chunkbase生物群系使用教程
粉丝2.4万获赞91.2万
相关视频
01:05
02:35查看AI文稿AI文稿今天呢主要给大家介绍一个网站啊，叫乘客 bass mc， 里面呢他有很多遗迹，比如说茉莉城，赛季奥赛，还有一些稀有的群戏啊，比如蘑菇岛，如果我们在游戏中需要很多的俏士盲目的寻找茉莉城呢，非常浪费咱们的时间，这个时候呢这个网站就可以给我给咱们提供帮助， 我们直接在浏览器中输入唱歌 best， 正经的搜索引擎呢，第一个他就给咱们弹出来唱歌 best 的官方网站进来后我们直接点击应用程序，可以看到下面各种仪器，各种群， 我们都可以在这里查看到，我们选择一个我们自己想要的就茉莉城吧。我们先翻到页面的最下面，最下面有教我们怎么使用这个网站的教程，这边我就不做停留了，有需要的自己去看。我们在上面的种子栏里输入我们地图的种子，下面的版本里面选择 我们就是游戏的版本，这些东西一定要严谨，一定要正确，否则你查出来东西是无效的，哎，我们把地图放大这里，我在下面坐标栏里直接输入零零，这里是代表末地主导的位置啊， 当然我们可以任意输入坐标，比如我现在输入坐标 x 就是一千，这种是两千，这里红点定位的就是我们输入的坐标，我们就可以查看你们刚才输入坐标附近有哪里有物体城，当然我们可以选择右键一个点，然后在左下角看到这个点的坐标， 可以看到这周围的小点有两种颜色，这种深色的呢代表他有茉莉船，也就是可以拿到翘翅，浅色的呢就是普通的茉莉，同事没有茉莉船，没有翘翅的，有的结构呢，他也有这种区别，就比如 他不同的点颜色代表不同群体的村庄。我们着重要讲的就是下面更多应用里面的这个 c 的麦棚种的地图， 还是像之前那样输入我们地图种子，还有那个版，选择正确的版本一定要选择正确。下面可以看到我们想要查看的结果，最右边有个向下的镜头，我们点开它，然后我们可以单击选自己想要看的一些程序 结构，比如这个史莱姆区块，然后我们再点击生物群录，这样呢就可以在群系的基础上看到哪里有史莱姆区块。右下角呢，还可以选择群系的高度，这种东西呢，是在一点一九以后才出现的东西， 这样呢就可以非常方便红石玩家呢去炸史莱姆控制欲，因为地铁这个深暗之域他是不刷怪的啊，我之前也炸过一个深暗之域的控制欲，炸完之后人都傻眼了，说多了都是泪啊。总的来说呢，这个网站呢，是一个非常方便， 非常强大的一个网站，有些人觉得他是作弊，有些人觉得无所谓，这个呢，仁者见仁智者见智啊，但是呢，他对新手的帮助是不容置疑的。好了，这一期就到这里了，拜拜，下期再见。
1359腐竹阿远
02:39查看AI文稿AI文稿上一期我们讲了二 a g 向上数据库按 chunk 切分里边的制度文档切分啊，它是按首先第一步按照标题来切分，第二步按照语义来切分啊，第三步再以固定长度来进行兜底。那这一期我们主要讲 chunk 的 长度和 over 怎么设置， 其实到了这一步的时候，串口的长度其实按照规定的角度来说，应该是在三百到八百 topos 左右。那有的人会说了，那你这个三百到八八百 topos 不 就是以规定那个固定次数来切吗？ 呃，首先，呃，有一个规则，就是你首先你得按照段落结构来切，切完之后再羽翼来切，然后到羽翼缺的时候到第三步，然后才开始按照三百到八百 topos 来进行一个规则的约束。 比如说，嗯，你，你，你虽然说按照语义来识别，结果识别出来的字数还是特特别多，那么你按照那个那个向量解锁的时候，你返回的还是大量的文本，那还是不能达到一个呃答案的这么个要求。所以说你到了第三步的时候，还是要 你那个创可的长度设置三百到八百透视。比如说你，嗯，如果真的是制度类的文档，或者说是一一些呃管理过一张制度啊，或者是你公司的一些呃报销啊等等制度啊，你可以适当的多一点，可以比如说是一一千透视左右。 那么第二个就是讲到 overlap， 那 overlap 是 和 trunk 的 强度，强度是相关联的，正常情况之下是按照 trunk 的 百分之十到百分之二十来进行设定，其实你在整个的设置的情况之下，它并不是固定的，你是在， 嗯，你首先你有一个评测级，评测级完了之后，然后你按照这个字数来切了，切完之后你可以先跑一下看看，按照你的评测级，一个所谓的叫黄金级，黄金级来进行测试，测试完了之后发现有问题，那你要不断的细微的调整，比如说第一次是五百套粉丝， 那这个 over 设置的是五十，那你第二要是发现不太好的时候，你可以把它比如说变成五百五，后面这后面这个 over 变成是五十五，它是一个动态调整的一个过程， 那所以，呃，在后面的里边我会讲到那个评测的那一段，我会重点强调这个里边的那个评测集，在你做 i g 的 时候，这评测集也是非常重要的，这个后面再说。所以这一期呃，再总结一下，就是 chart 的 长度正常是在三百到八百 tokens 左右，然后 overlap 就是 chart 的 百分之十到百分之二十，这是一个通用的约束，也供大家参考。关注我让我们理解 iag 的 运行流程，以及掌握 iag 相关数据库的原理，一起学习，加油！
41飞向蓝天的8鸟
03:18查看AI文稿AI文稿上一期我们主要讲了 ig 向导数据库里边串格切分的，用代码切分，其实咱们做程序员的大概都都能知道，你如果说你的类，你的方法定义和的方法返回值被你切成两个串格里边，那肯定是有问题的，其实阻止就是说不能把它结构给切坏了。那这一期我们主要讲那个复制串格， 其实复制创可贴在自媒体的视频里面都是提到这个点，就感觉好像什么高大上，其实他其实说到底有点像类似于锁影的这么一个概念啊，当然我不知道表达的对不对，其实主要的意思就是说，如果说你呃一个文档， 你比如说一个工厂的 s o p， 然后一个 s o p 里面的某一个章节里边的内容非常的多，它的工序非常的复杂，那么出现这种情况之下，我如果是按照我们常规的，无论是通过那个呃识别结构语音识别，然后按照固定次数来切，那肯定还是会把 就是那个你在解锁的时候返回 topk， 那 topk 你， 你比如说 topk 是 你自己设置的，那可能还是会把相关的一些东西给遗漏掉，不会排在最前面，哪怕就是配排在最前面呢？就是你这个 呃和你这个问题是非常匹配的，但是可能 topk 之后的数据也是有用的，那么出现这种情况就是出现了一个概念叫复制窗口。那复制窗口我简单介绍一下它的概念，那小窗口是用来 作为剪缩的这么一个呃影子，然后大串格其实在实际的那个内容，那实际在这个做的时候是怎么做的呢？比如说还是一个正常的一个文档，那识别到一个段落的时候， 那么我们先识别一下这个段落里边的这个文本到底有多大，对吧？如果说他啊一下子说出来就贼大，那么我就开始呃进入这个复制串格的这么一个设计，那小串格那可能就是我可可能直接把这个 呃段落的章节，或者是他的标题，或者是他的每一个章节里面的一个定义，然后把它创成一个小创可啊，副创可 其实就是你整个这个这这这个这个小章节的这这么一段，直接就是变成副创可了，那副创可是不参与第一步的向他搜索的，就是什么意思呢？就是用户在搜索的时候，他其实是 第一命中，是命中的小创客，那小创客呃命中了小创客之后，然后经过 topk， 然后甚至是经过人员课，然后弄完之后，然后再把这个小创客呃来反向来找这个副创客，然后把副创客的内容 呃扔到这个 lm 里边，大伯星里边，然后大伯星来进行语言的组织，然后用自然语言来进行回复，这就是复制创客的这么一个概念。其实在做的时候，其实我还是啊说到这个我再多提一句啊，就是咱们现在有了 ar 之后， 最最重要的是知识面的宽，就哪怕就是当前啊当前环境之下，你一定要打破知识 面的宽，而且知识度的知识面的那个筋就是你做的这里边的某一个层级里面做了多筋，我觉得现在不是最先最优， 最优优先级，你先把这个知识面给打宽了，就每一个步骤或者每一个概念到底是怎么做？你知道怎么做了，其实你通过 ai 就 可以做了。好了， 呃，这就是我今天的这个整个视频。呃，关注我，让我们一起继续吃透阿吉香的数据库，然后无论是对于你，呃，你的工作，还是你接下来要找工作还是怎么的，我相信还是对你有所帮助的。关注我，一起加油。
54飞向蓝天的8鸟
02:15查看AI文稿AI文稿上一期我们主要讲了 i g 相当数据库里面的按表格切分，那也介绍了表格切分的相关的步骤，那这一期主要我们讲那个按代码切分，其实我说到底就是说不同的文件类型或者是文件的 业务属性，它决定了它不同的切分，这里面还是比较麻烦的。好，今天我们快速来说一下这个代码切分到底是怎么切分的。首先还是说识别结构一次 你始终要保持一个最重要的点，就是你切分，切分你不能把一个文本或者任何一个类型或者任何一个业务属性的那个结构给切坏了。那么我们还继续说到那个代码切分， 那代码切分其实第一步还是要进行它的那个语法数 a s t 的 语法数分析啊，比如分析它它是一个方格线还是一个 class， 还是一个呃，一个一个方法。然后第二步才是说对把这个代码进行一个语义识别， 那具体怎么切呢？主要有三个方法，比如说很简单的方法，就是你如果说一个方法对吧？一个方格写，那就是一个一个 chunk 啊。第二个就是说你是一个类，对吧？你是一个类，然后也就可以直接给他切成一个 chunk。 第三个就是说如果说他这个类的调用关系比较复杂，那你可能以整个吊用电的维度来切，那你比如说他是一个焊的了处理流程，然后比如说他的一个吊用电的整个关系，然后以这样的维度来进行切啊。总结一句话就是说文本切，那他可能是以按照呃断他的断路结构，他的那个 呃语义识别，然后按照固定制度来切，然后表格切，那其实是根据不能把表格的那个结构给破坏了，那么就是可能先呃看看他那是呃小表中表还是大表，那根据不同的表格的类型进行进行不同的切割方式 啊。如果说按照代码来切的话，那代码其实大家都是做程序员的，但可能就是不能把，比如说简单的你不能把一个方法给切切切碎了，把它返回值和它的那个内定义给切切切在另外两不同的窗口里边。其实抓住最关键的一点就是说要保证他的那个 呃代码的业务逻辑性，包括他的一个整个的代码的方法和方型的这么一个完整性，以这个维度来切，关注我，让我把 r g 像素里边不同类型、不同业务属性的文档的切分方式都给他吃透，然后起码自己要有个概念，关注我，加油。
55飞向蓝天的8鸟
02:16查看AI文稿AI文稿面试常问， r a g 里 chang 大 小怎么定？这一问看你懂不懂。为什么文档要切？怎么切？记住一句话，别把整本书塞给他查，把书拆成一张张卡片，要查就抽相关那几张 做 r a g。 很多人直接把整篇文档 embed 成一个项链丢进库，以为这样就能解锁了，可一篇里啥都有，项链是所有意思的，平均谁都不像，解锁不准，真命中了整篇，塞进上下文，又长又贵还超窗。你要的那一句淹没在整篇里。 洞察来了，把文档切成大小适中的片段，每片单独 embed， 剪辑时只取相关的那几张卡片，对比一下整篇一个向量，意思糊成一团，命中就塞爆，细节找不到切成卡片。每片一个小主题，只抽相关那几张，精准又省。上下文。 chunking 全流程，把文档切成 chunk， 相邻片留一点重叠 overlap， 防止一句话被切两半。每个 chunk 单独 in bed 进库，剪辑时按问题取最相关的几片拼进上下文。 chunk 大 小怎么定？太大意思符还塞爆，上下文太小，羽翼碎丢，上下文刚好是一个完整羽翼单元，长两三百到五百， token 再留一到两层重叠防切断，没有万能值。按文档类型和剪辑效果调。 记住一句， chunking 直接决定剪缩的上限，卡片切得好才抽得准。记住边界 chunk 大 小没有万能值，得按文档标 切割点会切断羽翼。一句话，一张表被腰斩要靠 overlap 或按结构切，答案横跨两片时，单片召回不全。 chunk 越多，库越大，剪缩越慢。想自己试写个切分函数，按固定长度切，相邻留重叠，再看不同 chunk 大 小下同一个问题召回的片段准不准？ 快速回顾为整片一个向量糊成一团，剪索不准，还塞爆而生。从整片塞进化到切成易剪索的卡片，靠按羽翼单元切 chunk 加 overlap 各自 embed， 但大小没万能值，会切断羽翼，跨片上下纹会丢。 记住三个词，拆成卡片大小刚好留重叠。觉得有用点赞收藏关注我下一讲。切好 embed 好 了，怎么把最相关的挑出来？先粗照回，再精排剪辑与重排。
16AI小乌龟
01:31
01:41查看AI文稿AI文稿这篇二六年五月八日发表在 nc 上的数据库，作者搭建了一个 micro rna 靶标互做的整合数据库与在线分析平台 clash up。 这又是一个可以找 micro rna 与 m rna 关联的数据库。传统数据库比如 target scan mere ter base， 靠的是计算、预测或者间接证据，告诉你 micro rna x 可能调控基因 y， 但他没法告诉你这个互作到底发生在哪个细胞里，结合得多强，是不是真结合了。而 clashup 一 托的是 clash 实验技术，简单来说就是把 micro rna 和它真正结合的靶标 rna 在 ago 蛋白里直接缝在一起，然后一起测序， 拿到的是单拣机精度的直接互作证据，不是猜的。我们可以直接在 clashup 数据库官网中搜索 clash 数据，输入 micro rna 或机名，就可以获取 micro rna 和 m rna 的 关联表格。 这个数据库还有一个独特之处，就是有独特的 z s w i n 八消除数据，可以专门研究 r n a 降解机制。我们可以选择搜索基因和 m i n a， 就 可以看到 z s w i n 八消除前后把基因或 micro r n a 的 表达差异，从而判断 micro r n a 是 否受到 t d m d trigger 影响。 clashup 不 仅是数据库，更是一个完整的分析平台，提供四大分析功能模块，一、 clash 分 析，输入原始 fastic 或 fasta 文件，输出 micro rna 靶标杂交体表，从而发现新的 micro rna 靶点。二、 micro rna 四分析， 输入 fastic 或 fasta 文件，输出 micro rna 定量加易购体表，评估 micro rna 表达变化。三、 rna 四分析， 输入双端 f s t q 原始测序文件，输出基因表达加差异表达，从而验证把基因调控。四、累计分数曲线输入差异表达 c、 s、 v 输出，把基因 vs 非把基因分布全区评估 micro r、 n、 a 调控效应。但如果在这方面还有疑问，也可以给果果老师私信。
309生信果果
01:21查看AI文稿AI文稿如果面试官问你，你同样使用了 open a r 的 引标点，或者是千万的引标点，都是一零二四维度了，那么他们之间可以相互转换嘛？ 呃，从某种程度上来说，如果说他维度一样的话，你一开始用的是 open a r 的 引标点，然后去用千万的引标点，是可以把那个文本同样也加到那个相关数据库里面，那么但是因为他们的语义是有区别的，所以 显示出来的串口是有问题。如果说你换了那个引标点模型，那么需要重新建立锁眼，重新进行向量化，那么上面两个阶段我们主要讲了文件清洗和串口切分，那么这个阶段我们主要讲文本的向量化与缩影系列，那这一期主要讲的就是文本的向量化。 当呃，当我们把那个文本切换之后，就要把一块一块的文本进行向量化入库，那进入到向量入库完了之后，然后用户 啊提问，然后然后把问用户的问题进行向量化，然后到向量数据库里面进行匹配，然后召回出相应的那个片段啊，经过与意的组合来返回给最终的用户，这是整个流程。 那么再把相关的那个窗口进行编辑之后，我们不仅是把这个向量直接存到向量数据库，同时也会把 它的来源信息，它的 meta data， 包括它的创可文本自身都会同时转一起，都会存到这个向量数据库里边，实现那个呃文本的向量化。加油，让我们一起学习。
170飞向蓝天的8鸟
04:21查看AI文稿AI文稿很多企业做 rack， 第一步就走错了，先把文档切碎，再问为什么答不准。最近一个超过三点三万 githubstars 的 项目 page index， 偏偏不用向量数据库，也不做传统 chunking。 他 真正挑战的不是工具，而是一个更底层的假设。 常文档问答最重要的也许不是像不像，而是该不该看。我是北山，关注 ai 大 模型、智能体和企业落地 这个频道，用真实案例聊清 ai 怎么变成可执行方案。传统 r a g 的 流程很成熟，切 chunk 做 embedding， 放进下量库，再召回最相似的 topk。 它好用，但也像，先把一本书撕成纸条，章节、关系表格图。注，引用来源和跨章节证据很容易在切分时变弱。剪辑命中了片段，却不代表模型拿到了完整语境。专业文档里最麻烦的是两类问题，第一，相关但不相似。 问现金流压力，证据可能分散在债务到期、资本开支和风险因素。第二，相似但不相关。合同里很多段落都有终止和续费，但真正答案可能依赖定义条款、违约条款与自动续期条款的组合。向量解锁擅长找向的企业，问答还必须解释为什么该看 page index。 换了一个入口，它先把 pdf 或 markdown 组织成类似目录树的结构，为每个节点保留标题、页码、范围、摘药和父子关系。剪索时，模型不是在碎片堆里拆，而是先判断该看哪个大章节，再继续下钻到小节和具体页码。它保留的是一张文档地图， 这个过程更向专家读报告，先理解问题和上下文，再判断应该进入哪个大章节。如果证据不够，就继续下钻，或者组合多个相关节点，最后把章节、页码和依据一起返回。他把 topk 召回，变成了带理由的树搜索。 可解释性不是回答后的补丁，而是检测过程本身。 page index 最适合长结构、强、需要追溯的专业文档，比如财报、合同、监管文件、技术手册和医疗文献。它不一定适合海量段 faq、 零散客服话术， 或者强调毫秒级高递发召回的场景。先判断你的知识是长文档还是碎片，这比先选数据库更重要。 他也不是项链库终结者，键数质量依赖模型，推理式搜索通常更慢更贵。扫描件、复杂表格和混乱， ocr 仍然是硬仗。 大规模、多文档和频繁更新还要验证锁影维护与病发成本。真正专业的判断，不是看到新路线就全部迁移，而是知道他在哪些问题上更值得。 我更看好混合路线。先用原数据关键词或向量从大量文档里做粗招回，再用 page index 在 少量长文档里做结构伸缩， 最后让模型合成答案并返回章节和页码。简单说，向量负责找文档，结构推理负责读文档，两者不是非此即彼，而是分工企业做 rag， 不要一上来就问选 milos qd 还是 pg vector。 先问四个问题，文档有没有天然结构？答案是否必须引用来源是否经常需要跨章节判断？用户是否要求可追溯、可复合？这四个答案越偏向是越值得评估。 page index 这类结构化解锁， 中小企业不需要立刻改造整套知识库，先选十份最复杂、最长、最常被问到的文档，再准备五十个真实业务问题验收，只看四件事，答案是否正确，引用是否可追溯，有没有漏掉关键章节、成本和速度能不能接受？ 别被流畅的 demo 迷惑，能复合才算能落地。所以配置 index 真正值得看的不是不用限量库这个噱头， 而是 reik 正在从相似度召回走向结构化理解和推理式解锁。相似度只是入口结构、证据链和可追溯才决定企业问答能不能被信任。最后留一个问题，如果人类专家不会按 chang 读，为什么一定要让 ai 按 chang 找？ 如果这期帮你重新理解了 r a g， 记得点赞收藏，也欢迎关注北山 ai 说评论区，告诉我，你做知识库最头疼的是切片、剪辑还是可追溯？我会按大家最关心的问题继续拆。
105北山AI说
