

我要写一篇关于 ai gc 的发言稿。 尊敬的各位领导,各位嘉宾,各位同事,大家好, 今天我非常荣幸能够在这里和大家分享一下我对人工智能生成内容的思考。 首先让我来解释一下什么是人工智能生成内容。人工智能生成内容是指利用人工智能技术、 经济学习、深度学习、自然语言处理等,让计算机能够像人类一样生成新的文本、图像、音乐、视频等内容。随着人工智能技术的发展,生成内容的大 为已经不再局限于文本,现在还可以生成图像、音频、视频等,并且这些生成的内容可以非常准确的模拟人类的创作过程。

叉提 lm 六必基于 glm 架构,可以支持中英双语问答。对话具有六十二亿参数,目前由权重格式不同区分不同的版本,不过对模型的效果没有影响。首先自定义数据集, 当数据及定义成句子对,需要考虑下游任务以及 prompt 的构造案例。在进行多轮对话时需要考虑到上下对话并汇总。在 history 中,我们如何对六 b 进行微调呢?训练过程中直接设置自定义的数据及路径就可以了,然后也需要设置上图的超参数, 其中 self prompt 强度和训练的学习率分别是这两个函数,通过调节可以取得最优的效果。我们要注意, petching new v 二方法会冻结全部的模型参数, 通过调整 quantization bit 可以被原始模型量化等级。当模型训练完,就可以加载模型并进行预测。如果需要加载的是就 check point 或者进行的是全参数微调,直接加载整个 check point 即可,之后可以进行量化或者直接使用。你们学会了吗?

是记录一下就是 chat g l m 这个微调的这样的一个方案啊。啊这个方案的话呢,我是在我的自己的经济上啊实实践了一下啊,确实是可以跑的。他的这他的这个开源项目确实可以把最终的那个 chat g l m 的这样中英文双语的这样的一个模型给微调出来啊。我给大家看一下啊 他整个一个微调过程的话呢,大概花了是八将近八个半小时啊,因为我是跑在那个 a 五千的这个服务器上面呢啊那么它的内存的话,呃它的 g p u 的话,呃是二十四个 g 的二十四个 g 的二十四个 g, 呃大概刨了十七个 g 啊,因为我我一个一个就是搬去 size, 就是呃跑的稍微小一点,呃它的默认值是 六啊,就是每次批次跑六个指令,但是呃我会发现他有 out of memory 的这个现象,所以我把它改成二啊四,我也改了还是不行,但后来我改成两条两条指令的时候他就内存就不溢出了。那二十四 g 的那个显存他用了十七个 g 然后跑了 八个半小时,然后 gpu 基本上跑满的啊,那基本上就跑完了。呃那么呃他的整个指令级的话呢,就像我那天介绍的他是用的羊驼的那个产生的指令级,一共是五点二万条指令啊。 呃我也跑了五点二万条指令啊,然后我也看到它的 los 的话基本是在不断收敛的啊,不断在收敛的,嗯应该还可以啊。 e pro 的话大概是我是跑了三啊。 那整个训练过程中还有一个时间比较长的话呢,他就要加载那个预训练的那个模型啊?那个就是 chat g。 呃, chat g l m 杠六 b 的这个模型啊,因为他有,我之前跟大家介绍过他有这个八个差不多将近两 gb 的这样的一个 呃数据,呃,他需要下下载,所以的话呢,呃下载的时间会比较久,一般情况啊,然后我给大家看一下他这个深层训练完之后的深层的这些数据在哪里?他是放在这个 alt toot 这个目录下的, 它会放在 altput 下面,然后会生成一个用 roller 模型生成的这样的一个小模型啊,因为它是微调的,微调的话呢,它其实没有在大模型上改,它只是生成了这样的一个呃可插拔的这样的一个小模型啊,然后它可以叠加 在这个 chat 呃, chat g l m 杠六 b 的这个模型上面,然后进行训练啊,我给大家看一下啊,他这是怎么跑的啊?这我已经跑过了啊,这个是加载,这是加载 chat g l m 杠六 b 的这个模型,你把它给装载起来,哎,装载完了之后呢,这个是装载它的那个 talking 啊,这个这个两条渔具都是装载它的模型。 那这个地方啊,因为我是放在这个训练完的这个罗拉的这个模型是放在 output 木头下面的啊,他生成的是这个东西,所以的话呢,你要把这个东西也要加载进来 啊,把这个模型也要作为一个可插拔的能够加载进来,它等于是这样啊,加载进来之后的话呢,你就可以加载这个数据,然后进行预测了啊,这个是加载数据。 呃,我就把原来训练的这个模型加载进来,加载进来的话呢就可以训练。 对,然后 d cod 一下,然后是输出, 他这个是给了一个指令,是一个,呃,就是保持健康的三条 tips 啊,然后他这个是讲了一下怎么吃蔬菜水果等等一些一些东西啊。 第二条他是要做一些规则的一些活动啊, 大量的喝水和睡,准时的吃早饭啊,这个是他的建议。 嗯,这是他的回答, 看上去应该还不错。我觉得他回答了三个问题。 嗯,因为羊驼的它这个 指令集里面我们是介绍过的,他是有英文,以英文为主的,中文很少啊,所以我们其实,呃,下次的话呢,应该还是要把这个羊驼的指令要把它换掉啊,要换成我上次介绍的那个 就是中文的那个指令来进行训练,这样的话呢可能会效果更好一些啊?好,这个是,嗯,记录一下这个运行的效果吧。啊?运行的效果。

门当前装了一个本地运行的 meter gel 提示词生成器。上一期视频我讲解了自己的 prompt 结构化逻辑,有小伙伴对其在 an 产品设计中的重要性表示质疑,所以我找了一个有趣的场景来验证,用一条 prompt 作为核心来指挥 gpt 变成 meter gel 提示词的生成器。话不多说,直接分享。 相信小伙伴或多或少都知道, mid jury 也是以 major 开头加提示词的工作方式。多数的 mid jury 提示词都会用到 chat gp 来写,所以首先我自己书写和测试出了一个能让 chagbt 稳定产出 mit girly 的提示词。 按照之前我自己的 prom 的写作进行来裁剪。第一部分,设定角色为米的吉利的提示词生成器。第二部分,告知 gpt 要有创意的写题词。第三部分,进行任务描述,讲解和写作的格式元素。第四部分,给到参考视力,再次元素结构, 这个就是我的核心 pro。 然后这次为了更好的演示,我在命令行一个一个输入,我用 plus 做了一个本地轻量化的网页,毕竟我还是一个产品,里面用户体验还是要考虑的。然后我收集了一套比较全面的 mate 九零参数关键词库,这样我可以通过读取词库自由选择参数来填充核心 pro, 然后让 g b t 写作更准确。最后将深层的 prompt 传递至 g b t 模型,通过啷进来控制提示词的产出。整个的实现逻辑实际和问答脚本是一样的,就是多了一个界面而已, 来运行看看效果,执行以下指令就会自动打开产品了,这界面设计简单易用。输入 pia apik, 选择 gpt 模型,然后中描述我的设计需求。比如中国世界杯夺冠设计的参数我们按需选择,毕竟每个图的要求不一样。我这里设置一个梦工厂,异想天开的风格,点击 创作 midi 提示词的按钮,通过囊情的调试星球可以看到设计描述和参数值会填充至核心的 prompt 中,然后再点到 gpt 模型,等几秒以后, gpt 生成的提示词就会在页面底部显示了。 直接粘贴提示词到 mid jelly boot 就可以进行图片设置了。从最后的结果可以看到,和我们的设计要求基本一致, 感觉这一期不小心被我抓到了。回归主题,目标还是验证了在一个 ai 应用产品设计中,核心 prompt 的结构化对于大约模型的任务产出的重要性,可以说是灵魂所在。欢迎小伙伴评论区留言讨论,有用的话记得点赞收藏。