基于大语言模型+RAG实现的日程管理

前言

 大家是否有这样的烦恼,每天会议或待办事项众多,为了把这些待办事项记住我们需要采用日历这些软件来帮我们管理或通知事项。那么问题来了,不同的人通知的不同事项写得五花八门,有没有办法把别人发过来的通知自动解析,自动推送到自己手机上呢?

   答案是有的,我们采用大模型进行文本解析,然后结合检索增强生成(RAG)对LLM进行准确性提升,从而达到使用简单、准确性逐渐提高的目的。下面我将介绍如何完全基于免费公有云进行全流程开发。

一、 web和后台程序

Cloudflare Pages是Cloudflare公司推出的一个静态网站托管服务,专门为开发者提供构建和部署现代化、高性能网站的解决方案。随后在pages引入了funtion,至此也支持workers这样的应用,成为了一个前、后台应用都能实现的网站平台。

在使用的过程中我发现一个很厉害的功能,在本地调试时也能自动引用大模型生成能力。

二、大语言模型

Cloudflare 的Workers AI支持30多种20B以下模型,每天有足够的调用量,以学习为目的基本够用。根据提供的文本,LLM根据要求返回JSON格式的会议主题、开始时间、结束时间、会议地点等。模型采用@cf/qwen/qwen1.5-14b-chat-awq,提示词如下:

let messages = [

{      role: 'system',      content: '你是一个AI日程安排助手,请根据我提供的内容提取日程信息,并用JSON格式返回, 格式为 {"SUMMARY":"日程主题、简介、总结或概括", "DTSTART":"日程开始时间,格式为:20240525T063000","DTEND":"日程结束时间,格式为:20240525T063000","DESCRIPTION","日程详细描述信息","LOCATION":"会议地点"}' },

{    role: 'system',     content:  '只回复json格式的内容即可,今天的日期是:' + getTodayDate() + ';如果没有说明会议结束时间或会议时长,默认为开始时间加1小时;如果没有说明会议具体几点开始则会议从当天0点开始24点结束,dtstart和dtend只能按要求的日期格式回答,采用东八区时间,不要采用,无法提取的内容不要回复该字段'  }

]

三、 RAG

引入检索增强生成(RAG)目的时为了提升日程解析的准确性,当你使用越多的时候,系统会自动把你之前修正过的对话作为上下文提供给llm,从而快速提升模型输出的准确性,例如下图1,第一次问会议地点识别为“1会议室”,但是我们帮它修正为“第一会议室”,后续再问“1会”的时候LLM就会自动识别为“第一会议室”,这就是RAG能够减轻幻觉,提升准确性的好处。

RAG第一步是量化,直接采用Workers AI的量化模型,向量数据库采用https://qdrant.tech/免费服务,向量数据库是一种专门设计用于高效存储和查询高维向量的数据库。在传统的OLTP和OLAP数据库中数据以行和列的方式组织(这些被称为表),查询是基于这些列中的值进行的。然而,在某些应用中,如图像识别、自然语言处理和推荐系统,数据通常以高维空间中的向量形式表示,这些向量加上一个ID和有效负载,就是我们存储在类似于Qdrant的向量数据库中的元素。

地址修正为“第一会议室”,后续再次调用就会自动修正。

四、 ICS文件保存

日历文件以ICS作为后缀,采用Cloudflare R2作为文件存储空间。

那么,我们该如何学习大模型?

作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的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。

一、大模型全套的学习路线

学习大型人工智能模型,如GPT-3、BERT或任何其他先进的神经网络模型,需要系统的方法和持续的努力。既然要系统的学习大模型,那么学习路线是必不可少的,下面的这份路线能帮助你快速梳理知识,形成自己的体系。

L1级别:AI大模型时代的华丽登场

L2级别:AI大模型API应用开发工程

L3级别:大模型应用架构进阶实践

L4级别:大模型微调与私有化部署

一般掌握到第四个级别,市场上大多数岗位都是可以胜任,但要还不是天花板,天花板级别要求更加严格,对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。

以上的AI大模型学习路线,不知道为什么发出来就有点糊,高清版可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

二、640套AI大模型报告合集

这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。

img

三、大模型经典PDF籍

随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

img

四、AI大模型商业化落地方案

img

作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。

相关推荐

  1. 借助知识图谱和Llama-Index实现基于模型RAG

    2024-06-09 07:12:01       16 阅读
  2. 知识图谱与语言模型协同(RAG)——MindMap

    2024-06-09 07:12:01       8 阅读
  3. 语言模型RAG vs. 长文本

    2024-06-09 07:12:01       9 阅读

最近更新

  1. TensorFlow编程环境:构建深度学习的乐园

    2024-06-09 07:12:01       0 阅读
  2. 计算机网络(6) ICMP协议

    2024-06-09 07:12:01       0 阅读
  3. 【代码】3d->video

    2024-06-09 07:12:01       0 阅读
  4. 前端常用排序算法

    2024-06-09 07:12:01       0 阅读

热门阅读

  1. Python怎么配置环境变量:深度探索与实战指南

    2024-06-09 07:12:01       4 阅读
  2. Python怎么调用JAR包:揭秘跨语言交互的奥秘

    2024-06-09 07:12:01       7 阅读
  3. Qt富文本查找

    2024-06-09 07:12:01       3 阅读
  4. KerasCV和KerasNLP:视觉和语言的增强

    2024-06-09 07:12:01       3 阅读
  5. 学习分享-声明式的 HTTP 客户端OpenFeign

    2024-06-09 07:12:01       4 阅读
  6. 程序员搞副业一些会用到的工具

    2024-06-09 07:12:01       6 阅读
  7. CSS基础

    2024-06-09 07:12:01       4 阅读
  8. vue3路由传参

    2024-06-09 07:12:01       4 阅读
  9. 虚拟存储器概述

    2024-06-09 07:12:01       5 阅读