dify ai怎么用

嗨，大家好，可能 ai 智能客服是每个业务网站的标配，在目前 ai 能力广泛被应用后，智能客服的实现变得更加容易，可定制化的程度也更高。那么今天就推荐一个工具，让你在几分钟时间内创建你网站的 ai 智能客服， 你只需要花费几分钟就可以将对话型应用迁入到你的官网上，定制你的 ai 智能客服，并且免费。这个工具叫 difi。 接下来我们看看如何操作。首先，我们先进入到产品页面，按步骤完成注册看登录。 进入后，我们在构建应用的菜单下创建一个应用，给应用起一个名字，并且选择对话型应用， 进入到提示词编排的菜单。然后我们开始设置 ai 指令，和他在前端和用户交互的体验。第一，我们先编辑 prompt， 让他扮演客服的角色与用户交流，你 可以指定他和用户交流的语气风格等。比如我的网站是一个流程管理知识类网站，我想让他扮演流程专家角色，那我就给他相关指令，并且给他提出相关要求。第二，我们要让 ai 拥有你的业务知识，在上下文中上传我们的目标数据集，比如我把流程管理类的知识文档上传上去。 第三，我们设置一个对话开场白，点击添加功能，打开功能开关，这个目的是 vi 应用添加一个开场白，在用户打开客服窗口时，他会先和用户打招呼， 开关打开后，我们在文本框中录入开场白即可。第四，我们可以设置下一步问题，建议同样在添加功能，开启此功能目的是为了让用户在提完一个问题后给用户进行下一步提问的方向提示，最后我们可以选择一个合适的模型并调整参数。在页面右上角可以选择不 不同的模型，不同模型的表现和人消耗的 toon 价格都不一样。可以看到他已经支持了个系列 cloud 系列模型，我们使用默认的个三点五模型。以上就是基本的配置，完成后我们可以在当前的页面右侧给他发送信息，调试他的表现是否符合预期，然后点击发布， 这时候你就已经拥有了一个 ai 智能客服。接下来就是如何将配置好的 ai 客服应用嵌入到我们的前端页面了。在刚才配置好的应用框中点击嵌入。这里有两种方式，我们可以选择 iphone 或者是 grape 标签的方式，只需要将代码复制到你网站的代码对应位置中即可。 比如用 iphone 嵌入复制代码到对应网站发布，就可以看到页面已经嵌入了对应的页面，你可以点击开始对话和客服进行交流了。再比如用 scrap 的标签的方式 同样的操作，然后会看到页面右下角会有对应的图标了。这种方式可能在网页中会比较常见。更新一下你的网站，这样你就可以得到一个拥有你业务数据的官网 ai 智能客服了。以上通过 defi 演示如何将 ai 应用嵌入到官网的具体操作步骤。 当然你还可以通过 w 提供了更多特性来增加 i 客服的表现，例如增加一些变量设置，让用户在互动前填入必要的判断信息，如名字、使用的具体产品等等，非常的方便。 daffy 目前对接了 cloud 系列模型，如上述都可以在设置中切换使用。在创建调试应用时，可以对比不同模型的效果，以确定使用最适合你的模型。基于 daffy 不仅可以配置一个 ai 智能客服，还可以创造各种例如协助助手、虚拟招聘、 hr 专家会议总结助手、 交易助手等文本生成型应用，给工作提高效率。最后还有一点要注意，无形的消息调用需要消耗 token。 dafi 提供了免费调用使用额度，如果用完了需要去官方渠道申请自己的 p i t， 那么今天的分享就到这里，有需要的朋友可以试试。如果您对我们的视频感兴趣，请记得点赞分享并订阅我们的频道，我们会定期为您带来更多好玩实用的工具介绍，谢谢！

今天向大家介绍一下 divide， 那什么是 divide 呢？首先我们可以通过这个下面的一个 ai chat one， 我们来看一下这个 divide 到底是什么。那其实 divide 呢，它就是一个简单易用的 l a ops 平台， 他可以帮我们制定一些非常好用的应用来帮我们生成这个，比如 ai 客户机器人。 现在我们来介绍一下提示词编排，那么在这种 ai 生成的应用中，提示词编排都是非常重要的一个步骤。你提示词编写的好坏直接会影响到 这个查询内容推出的结果是否符合你的要求，以及他的创作是否是一个 有效的，是根据你的上下文以及你的这个提示词来进行控制。那么这边我们看到这边提示词中会有一个变量，那就是风格，我在这边预先设置的三种风格， 那么在我们可以分享出来的这个地方呢，我们就可以使用这个内容去进行一个创作，那比如说我这边可以选择活泼可爱的风格，那么如果按照我这种风格，那 ai 书写出来的东西，那又是不一样的效果。 呃，其实活泼可爱就意味着这些 emoji 的表情会变得更加鲜艳。 这个 ai 的机器人呢，它同时会生成一个 instagram 的风格，其实它是一个中英文两种语言的东西，否则最后还会给你一些视频的大纲，包括教授，教授你如何拍摄这个 vlog 的技巧。 如果你对这个结果满意或者不满意，那你可以点点赞，或者你可以点不赞。 这个结果呢是可以保存下来的，你可以在这边已保存的结果当中去看，嗯，方便你下次再去复制一下来。

df 是一套融合了多种大模型的一个模板框架。基于它，我们可以快速地构建 ai 应用。它里面融合了像 open ai， tele g l m 那么二讯飞行动文信线通信千万等常用的一些大模型。 然后呃记忆它，我们可以构建一些像 ai 助手，智能客服提示词机器人等。它可以通过 doctor 云部署和本地部署等。我们还可以利用它做一些运营工具，然后可以训练自己的一些模型等。

嘿，你好，欢迎回到 axt， 上期视频我们讲到啊，今呢推出了一款非常简单好用的获取网页内容的工具， read api， 你只要把网址给他，他就能把网页的内容呢整理成很适合大圆模型使用的格式，是我们在 ai 时代啊构建知识库的利器。 我们除了可以使用 mac， zipi 这样的自动化的工具呢来使用 redapi 呢，还可以用更简单的方式直接使用 redapi 创建 ai 智能体。 今天啊，我们就来演示如何在创建 gpt 以及 defi ai 智能体当中来使用 read api。 如果你对这类话题感兴趣呢，请帮我点个赞，把视频收藏起来，也方便你今后回看咱们开始。 好，那既然 reader 是一个 a p i 呢，那么所有能够利用 a p i 来帮助我们提高效率的地方呢，就都可以 用到了，比如 gpts 的 action 就可以用 api。 所以呢，首先我们就来看一下我们怎么样在恰 gpt 当中呢，创建一个具有 reader 能力的 gpt。 那关于创建 gpts 的一些基本知识，基本的技能，如果你还不了解呢，可以回看一下我的这期视频。创建 gpt x 呢，我们首先是需要的一个 open api 格式的 scheme， 注意是 open a p i 格式，不是 open a i 格式的 schema。 那你看到这个复杂的 schemer 之后呢，不要被吓到了，你不会写也没有关系，因为呢，我已经为你准备好了一个专门用来写 schema 的 gpt 了。 链接呢，就在描述栏当中，我分享的所有的 gpt 的链接里面，感兴趣大家可以去描述栏里面去找好帮助你生成 open api 格式的 schema 的 gpt 呢，就叫做 gpt 制作助手 openapi 生成器。如果我们需要用某个 api 来制作它的 action， 那么我们只需要把这个 api 的说明或者他的视力代码呢丢给这个 gpt， 那我的这个 gpt 呢，就会帮助你来生成 schema 的描述了。 我们来看一下，我们直接就把挤奶 api 的说明丢给他，好，我们直接来到挤奶 redapi 的开源网站给踏步了网站，然后呢把他的说明拷贝 好，只要把说明丢给他，他就可以帮你生成一个 schema， 我们就可以把他交给刚才我们的 gpt。 那这边呢，我们就可以把刚才生成的那个 schema 直接给他拷贝粘贴到这，那 gpt 呢，就可以自动的解析出当中的这些工具，这些可用的工具了。那这时候呢，我们可以点击 test 测试，看看是不是正常，我们可以点一下测试好，测试需要提供一个 url， 我们就还是给他我这个博客的 url 好，现在返回的正常标题 url 发布时间，然后还有 markdown 格式的具体的内容。那当测试通过没有问题之后呢，我们就可以继续回到我们创建 gpt 的这个配置过程， 然后呢开始写 prompt， 那这个 prompt 我已经写好了， schema 和 prompt 呢，我都会放到我的免费的福利分享里面，如果你懒得折腾呢，就可以直接拿去用，后面呢我会告诉你如何去获得免费分享的内容。 好，我们就回到这个 gp 的对话界面，然后丢给他一个 url 来看看他工作正常不正常。那这次 url 呢，我们就用着 word 的一篇新闻拷贝 url， 然后直接丢给他。好，同样按照要求返回了标题， ul 发布时间以及 markdown 格式的内容，说明这个 gp 的整个工作过程是没有问题的。那既然叉 t p 的 g p t 可以调用 red a p i 来获取网页的内容，其他的智能题能不能做到呢？ 其实也是一样，完全没有问题。比如我们来看一下低反，低反是一个开源的 ai 应用开发平台啊，跟之前我们讲过的扣子称得上是同一类的产品， 它可以让你快速的去创建 ai 机器人以及工作流的应用。那第一次使用它呢，我只用了不到三十分钟就可以创建出一个类似于这个 gpt 的一样的 agent 了，在 d 法里面呢，就叫做智能体，因为它的逻辑呢，跟 chat gpt 是很相似的。我们来快速看一下。 首先我们创建一个工具，点击工具，创建自定义工具，然后这边输入工具的名称，测试 red。 好，那接下来我们就可以看到熟悉的 skimma， 这边呢，它是同样需要 open api 规范的 skimma， 我们只需要把前面这个 gpt 的 skimma 呢拷贝粘接给它就可以了。好，拷贝，因为两个都是一样 open api 的规范嘛。 好，这边很快就解析出了可用的工具了，那也可以测试。那为了省时间呢，我们就不进行测试了，我们直接把它创建到 ai 的智能体力棉去，然后再最终测试一下就 ok。 好，窗口缩小一点，把这个保存按钮留出来 保存。那接下来我们要用我们刚才自己创建的这个工具呢，我们只需要进入工作室， 然后创建空白应用，选择 ai 智能体，因为 ai 智能体它就是用来自主选择工具来完成任务的，不要去选聊天助手。好，智能体起个名字给我网页内容。那接下来首先我们还是给他一个 prompt， 这个 prompt 我们也可以用， 刚才 gpt 的这个 prompt。 好， prompt 给它。那接下来就是添加工具，添加我们刚才新创建的这个工具，自定义测试 red 添加进来。好，那这样就大功告成了。 我们这边发布更新一下，然后我们就可以在这个对话框里面丢给他一个网址，看看结果是不是正确了。这次我们给他这个我的微信公众号的文章。好，这边已经正常的 返回的结果，标题， url， 发布时间以及 mark down 格式的内容。 ok， 返回结果没有问题，是不是非常简单呢？虽然我是刚刚上手的迪拜啊，但是创建工具，创建 aibot， ai 智能体呢，并没有什么障碍，十多分钟就能搞定。 因为类似平台，包括扣子，他们的操作逻辑呢，都是具有相似性的，甚至包括自动化平台。虽然有 mac， zip n 这样的自动化平台，但是他们之间的操作逻辑本质上是没有太大区别。 由此可见呢，当你掌握了一个领域的基础原理，基本技能之后呢，你再去接触新的东西，就可以很容易上手。这就是我的课程重视 ai 的两项基本核心技能的原因。我们首先来说一下如何获得免费分享的 prompt 和 schema， 那感兴趣的朋友呢，可以输入网址 x 留点 ai 到我的精英学院里边，在这里免费福利到这里去下载。如果想了解更多 ai 与自动化的内容呢？也可以看一看我这两门关于 ai 的核心能力的课程。 ai 实战派呢，它是以 prompt engineering 提示工程为主线的课程，他带你学习从 gpt 和 prompt engineering 的基础知识以及高级应用，为你的 ai 之旅呢打下一个坚实的基础。 二、 ai 自动化课程呢，它是聚焦于 ai 跟无代码自动化技术的配合，它用来打造一个高效的自动化工作流，并且呢应用于实践，让 ai 啊能够真正的提升你的效率和竞争力，成为你手中一个真实的力量。好，我是 x。 今天的分享就到这里，咱们下期再见。

大家好，我们又见面了，上一次我们已经把 defi 部署运行起来了，这次我们演示下怎么构建一个简单的流程，并通过 api 接口调用 defi， 可以很方便的通过可视化的方式编排流程。 首先定义输入的变量， 添加一个知识库的节点问题，先去知识库做向量搜索 知识库的输入，选择我们的问题，再添加一个 l l m 结 点，将知识库与问题一起传给大模型做回复。上下文这边选择知识库，输入大模型的提示语， 如果效果不好，可以通过调整提示语来优化。 接下来很重要的一步，需要将你的知识库的结果也嵌入到提示语这边， 这里做一些优化提示，你也可以根据实际情况看着调整 输入斜杠， 选择上下文， 新增一个 user 类型的消息，选择我们输入的问题内容， 再新增一个结束节点，结束流程并输出内容输出，选择 l l m 的输出 text， 点击运行测试我们的流程这边输入一个问题， 开始运行之后等待流程执行，流程执行结束也正常返回了结果了。 在测试下跟知识库有关的问题 流程正常引用了我们的知识库，并准 准确给出了预期的结果。测试完毕，点击发布，我们看下如何访问 a p i。 点击进来之后，这边有 a p i 的调用文档 api 密要这边可以创建我们的调用密，要 打开 cool 的官网， cool 是一个全站的开发框架， 我们来看一下通过酷怎么快速调用 diy 进入酷的插件市场，可以看到这个 diy 插件， 打开这个插件有一些插件介绍和使用方法， 我们把这个插件下载下来， 我已经事先把 cool admin 运行起来了。打开后端插件，选择安装 defi 插件， 接着配置这个插件，这是需要配置的一些内容。 打开插件右上角的设置按钮，在这边配置回到 diy 的 a p i 文档， 复制下这边的 bathro。 需要注意的是，我们的端口已经改成八十一了， 所以这边也要改成八十一端口。 再把 a p i me 要复制过来，我们需要复制到工作流这边，点击保存，接下来就可以在我们的代码里调用了， 这边我已经写好了调用的势力，不需要写几行代码， 运行之后可以在控制台看到结果，还可以结合 cool 的其他插件做，如微信、智能客服等。

上次我们介绍了 defi， 现在我们来看一下怎么运行部署 defi。 首先进入到 defi 的 github 页面，它已经有二十二 k 的 start 了，可见其火热程度。这边是 defi 的一些介绍， 我们直接打开他的文档查看，可以切换为中文，方便阅读。 di fi 有云服务版本和社区版，云服务是 sales 服务，我们使用的是它的社区版本，可以通过 doctor 快速部署，只需要通过几行命令即可快速部署 di fi。 仙客龙下来代码仓库的源码进入到我们的服务器， 我们用的是宝塔，可以很方便的安装 docker。 找一个目录位置来存放带 fi 的源码， 输入复制的命令，克隆源码到服务器，等待克隆完成， 可以看到代码已经克隆下来了。返回到文档，查看接下来要执行的命令。 执行之前有一个地方需要稍作修改，进入原码的 docker 文件夹，打开 docker compose ymo 这个文件拉到最底下，我不想占用我的 八十端口，改为八十一，保存回到原来的目录，继续执行接下来的命令。 由于我之前已经拉取过一遍了，所以这边会很快 打开 docker 的容器，可以看到我们已经成功运行起来了。所有的服务 访问之前要记得开放我们的八幺端口， 尝试访问我们的服 who， 如果出现这样的页面，那就代表成功了。第一次进入我们需要设置管理员账户和密码， 设置完了之后登录成功，进入工作台页面， 检查下功能一切正常。 点击创建应用， 进入到流程编排页面，这边可以编排我们的应用。 回到文档也有介绍如何升级，下一节我们 演示下 cool admin 如何通过 a p i 调用 defi， 敬请期待。

各位小伙伴们好，欢迎来到 ii， 超有料！今天是本系列的最后一讲如何来配置 d i f i。 进入主页面，我们可以看到探索构建应用插件与数据机。实际上官网上已经内置了许多的应用， 方便大家在不同的场景下配置不同的应用。在使用这些应用之前，我们需要做一下基本的账号配置。点击设置，进入设置页面，点击模型提供商。在这里我们可以看到系统已经集成了多个语言模型 api 接口。 如果你用叉 g p t 的话，需要维护下 bob 本 ai 上的 a p i k 这些 a p i 主要为你提供分析与解读你自有的上传文档资料。 基本上每个 a p i 都提供一定的免费额度。我们也发现以及集成了文新一言的接口，有兴趣的小伙伴可以自己做下测试。返回到构建应用界面，我们来尝试配置一个应， 点击新增输入应用的名称，选择对话型或者文本型，点击创建应用就创建好了，我们可以通过预览功能查看效果。当然你也可以在起微等办公软件内嵌入应用， 点击开始对话，就可以做一些基本的功能测试。你也可以配置一些内置的前置条件，让 ii 忘记自己的身份。这些内置条件可以应用在比如克服专家等场景。 最后我们来看下数据局，这也是私有花 i 的关键，你可以导入企业内部的文件进行生成私有库，我随便导入一个资料做下演示，选择好文件，点击下一步进行分析。在这里需要注意下，选择高质量功能是消耗 api 的 token 的 生成的任务列表进度完成后就自动进入到私有 ai 资料库了，数据来源也有内室以及未来开放出未站点读取网站相关资料。那么我们这一个系列就讲到这里了，如果你有兴趣的话，欢迎您关注我，我是 ai 超有料王蔡，我们下个系列再见！

哈喽，大家好，我是老陈。那很多小伙伴在问老昌有没有什么事可以在本地部署，然后呢可以快速的进行 ai 应用的开发，而且不需要编写任何的代码， 而且的话它也是非常完善的一个产品的话，那么今天话就给大家推荐我们的地方，然后呢也跟大家分享如何在 windows 上啊快速的进行一个本地的部署。首先的话我们先来看一下他都有多少强大的功能。 首先我们直接来看啊，这边的话，我们可以直接从这边去创建这种应用啊，然后创建应用的话，它里面是还有各种 可以灵活的去设置，比如说他是什么样的一个助手，然后做什么样的事情，又或者是说他还可以去做各种文本的生成啊，文章生成，比如各种论文啊，而且它里面的话可以去设置各种的 的流程，还可以去做各种各样的智能体，然后去完成各种任务，还能去搭建工作流啊，以通过这种图形化可视化的一个拖拉的拖拉节点的方式啊，进行这个搭建我们的工作流啊。 好，那等会的话我们可以直接来看一下，对吧？比如说啊，我要有做一个邮件助手工作流，对吧？那我点进去啊，我去创建出来，好，那我们可以看到，对吧？可视化的去应付各种各样的场景，来去解决我们邮件相关的这个自动回复的一个操作。 当然的话，除此之外呢，还有非常非常多啊，我们都可以在这里进行详细的探索啊，非常多的这些功能，而且这些功能的话我们也可以就是添加到工作区，作为我们的一个参考，我们可以按照 重啊这一类的这个风格，然后呢进行修改，首先的话我们先来看一下他都有多少强大的功能。 首先我们直接来看啊，这边的话，我们可以直接从这边去创建这种应用啊，然后创建应用的话，它里面是还有各种 可以灵活的去设置，比如说他是什么样的一个助手，然后做什么样的事情，又或者是说他还可以去做各种文本的生成啊，文章生成，比如各种论文啊，而且它里面的话可以去设置各种的流程， 还可以去做各种各样的智能体，然后去完成各种任务，还能去搭建工作流啊，以通过这种弧形化可视化的一个拖拉的拖拉节点的方式啊，进行这个搭建我们的工作流啊。好，那等会的话，我们 我们可以直接来看一下，对吧？比如说啊，我要有做一个邮件助手工作流，对吧？啊？那我点进去啊，我去创建出来，好，那我们可以看到，对吧？可视化的去啊，应付各种各样的场景，来去解决我们邮件相关的这个自动回复的一个操作。 当然话除此之外呢，还有非常非常多啊，我们都可以在这里进行详细的探索啊，非常多的这些功能，而且这些功能的话，我们也可以就是添加到工作区，作为我们的一个参考，我们可以按照这种啊这一类的这个风格，然后呢进行修改， 对他是非常灵活而且强大的。好，那我们话不多说，我们就来看一下我们如何在本地上进行部署啊，那首先的话大家也可以不用本地部署，对吧？啊？直接用他的这个开放的这个云端的一个部署好的这个应用啊， 就可以直接访问这个域名啊，访问这个域名，然后注册账号就可以去使用了，当然的话很多小伙伴，哎 哎啊，我就想要部署，对吧？因为我想要把数据牢牢的抓在自己手里。那好，那没问题，他也提供了开源的这个社区版的 这一个项目啊，那所以的话我们可以直接在 give up 把这个项目给他克隆下来，然后呢进行一个部署和使用，而且我们可以随时的对他进行修改代码啊，然后呢？ 对吧？啊？部署到自己的这个项目里面，好，那 ok， 那我们现在的话来看一下。呃，这个怎么去部署？好吧，首先的话就是从这里啊，我们进行一个克隆，好吧，好，那这边的话我们可以复制一下，对吧？啊？复制这个地址，然后在我们的这个项目里面 啊，那么 ok 呢？在咱们这边的话我们就可以，哎，比如说啊，随便选中一个目录，然后呢在这边打开我们的这个终端，然后去 it 啊，你首先的话，你可以就是说，呃，把这个 git， 对吧？你要安装一下啊，就是你要运行这个命令，对吧？然后你就要安装一下这个这个 git 啊，当然一般，对吧？这个 一般，对吧？能部署的同学啊，一般都是会安装好这个好，当然如果你没有安装 get 的话也没有关系啊，就是你可以做什么事情呢？你可以直接在这里我们选择下载压缩包啊，下载压缩包，然后下载好下之后呢解压就可以了。好，那 下来好之后呢，我们就会在当前的文件夹里面啊，就会有多了一个地方目录，对吧？就这样子的一个目录啊，然后这个目录呢里面呢，我们现在的话就进入到这个 dock， 我们用这个 dock 这个容器来进行启动我们的项目。 好，然后呢在这里的话，我们可以看到这里的话是有一个 doc 相关配置的，一个配置啊，你可以在这里面进行修改，当然的话你也可以不用对他进行修改啊，你也可以不用对他进行修改， 然后呢就直接进行启动就行了啊，那我们在启动这个 dock 的时候，大家要安装一个软件啊，就是这个 dock desktop， doc desktop， 那这里的话，呃，大家可以去这个 doc 的官网去下载，好吧？嗯，当然大家也可以直接哎，我给大家下载分享到网盘里啊，大家也可以直接去下载， 好吧，我把它分享到。呃呃，下载好的话就其实就是这样子的一个文件啊， dock desktop 的这个文件，然后呢我们双击对它进行一个安装就可以了，好吧。啊， 好，那安装好了之后呢，我们就可以对它进行启动啊，就是把这个 dock desktop 启动一下，对吧？就是 dock 动啊，双击，对吧？启动好，启动好了之后呢，我们就会呃出现这样子的一个界面软件。好，然后呢我们就可以呃在这里面输入这个命令，这条命令 doctor from post 杠 d， 然后我们就耐心等一下，当他出现呃，所有都 star 的时候啊，那么就说明我们已经安装好了，那这个时间的话稍微会久一点，所以的话大家耐心等候一下，安装好了之后呢，呃， 这边的话显示正在运行当中，那我们就可以直接呃输入这个地址，就是 h t b logo host instead 啊，就这个地址。好，那输入进去之后呢？呃，就是在浏览器啊，就浏览器这里输入这个地址，那输入进去之后呢，他就会 告诉你这个需要设置一下我们的这个账号和密码啊，那这些的话我们就稍微设置一下我们的这个 超级用户啊，管理员的这个账号密码，我们把它设置好并且记好就可以了，那下次的话我们就可以直接用这个账号密码啊，后台。好，那登录进去之后呢，那么我们就可以看到，呃，就是我们，哎， 通过这个 local host， 对吧？就可以进入到后端，我们就登录进去啊，登录进去之后就这个样子的啊，不过 呢，呃登录进去之后，对吧？就是他这里面所提供的这些推荐啊，这些案例啊，都是英文的，都是英文的啊，所以的话大家可以就是 找到他的这个云端啊，去把这个中文的给他呃添加进来啊，就是你可以登录到云端啊，对吧？你希望看到哪一个助手啊？就是 呃案例比较好，对吧？你就可以把它添加到工作区啊，比如说这样点击创建啊，就是你一开始不怎么会用的时候，你就可以这么去搞， 那创建之后呢？哎，他这边的话就已经有写好各种的操作，对吧？就给你写好了啊，那好，那我们就只需要什么，哎，照这个对吧，一葫芦画瓢去改他相关的 这个变量啊，相关的这个提示词啊，对吧？以及我们，哎可以去添加知识库啊，等等，好，那 ok， 那做好了这些事情之后 呢，我们，呃想要弄到本地上来，对吧？啊？就当你在这里的话，你其实就是把这个复制一下啊，就你不需要在这里进行修改，你只需要在这里呃进行把它导出，对吧？导出到 d s l 啊，就导出，导出， 导出到桌面，然后呢你再把它导入到本地上来，对吧？在本地这里进行一个修改啊，就是，哎，我在咱们这里，对吧？我 点击下我们的工作室啊，我们可以创建一个应用，对吧？是空白的，也可以从这个应用模板，对吧？就他推荐的这些英文的模板里面给他，呃导进来也可以啊，直接导入，对吧？哎，他翻译好给我们的啊，这个中文的，对吧？比如 seo 啊，哎， 然后呢创建那么一样的效果，好吧？一样的效果，好，那这样的话我们就可以快速的去使用来了， ok 啊，那这样的话你就拥有了这个超级强大能力了， 对吧？而且不需要花任何的可以在你本地啊去 ai 应用的开发。呃做好了之后呢，我们的这一边啊，就是比如说大家可能，对吧？这些模型，大家可能 啊去获取接口比较麻烦，对吧？大家可以去改成啊， chan 啊等等把它进行设置啊都，而且的话它这里的话是支各种模型，大家可以在咱们这边啊对这些模型，对吧？进添加啊，比如， 呃添加就是说各种各样的模型，像这里的话我们可以选择同一时间跑三四个模型，然后呢来看一下各种效果啊，当然话这个模型的话，像 我这里的话就可以设置很多啊，那这边的话我们可以点这边设置啊，就点我们的这个人头这里，然后设置好，然后这边的话可以选择各种各样的模型啊，包括我们的这个 pro 三 o， g 四，然后 g mini 等等等等。哦，还有这个本地的大模型，对吧？啊，各种都可以，然后质朴 ai， 然后通一千、问讯飞，文心妍啊等等，只要您能想得到的啊，都可以在这里面呀，非常的方便。 好，那今天的分享就到这里啊，大家赶紧的把它部署和使用起来吧，后面的话我再跟大家去详细的去讲解啊，再像现在在接一些公司，他们的这个项目和业务，他们是如何去帮助自己的 公司要这个生产效率的，如何去使用这样子的一个工具，好吧，当然的话，大家也可以就是在 我们的这个评论啊，就视频的这个下方评论一下，就是你，你现在你的这个公司业务是什么，然后有什么样的需求，可以在这个下方啊进行评论。然后呢？哎，如果大家都觉得这个就点赞都是有这方面的需求，那么我们 会哎根据大家需求去一期关于你的这个需求的这样子的一个视频， 如何去搭建这样子的工作流或是知识库啊，或是我们的这个智能体好吗？啊，那所以的话，大家赶紧这个评论起来，如果大家也想学习 ai 应用的开发，而不仅仅只是 使用 ai 这样子的工具，大家也可以报名我的拍摄人工智能站的 ai 应用开发课程，来帮助大家彻底的掌握这一类型应用的开发，然后呢我们今天的这个分享就到这里，拜拜。

刚开始创业，他是真思熟虑的过程呢，还是一个灵光一闪的过程？过去几年中文的互联网世界里面没有太多让人耳目一新的产品，然后大模型出来之后呢，确实是一种叫感召啊，腾云的召唤那种感觉。 这个项目呢，其实是从今年三月份开始做，然后五月份上线到现在呢，大概是一百六十天左右。严君臣， defi ai 联合创始人兼产品 vp， 对，然后呢，我们这个平台呢，其实本身我们做这件事的定义呢，其实也很简单，就是当我们想做一个 ai 的原声应用的时候，其实我们拿到大模型的 api， 其实还不知道该怎么做，嗯，对吧，就很多很多中间的步骤，因为在去年，其实我已经被 gbd 的那种能力非常震撼了，然后我也想在应用领 看有没有什么创业的机会，但是我发现还不行。对，然后呢，这个时候我又接触到了啊，原来腾讯云 coding 的这个团队，然后他们呢，以前在过去的六六到八年一直在做开发者，工具嘛就带 bobs， 然后我们就意识到说在大模型和应用之间，其实也应该存在一个新的类似于 devops 的这么一个平台或者工具层。然后我们在这个里面呢，就做了 diy 点 ai 这个产品。 当然我们从五月份上线至今，其实产品的能力啊，包括功能的重心啊，也有所，也有所偏移。对，但是，呃，本质上来说，它都是一个应用开发的框架或者技术站，都可以这么理解。其实 diy 其实 您刚刚说的时间并不是很久，但是他在那个开放社区上说对整体的评价都非常的好。有一个小小的问题就是，嗯，你们和你们这整个团队 刚开始创业，在做地发的时候，你们觉得对于创业这件事情而言，他是一个深思熟虑的过程呢？还是一个灵光一闪的过程？实话实说啊， 其实在大模型出来之前，我们因为我们都不算是一个新新人了，整个团队的工作平均的工作年限在十年左右，然后也一直在互联网行业里面，其实像，尤其像啊，比如说创始人陆远，他是从个人站长这个时代就到现在的话，然后我的话呢，算是就国内比较早的一批做移动应用 的产品经理，过去几年其实真的在中文的互联网世界里面没有太多让人耳目一新的产品。然后大模型出来之后呢，其实我们有有一方面呢是确实是一种叫感召吧，那种感觉，命运，对吧？命运的召唤，那种感觉就觉得，哎，那这是一个全新的赛道，然后呢？全球的起跑线呢？又比较一致，并没有说 海外就比我们领先多少，因为以前大家都知道我们做无论 to c 还是 to b， 很多时候真的就是 copy to china 嘛，嗯，对吧？这个没有问题，但是，呃，难得有这么一次机会，大家在同一个起跑线上一起去竞争，我觉得这是一个很好的机遇。对创业这件事情来说的话 啊，其实我们这个核心成员都有过不止一次啊，甚至可能更多次的创业经历。我们虽然说团队里面百分之八十的成员是从腾讯出来的，我们其实一直都是每隔一两年可能就会换一个领域，或者换一个方向去做一些创新的事， 所以创业对我们来说不是一件非常难以说去快的一步。对于大部分程序员而言， 想要完全舍弃当前的这么一个工作，投入到一个创业，我觉得创业和自己在那写一个代码什么的还是非常非常不同的，所以也是很佩服你们这些这个勇气，这也不能说 是勇气，我觉得就是我觉得可能适合创业的人就是有这些，有这些特质吧。对，然后回到刚刚说的那个点，就是说对于有说工程师来说，其实我觉得工程师如果去尝试创业或者做内部做一些小项目也很好。因为在我理解中一个好的产品他并不意味着说技术要非常的好，或者产品非常好， 他意味着商业化很成功，要拥护解决一些具体的问题，他是相辅相成的，就不存在说很理想主义的，一个纯粹的技术或者产品他就能改变世界。包括像我们这些现在的的叉的 gpt， 其实大魔仙的技术并不是今天才出来，但是去年底发布了叉的 gpt， 他变成一个产品， 甚至像有些 ai 应用已经有商业价值了，这个时候才引起了全球的轰动和今年的这种热潮。对，所以从产品到商业化，我觉得这件事情也是一个工程师或者是产品经理想往想拓宽自己的能力边界所必须要走的一步。那从你们刚 开始有这种创业的啊想法，到后面的具体的实践，在具体做的过程中有没有哪些你觉得比较印象深刻的挑战和机遇是一开始没有设想到，然后后面也取得了一些比较好的。 嗯，成果的呢？对，说实话就是你发现这个产品现在的呃影响力是比我们预期要大的。我们在今年立项做这件事的时候，其实是三月份吧，嗯，当时我们也其实也做了一些啊市场或者精品的研究，然后我们发现在这个领域里面其实是没有一个特别好的解决方案的。在当时啊， 对，然后现在其实呃类似的产品也越来越多了，因为大家都逐渐逐渐形成了共识，其实我们这个团队其实做事情相对来说是比较快的。第二呢就是我们的工程化的，工程化的质量，以及说呃比较重视用户交， 这也是我们的可能团队的一个优势。但是反过来讲，这个可能也是我们的一个限制。为什么这么说呢？因为一个纯粹的开发框架。对啊，比如说像狼颤这样的，他其实不用考虑服务层的，或者也不用考虑用户体验的。对，他只要做好技术价格就可以， 那相对来说他的速度会比较快一点，他的拓展性会更好一点。那我们呢需要做一下平衡，因为我们作为一个开源的啊开发框架或者叫 moos， 我们需要需要兼顾我们的开放性，就我们需要我们开发者能参与其中，基于迪拜这个架构，无论是做应用还是做别的。 但同时呢我们也要兼顾我们一直所主张的一个良好的用户体验，或者叫产品的交互。这里面其实是有一点点矛盾的，就是开放性跟这种交互的友好是有一点点矛盾的，所以我们也是在这里面处理这种平衡。有长期关注我们的用户会发现我们可能有段时间会倾向于开放性，有段时 会重视用户体验。对对对，这里是一个我们在处理的一个平衡点，我们为什么要做这件事，就为什么这么做。还有一个原因是在原本呢，如果做软件产品，软件工程产品，我们其实不用太考虑用户体验或者用户交互的原因是大多数我们名堂用户是工程师群体。嗯， 但现在呢，除了工程师退群体之外，其实还有很多可能啊，的这种未来的这种提示自工程是他的背景，可能不是研发背景。还有就是在现在的这种协作模式中，业务人员的比重会越来越上升，对吧？因为他们更理解业务嘛， 还有些数据工程的工作，那为了让这些人可以跟原来的工程师他们有一个更好的协作，所以我们需要降低工具的使用门槛。嗯，所以说我们才会去做比较终身用品的事情。您刚刚也提到了开源这件事情，其实，嗯，我觉得这个在决定是否要开源的过程中是不是也有 也经过了一些讨论？其实也没有，我们一开始就是要做开源的，就是要做。对，而且我们上线的第一天就是阿巴西二点零的协议，这个也很很很好理解啊。首先呢，我们如果受众是工工作室的话，可能会发现这像 github 这样的社区其实过去几年也是有点成绩的，活跃度其实没有那么高， 但是自从这一次声称是人工智能的这个起来之后，然后在给他外冒出了很多很多好的项目，然后呢关注度也非常非常高，然后呢连带的像哈根 face 这样的新的开源的模型的这种社区也起来了， 所以这是一次开源生态极大繁荣的一个阶段。在这个过程中如果我们是做避远的话，其实是很难跟这些开发者或者说这些创新群体去形成联动的，对吧？这第一第二呢就是技术的变化特别快。我举个例子啊，比如说，呃，我， 我们在刚上线的时候，其实我们产品的定位是完全基于 gbd 的，嗯，没有考虑其他的模型或者说能力。但是呢，我们现在其实现在的逻辑又变成了，我们要实现业务层跟模型层的结构。原因是原因是我们发现现在 模型之间的能力其实会有一些参差，它没有一些特点，所以可能现在是一个多模型协作构建一个应用的一个状态了。 对，然后呢，马上可能 ok， 马上又要做那个发布会，对吧？可能会发出新的能力，这种模型技术的变化会非常的快。上层应用的场景呢？情景呢？也非常的多，所以说这个时候如果你是以闭园的方式的话，其实也很难接触到这些外部的信息反馈。 是第二点，还有第三点就是从商业上来说，创业最终还是要落到我们要做收入，对吧？要商业化，对，当然太原的商业化相对比较难啊。是的，我也是有这么个疑问。对，但反过来讲，其实可口可乐的战略你可能也都了解，就是他， 他的东西很好，且他很便宜，但还有他的品牌啊，所以说他外来者其实很难竞争。那我们做开元其实也是一种类似的战略或者策略，我们通过开元的其实可以收获很多的用户或者叫潜在的客户。然后呢， 我们做的足够好也是在对于后来的竞争者的一种门槛吧。就我实际的观察来说，呃，无论是海外的公司还是国内的一些公司，只要他的规模足够大，或者说他的这个商业比较正规，他其实对于开源项目的理解和支持还是很 很多的，他们也需要一定技术服务，因为开源项目很多时候的商业化都是靠服务来支撑的嘛。包括我们现在也是，我们现在的非客户基本也是冲着我们的技术咨询或者是服务来的，但未来我们可能也会做一些收费的子产品来完善我们的产品线，但是至少在 dfi 这个项目上我们会坚持做开源，而且而且我们没有什么 夜班、商业班这么一些说法，他就是全量开源的这么一个状态。嗯嗯，就是您刚刚提到了一点，我也是比较感兴趣，就是我们的这个产品，他一开始您说是原来基于 gpt， 后来的话要在多模型上做一个联联动，他是融缩混合的状态吧？嗯，融合的状态，那是不是现在对于很多模型而言，每个模型会有自己专门更优势的一个领域，或者说是在哪个词库里面做的更好？ 肯定有，但是呢，我我可能不好评价，这个还是要去看更专业的模型的评测。哦，对，我直播比如说在国内的话，肯定我们就不能用这个题嘛， 对吧？要用国产的模型，那国产的模型其实头部的几家做的都很好，刚刚想强调的，其实他不是说这种认知，大模型我其实更想强调的是一些啊，小模型，或者是一些多模特的模型。我举个例子啊， 假设你构建个应用，第一步根据用户的意图做意图识别，那做意图识别这里面其实对于性能要求会比较高，所以说这个时候可能用一个专门做这件事的小模型可能会效果更好。嗯，然后呢？第二步，基于用户的意图识别之后，可能会去把这个任务变成一个通过大模型那种稳稳的对打， 或者是说调了一个其他的模型来处理一些图片或者音频等等等等。这里面其实是涉及到多个模型的写作的，但是他最终最重要的这个推理模型肯定是要选一个，就是推理能力最强的一个大模型，但是他细致末节的一些能力的边界的拓展，可能是需要一些小模型或者是一些子服务来去完成的。 这个也是所谓现在编排这个概念比较火的嘛，就是说现在大家感觉，呃，做一个 ai 应用跟其他码有点区别，他有点像拼积木的感觉。然后呢，也有一个掘金社区的一个问题啊，当我们 ai 发展现在已经是越来越趋于稳定了，有一些偏逻辑的工作，比如说就是编程吧，不管是我们前端还是后端，现在他的这些能力，我们是不是已经可以完全相信 i 了？我们是不是可以用 ai？ 然后，哦，我觉得可能还没有。比如说 啊，类比现在就是国内最近最近的那个支架，对吧？从国庆期间像华为、小鹏、百度这些厂商也开始卷支架了吗？嗯，但是你，你真的会开车完全放交给 写支架的能力，我其实还做不到。是的，其实在大木星领域也也类似，就是甚至有些论文其实是在质疑一下 jpt 这样的词汇规模型在推理上的能力的。但是我们抛开这些质疑不谈， 我们就现在的模型，如果说给他比较宽松的这种范围，会让他漫无边际的去完成点任务，其实走道效果是比较差的，就是如果你做过一些实践的话， 其实成本是不可控的，然后效果是比较差的。所以说现在就是大。目前在这种推理能力上的这些应用，我觉得还是要有有人为的干预和约束的，就是还是需要我们人工去给他设计好一些固定的路径，然后在从中呢其实可以发挥他的一些优势，比如说理解 人类的语言和意图，然后呢？呃，有他的创意，对吧？然后能去输出和生成一些我们的这种思维的补充，然后过程中他可以根据场景来去调用符合他预期的一些工具或者插件，这种 含义都无所谓，过程中为了保证可控和性能的均衡，其实还是需要一些约束范围的。所以我觉得现在在一些比较窄的领域的这种，刚刚你说的这种应用是 ok 的，比如说叉勾屁也是用在这。他们举例子，他其实现在已经可以 去调 deoe 就是画图片了吗？对吧？然后也可以去搜索网页，或者是用他上面的一些插件，是 ok 的，但是我们会发现他一次只能用一个功能，其实也是从就就是全球最领先的这种大，目前能看得出来，目前在自主为政的这种领域其实还是比较受限的， 但是这个要我就会伴随就是模型技术的进步，包括算力成本的下降，也是未来的一个趋势吧。对对对，希望就是人们的干预会越来越少，那也是他进步的越来越好的一个体现。今天我会分享那个点，其实就是说我们不要都去做那个什么个人助理， 这个可能是大厂的机会。那我们其实作为创业者或者叫开发者而言，其实是可以找到一些更细分、更落地的场景，通过这种能力的闭环去交付一个价值点，然后把它封装成一个能商业化的产品，这个可能效果会比都去卷各种各样的助理会有用。 最后还有一个比较开放性的问题啊，就是像这一两年来，嗯， ai 的浪潮应该是又一次涌现了，像什么大约模型啊，还有 igc 啊这一块技术最近出现的确实非常的多，那 在比较近的您，嗯，可以遇见的，将来他会对我们的日常生活有哪些比较实质性的改变呢？我觉得我们，呃有一个技术升速曲线吧，早期的创新者到普通大众，现在呢，其实大模型的技术呢，就大模型这个概念，或者叫叉 t v 的这个， 这个技术是有点从早期创新者到到大众用户的一个迁移了，但是呢，更广泛的这些，就方方面面的这些，其实还有一点点距离。但是我们就就想现在的这些生成水压的技术有哪些特点吗？比如说他是一种跟人类不同的一种智能，然后呢他有很好的 这种生成的能力，然后呢有意图识别或者说图片识别这项能力，那其实这些东西可以用在比如说一些个性化的教学，如果是从工艺的角度来说的话，比如说对于个性化的教学，对于一些 可能像有残障人士，或者是说呃本身就在某些方面有缺陷的一些群体的话，其实可以去借助他们获得一个能力上的股权，这是我觉得我觉得特别好的地方。然后对于我们普通人来说的话，肯定我们几乎会会带上一个很好的 助理去辅助我们去做更重要的事情。但现在机场不是成熟吗？所以说我觉得还是要从自己的用途出发。就像比如拿自己举例子，我在写文案的时候， 就是写产品文档的时候，其实是非常依赖于现在的这种这种生成的人物，这种去辅助我的。对，然后比如说我认识一个服装设计师，那他其实在呃自己的日常工作中已经完全在用 城市的 ai 来辅助自己，可以快速的做出来一到两百张图片去交付价值。呃，我觉得这个是很个性化的一个需求。那反过来讲呢？这也是一种就叫技术评选，因为我们 不需要去依赖一个庞大的工程师团队去为我们定制某一个应用，而是我们可以用提示词的方式，从跟他们交互的方式来去做出符合自己预期的产品，那这个时候其实我觉得是一种人类生产力的一个释放，大大提高了普通人生活工作的这个效率， 那这个还是有一点点门槛的。目前来说提示词这个东西大家可能都知道怎么写，但是呢想把它写的非常好是有门槛的。那是不是我们应该去学怎么写提示词呢？我觉得也不一定， 对吧？就像我们开车从自动，从手动挡到自动挡现在的无人驾驶一样，在跟大模型、大圆模型交互的这个过程中，也是从我们先学着去适应他，去 写他能理解的提示词，到逐步来说我们他可以把我们的意图识别的更精准，到最终可能我们就像我们这种对他的方式一样，他可以完全理解。对对，这也是一个眼睛的过程吧，那您觉得就是真正的通用性人工智能，我们这个太遥远了，这个太遥远了。 比如我们拿多模态说说啊，就我们广义的多模态，可能是觉得说文本啊、音频啊、图片啊、视频，但其实比如说人类的情绪啊， 他其实也是种独木炭，而且还是个很复杂的，比如说真实世界，其实场景千千万万，就是 aji 这种到来我觉得还是有非常遥远的距离的。这第一第二呢，就是从价值观层面，就是法律层面，其实都含有很多很多的 限制或者说挑战吧。我们现在限行的法律，或者我们怎么让人工智能具备人类相同的价值观，价值观本来也是多远的，对吧？那这个时候其实我觉得问题是非常非常多的，所以说我一方面是技术 层面的考量，一方面其实是就是人类社会或者就是法律这种方面的考量，我觉得可能他没有那么的近，但是我们现在怎么能把现在这种 ai 的技术啊？还是那个时候我们在一个很细的场景里，在人类可控的范围内去找落地的场景和应用，我觉得还是 ok 的，因为也确实是已经有这样的呃， 点了吗？比如说无论是在医药啊等等，教育啊等等，确实已经有这样的应用在做了。其实我觉得我们那个 defi 的这如果能够给我们提供很 很丰富的在各个领域的这么一些模型的支持和服务的话，好像在一定程度上也是 朝着通行人工智能迈向的一小步，这个就高过吗？其实你发下的核心价值我觉得是两点啊。第一点呢就是可以帮助大家降低开发的成本和周期，就比如说大家现在做一个 ai 的应用，需要去学 学习整个这种技术站吧，然后需要去理解普通模型的这些特性。嗯，在迪派这个平台呢，其实是可以很很容易的去调试的，就我们提供一个很好的就是上手的一个方式，很方便大家做呆萌，对吧？做一个应用呆萌，或者是在大企业落地中做一个演示，因为我们知道在投币的时候要先有一个演示的产品， 再去进行深度的定制吗？ to c 也是，我们可能需要先有一个圆形产品，获得用户的反馈，进一步去优化产品。这第一个我觉得底盘价值，第二个底盘价值就是在后面呢，我们就 up 几个环节了，就首先呢我们会去，就是我们希望就是一个产品的打磨的过程， 是有技术人员参与，然后也有业务人员参与，他们需要有一个很好的合作平台。这第一第二呢， ai 的应用他不跟以前软件工程有一个很大的区别，是传统软件工程的产品一做出来就是一个八十分的东西，就他逻辑是严谨的，可能会有 bug， 但是不会， 所以它的输出没有那么不可控，但是 ai 产品它的这种可控性没有变成传统的荧光这么高，所以它一一出来可能是一个五六十分的产品，所以需要大量的持续用它的过程，所以就需要一个。就刚说的这种 ops 的过程，也涉及到了对于这个应用投产之后呢，对于这种数据的标注 等等，他持续优化，那这些优化过的这些数据再去进行就是一个循环，这样这种持续的这种过程才能把一个东西真正的打磨出来。所以说迪拜的价值可能是在前跟后吧。 对对对，中间的话可能就是需要应用开发者自己去做的事情了。还有一个问题，但是稍微就会有一点点的，嗯，尖锐吧，就看看您对这些这个问题的一个看法。也是我们掘金社区的一个小小的问题，就是随着 ai 技术的他的现在一个广泛的应用啊，在很多 场景还有手机 app 上我们都会用到了。但是也有一些争议，就是关于这个安全性的问题，尤其比如说啊用户隐私安全啊，现在我知道的一些产品，一些网站，他们其实就已经开始公开的抵制收集用户信息，做个性化推荐这样的事情， 还有一些 ai 生成内容，他的一些合法合规的这些问题，最近其实也有一些类似新闻的报道，那您是怎么看待这件事情的？以及在对于 ai 从事者而言，我们怎么样在这框架之内 把 a 的技术更多的服务于大家呢？这个其实也是刚刚我说的就是一个技术程度曲线的一个点。在早期的话，其实对于很多创新来说，这些问题是可以被忽略的，常新的新什么，但这个一样产品真正走向成熟，走向应用，他的用户量 大的时候，对这些问题就是客观存在。是的，是的，对，所以我我首先就是觉得在这个事情上，就是就是包括海外的大漠星场，包括国内大漠星场，其实是在积极响应或者是主动寻求去跟政府的协作的。我们一方面要去希望 ai 的能力变强，大 方面我们要追求 ai 的能力是可控其符合人类价值观的。就大幕镜对齐的这个过程，其实是现在我觉得可能最重要的一个应用里 一个领域了吧。如果大家用过早期的那个病的话，可能会发现他的一些价值观其实可能跟人类会有一点点的，他比较腹黑嘛，对吧？人早期的时候，但是他迅速的就被优化，被改改掉了，其实这个也是一种表现吧，这个是一定要做的。 这样的，就是对于我们就收敛到我们这个产品上的话，我们其实会在这个公司什么样以后可能也会作为挑战，就是我们其实是想实现人类和 ai 的互信协作的，就这个互信这个词其实代表着我们 信任 ai 的同时，然后 ai 也可以去信任人类，这里面其实就需要有很多工作要做啊，比如说我们怎么能让啊？整个 ai 的输出能符合我们的预期，然后可靠性变高，符合我们的价值观， 会有一些违反人类良知的这种这种事情发生。但这个问题其实我觉得更多依赖于征服，然后所有的模型场所有的中间商产品，包括应用开发者在这个事情上的 一个协作吧，他不是一个公司或是一个团队能做的事情。嗯，对，这是第一方面。另外一方面就刚你说的数据安全隐私，其实这个事情从过去几年的互联网产品的 逐步收集到现在，这个也是一个共识了，我觉得没有太多可以争论的。数据的权利肯定是要归属于数据的，叫拥有者吧？就现在就说法是使用权跟拥有权分离嘛，但是他可能会依赖一些新的技术、新的眼睛。但是在目前这 确实是个挑战。比如说为什么现在就比如说有很多企业都希望去私有化部署模型，都不太希望直接去用模型的公用公用云服务也是在于此。就是对于很多企业来说，他们的比如说一些流程文档是核心价值、核心资产，他很难把这个东西非常信任的交给一个模型厂 来去，对吧？那这个时候可能就会产生比如说私有化部署模型上的需求。但是现在私有化部署一个模型成本其实还是很高的，而且如果这个公司没有真正这方面的领域的专家的话，其实也很难去维护和更新，所以这也是我的大部分落地过程中的一个阻力吧。 那现在呢？像我们是开源的吗？所以可以私有化部署。然后呢，其实现在一些折中的方案就是企业在私有化部署的时候，把类似比发这样的中间层呃和数据存储层，他去私有化部署，然后呢模型依然是用公有云 的，就是这模型的公寓类 p i。 因为每次我们跟模型交汇处并不会把企业所有的数据都图给大模型，所以说也一定程度上规避了就是数据资产的流失吧。 那这个点其实也是国内的某些厂需要在这个事情上可能要做更多的努力，然后呢建立更多的信任，然后有更多的制度和技术架构能去保障这些数据的安全。 对，然后我们能做到我们这一个环节，但是其实还有一个环节是企业或者开发者跟魔性之间的这个信任度和建立。 其实这个问题和刚刚那个 ai 生成内容的一个人工的干预，我感觉也是相关的吧，就是对于他生成的内容，可能我们后期还要做反复的矫正，包括 对于做一些合法合规的教研之类的，就是大魔性有自己的对齐过程。其实我们做大魔性应用也需要有这样的标注过程，就并不是我们天天的假 发射，大模型在已经做了所有的这些工作，我们信用开发就不需要这些工作了，其实依然需要。所以说我刚为什么说我们其实是需要一个 offs 的过程的嘛， 就这个 oppo 的过程里面，就是我们把我们自己测试级里面的这些跟 wc 的交互在一个平台里面去去进行测试，然后对于这些不符合我们预期的这些答案进行一些调整，通过无论是微调的技术还是 ig 的技术，然后呢重新去把这个应用做的更完善。嗯， 在你实际使用的过程中，您觉得，嗯， a 它现在对于这个知识的掌握，它是一种，我们通常说它是在学习哈，但是 相对于记忆和创新，他现在在已有的数据集上好像还不能够非常广泛地迁移到我们其他的方面上，所以他在创新这一方面 是不是还是有一定的局限性？这个就有可能要回到一些大模型的本质了。本质呢？还是一种就是预测机或者叫生成器吧？但是呢，并不意味着说大模型就没有创造力这个现象。其实你去看很多论文就会发现，其实在参数量到了一定的 阶段的时候，就自然的发生了一种涌现的过程，这跟人道也是一样的，人的智慧是怎么来的？其实现在没有定论吗？就我们用了一个涌现这样的一个含混的词来去解释，大模型的这种直立胸前也是这样。这个领域的科学家其实也很难解释说为什么在参数量到了一定的阶段，他就会涌现出来一些不一样的能力， 对吧？然后前段时间克拉德的那个科学家就是说他们可以去解释用类似于啊我们的这种经营检测的技术去去追踪大模型的这些参数的这种变化来去理解这个大模型的生产规则，但是这个并不是普式的吧，他们还没有拿出一个完全的一个研究的 结果出来，那除了克拉德之外，其他的模型上，包括国内的模型，包括海外的模型，其实在这种大模型和解释性上依然都没有没有太多的这种进展，那我们就姑且认为说这个智慧是涌现出来的吧，那我并不意味着说他就没有创造力，因为他是通过文本理解了我们文本背后描述的这个 世界的一些规则，这个是我们可能对于大模型的一个从认知上的一个突破。就是为什么我觉得大模型这件事情一定会衍生出啊，非常非常多的应用呢？因为它本质上是一种 基础能力，他是和人类不同的一种智能体，目前唯一一个和和人类一样拥有这些推理啊，这些规划人能力的一种产品，或者说一种智能吧。对，所以说他是有他的创造力在的，包括我们实际在使用过程中，我们也会更依赖于他的创造力，而不是依赖于他的记忆。 但是大魔仙的记忆确实是个问题啊，就我们人脑有短期记忆，有长期记忆，对吧？然后呢？我们的有存续强度，有提取强度，就现在大魔形态无论接触自己的上下纹，还是接触外部的上下数据库，其实他在某些维度上跟人人脑是类似的，能力是类似或者更强的。 但是在某些纬度上，比如说他的提取提取强度上，或者是在他在他的程序化记忆上其实是不如人脑的，所以这也是目前我们在实际应用投产过程中的一些阻力。 对，比如说因为上下文受限，所以说我们就需要在有限上下文内去尽量凭借更多的提示词， 还要包含了我们之前的一种对话记录，这里面又涉及到一些压缩，然后检索的一些技术，所以说其实大家现在就是在呃短期记忆、长期记忆这些这些问题上，对，这其实是一个目前的挑战。是的，就是我自己也有体验过我们的 现在一些对话式的产品，一开始的效果确实非常的惊艳，几乎已经没有办法去区分他到底是一个机器，还是说那边是一个人，可以说是我认为在一定程度上真的已经通过了图令测试。 但是他有一个很明显的问题，同一个绘画，当隔了几天再次去跟他对话的时候，他就已经把信息很破碎，跟我们之前沟通的内容差异比较大。当时我就直接问他了一个问题，我说我们前几天 讨论的点是什么，非常直接问他这一个问题，然后他也做了一个分析，但是感觉差异还是很大的，他应该是真的已经遗忘掉了。

欢迎来到 ai， 超有料！今天我们来讲 window 下如何启动 d i f i 服务。我们先把所需要的镜像拉下来，这些镜像版本在 doctor compose 亚某文件里面都存在的， 进入亚某的文件目录，在这里需要注意进入的路径与 window 下的路径有所差异。输入 doctorcomposalpd d 命令进行启动服务， 启动完成后，输入刀客，查看服务是否启动正常复制项目安装路径，再打开浏览器，这个路径上的地址就是我们安装的刀客系统自动分配的地址。 接下来设置一下初始管理员账户，好了，到这里我们服务就算启动起来了。下一讲我们讲启动过程中遇到的问题，如果你感兴趣的话，欢迎你关注我。