iT邦幫忙

聊天機器人相關文章
共有 127 則文章

技術 26. 吃吃記帳 - 使用工具與課程清單 (上)

在前面的文章中,我分享了整個 Side Project 產品吃吃記帳從構想到實現的完整過程。接下來,我想分享在製作這個產品過程中所使用的工具、上過的課程,以及我...

鐵人賽 AI/ ML & Data DAY 14

技術 Dat14. Ai即刻救援萬事通:幫【任何人】提升工作滿意度的關鍵

AI 工具 公司 主要強項或用途 價格 熱門程度 應用領域 ChatGPT OpenAI 內容生成、客戶服務、語言輔助、編程助手 免費(基本),$...

技術 LM Studio聊天機器人+微軟大模型 真的粉快

LM Studio 是本地型 AI官網提供的範例如最下方程式碼:但只能在 command mode,所以需要改裝改裝步驟:(以 python streamlit...

技術 什麼是 AI Agent?

此為《AI Agent 深入研究》系列的第一篇。 我們接下來的內容會在這裏優先發佈: ChatGPT 落地研究 | Ted,歡迎訂閱。 ChatGPT 一推出...

鐵人賽 AI & Data

技術 [D30+8] GPT-4V 的創新應用 - 以 LLM 為中心的智慧型代理

此為《GPT-4V 微軟評測報告 》第十章實測 前言 終於來到了本系列的最後一章。實際上,我們本篇的第一個實驗,也就是第九章的內容。然而,為了更好地整合篇幅,我...

鐵人賽 AI & Data

技術 [D30+7] GPT-4V 的創新應用 - 影像管理以及生成的可能應用

此為《GPT-4V 微軟評測報告 》第九章實測下篇 前言 本文是 GPT-4V 微軟評測報告 第九章的第二篇分享,我們深入探討了可用於影像管理與影像生成的眾多應...

鐵人賽 AI & Data

技術 [D30+6] GPT-4V 的創新應用 - 產業上的可能應用

此為《GPT-4V 微軟評測報告 》第九章實測上篇 前言 不得不說,這一個章節真是 【GPT-4V 微軟評測報告】 中精華中的精華。前面幾個章節在實驗的,都可以...

鐵人賽 AI & Data

技術 [D30+5] GPT-4V 的抽象視覺理解、智力測驗及情商能力

此為《GPT-4V 微軟評測報告 》第七、第八章實測 前言 GPT-4V 的微軟評測報告中,第七和第八章的評測內容是關鍵。它涵蓋了GPT-4V作為“機器中的人”...

鐵人賽 AI & Data

技術 [30+4] GPT-4V 的視覺標記及連續圖像理解能力

此為《GPT-4V 微軟評測報告 》第五、第六章實測 前言 隨著 GPT-4V 模型成功地將圖像理解與文字能力緊密結合,我們如何與它進行更有效的互動成為了一個待...

鐵人賽 AI & Data

技術 [D30+3] GPT-4V 的視覺-語言能力

此為《GPT-4V 微軟評測報告 》第四章實測 前言 今天我將與大家分享《GPT-4V 微軟評測報告》的第四章實測。這一章的內容不僅豐富,更是相當精彩。若大家的...

鐵人賽 AI & Data

技術 [D30+1] GPT-4V 微軟評測報告。業內人士: 高階使用者必讀

沒有想到剛寫完 IT 邦幫忙的「鐵人賽」後,OpenAI 就馬上有重大消息,也讓我找到下一個寫作目標啦~ 而今天這一篇追加的文章,要跟大家介紹的,首先,就是十月...

鐵人賽 AI & Data DAY 30

技術 [D30] LangChain 專題實做 - ChatBot 的整合(下)

在前面第 28 天和第 29 天的分享裡,我們將「選擇影片」和「生成學習策略」的功能,逐一整合到單一的路由處理函式中,打下了建構聊天機器人的基礎。而今天,我們將...

鐵人賽 AI & Data DAY 29

技術 [D29] LangChain 專題實做 - ChatBot 的整合(中)

當機器人收到影片作為學習內容時,它會自動進入所設置的學習模式。在這學習模式中,我們為使用者提供了四大策略來加強學習體驗:透過影片內容進行摘要學習、影片詞彙學習、...

鐵人賽 AI & Data DAY 28

技術 [D28] LangChain 專題實做 - ChatBot 的整合(上)

我們終於來到了實際整合自己的聊天機器人的這一步了!在這裡,雖然我們會提供我們在colab上的程式碼供大家參考,但這篇文章主要不會深入探討程式碼。相反地,我們想分...

鐵人賽 AI & Data DAY 27

技術 [D27] LangChain 專題實做 - 路由鏈介紹

在第18和19天,我們向大家介紹了LangChain中的幾個核心執行鏈,例如SequentialChain和TransformChain。今天,我們將重點放在一...

鐵人賽 AI & Data DAY 26

技術 [D26] LagnChain 專題實做 - 記憶單元的探討(下)

在上一篇文章中,我們詳細示範了如何在 LLMChain 中使用 LLM 和 Chat 語言模型來加入記憶功能。我們也瞭解了對話系統訊息的儲存結構。今天,我們將進...

鐵人賽 AI & Data DAY 25

技術 [D25] LangChain 專案實做 - 記憶單元的探討(上)

到目前為止,在我們第一篇介紹 LangChain 的文章中,已經為大家展示了如何利用 ConversationChain 快速建立一個具有基本記憶功能的對話機器...

鐵人賽 AI & Data DAY 24

技術 [D24] LangChain 專題實做 - 「例句學習」教材生成

在前面的文章裡,我們稍微偏離了原先設定的專案實作路線。這主要是因為,我們認為在沒有完整介紹外部資料的讀取、文本處理、文本嵌入及向量資料庫等議題之前,很難讓讀者完...

鐵人賽 AI & Data DAY 23

技術 [D23] LangChain 專題實做 - 各類檢索器介紹

在我們的上一篇文章中,我們提到了Langchain不僅提供了向量資料庫的語義相似度查詢功能,還為我們設計了一個通用的檢索器界面。這可能讓你產生一個疑問:既然已經...

鐵人賽 AI & Data DAY 22

技術 [D22] LangChain 專題實做 - 簡易問答機器人

在前幾篇文章中,我們已經和大家分享了如何讀取和轉換資料,以及如何進行文本嵌入。今天,我們將進一步探討如何利用 LangChain 快速建立自己的問答機器人。 L...

鐵人賽 AI & Data DAY 21

技術 [D21] LangChain 專題實做 - 文本嵌入與向量資料庫

在這篇文章中,我們將延續前一天的主題,探討 RAG(Retrieval Augmented Generation,檢索增強生成)的概念。我們先回顧一下,前一天我...

鐵人賽 AI & Data DAY 20

技術 [D20] LangChain 專題實做 - 資料的讀取與轉換

在我們之前的文章中,無論是摘要、例句推薦等,都是用固定的資料來模擬各種情境。但現實世界的應用遠比這複雜。接下來的幾篇文章,我們將帶領大家更深入地了解如何處理真實...

鐵人賽 AI & Data DAY 18

技術 [D18] LangChain 專案實做 - 例句推薦與 LLMChain 介紹

在設計稍為複雜的對話系統時,常會遇到資料來源需經過特定處理元件的轉換或預先處理。LangChain 框架的核心元件 - Chain(也可稱為執行鏈或動作鏈)正是...

鐵人賽 AI & Data DAY 16

技術 [D16] LangChain 專案實做 - 內容摘要

今天,我們將首先實作語言學習助理 LangChain 的「內容摘要」功能。完整的程式碼可在以下連結中找到:D16. LangChain 專案實做 - 內容摘要....

鐵人賽 AI & Data DAY 15

技術 [D15] LangChain 專案實做 - Hello LangChain

在之前的幾篇文章中,我們已經利用 OpenAI API 帶領大家深入探討並實作了基礎聊天機器人的架構。接著,我們將逐步介紹使用 LangChain 的實做方式。...

鐵人賽 AI & Data DAY 14

技術 [D14] 我的第一個聊天機器人 - 回應訊息功能評估

在先前的論述中,我們已經對回應訊息評估的基礎概念進行了詳細的探討。今日,我們將進一步深入這一主題,專注於兩種進階的評估策略:首先是運用「Rubric 評量表」,...

鐵人賽 AI & Data DAY 13

技術 [D13] 我的第一個聊天機器人 - 回應訊息檢查

對於聊天機器人而言,生成回應僅是工作流程的一部分。接下來的適用度(moderation)檢查與功能性評估(evaluation)同樣不可或缺。 適用度檢查的必要...

鐵人賽 AI & Data DAY 12

技術 [D12] 我的第一個聊天機器人 - 外部資料的整合

很高興你我都堅持到第 12 天了,希望這些內容能讓你感到越來越受益。 在本篇文章中,我們將深入探討如何將多個內部提示訊息處理單元和外部資料進行系統性整合。 示範...

鐵人賽 AI & Data DAY 11

技術 [D11] 我的第一個聊天機器人 - 訊息分類處理

今天,我們將與大家分享一些在設計提示訊息時不可或缺的基本技巧。這些技巧包括「結構化輸出」、「任務分類」,以及如何透過「思維鏈」來優化提示效能。 結構化輸出:連接...

鐵人賽 AI & Data DAY 10

技術 [D10] 我的第一個聊天機器人 - Chat Bot 基本架構

在我們的上一篇文章「對話機器人實作規劃」中,我們提到對話機器人的核心架構基本上就是一個訊息迴圈。在今天的實作範例中,我們將從這個訊息迴圈出發,逐步搭建我們的第一...