简介： 准备工作再安装ChatWiki之前，您需要准备一台具有联网功能的linux服务器，并确保服务器满足最低系统要求• Cpu：最低需要2 Core• RAM：最低需要4GB开始安装ChatWiki社区版基于Docker部署，请先确保服务器已经安装好Docker。如果没有安装，可以通过以下命令安装：
目前大模型非常火爆，很多企业一直想把大模型用在企业的客服中，但是基本上没有太多的成功案例。这个事情，我思考了下
1. 企业的客服服务是非常严谨的，不能乱回答。
比如在电商场景，用户说这个产品是否可以退款， 那大模型如果回答说可以。如果产品价格非常高，比如在1万以上，那么这个产品是不是要退款？损失谁来回答。 所以企业必须要机器人严格按照企业的知识库的要求来，不能乱回答
2.企业的资料的保密性
目前的大模型，当你把资料传给大模型的时候，实际上，你把资料也给机器人当做语料去训练机器人了，你的文档就是公开的文档了，这对许多企业来说，基本上不会把敏感资料传给大模型了
还记得之前网上报道过，三星把一个芯片资料传给大模型，导致敏感技术资料泄密的问题。
ChatGPT「奶奶漏洞」又火了，扮演过世祖母讲睡前故事，骗出Win11序列号
3 大模型从问答，到企业部署到自己的客服渠道，有大多的工作量
大模型提高了接口，提供了文字问答能力，但是，企业的客户咨询，是从
1 APP里
2 公司官网
3 公众号，小程序，视频号
4 抖音
5 小红书
6 微博
这么渠道，各个场景都要去覆盖，一般的企业根本就没这个开发实力。
基于这个想法，我就想做个基于大模型的问答机器人，完全打通小程序客服，微信公众号客服，视频号小店客服，H5APP客服，公司官网，部署简单。这样企业就很方便的部署起来。
我的想法是
**方法一：渠道统一管理， 把常用的渠道，全部默认支持到
**
方法二 ：将企业知识库管理简单化
直接将doc，网址，pdf ，excel 直接上传到，就可以支持基于知识库的问答了。
上传的知识库，进行分段embedding操作
最后创建机器人，关联这个知识库，就可以对外提供服务了
以下是我们的架构图
下面是具体的一些介绍
ChatWiki是一款开源的知识库 AI 问答系统。系统基于大语言模型（LLM ）和检索增强生成（RAG）技术构建，提供开箱即用的数据处理、模型调用等能力，可以帮助企业快速搭建自己的知识库 AI 问答系统。
能力
1、专属 AI 问答系统
通过导入企业已有知识构建知识库，让 AI 机器人使用关联的知识库回答问题，快速构建企业专属 AI 问答系统。
2、一键接入模型
ChatWiki已支持全球20多种主流模型，只需要简单配置模型API key等信息即可成功接入模型。
3、数据自动预处理
提供自动分段、QA分段、手动输入和 CSV 等多种方式导入数据，ChatWiki自动对导入的文本数据进行预处理、向量化或 QA 分割。
4、简单易用的使用方式
ChatWiki采用直观的可视化界面设计，通过简洁易懂的操作步骤，可以轻松完成 AI 问答机器人和知识库的创建。
5、适配不同业务场景
ChatWiki为 AI 问答机器人提供了不同的使用渠道，支持H5链接、嵌入网站、绑定到微信公众号或小程序、桌面客户端等，可以满足企业不同业务场景使用需求。
开始使用
准备工作
再安装ChatWiki之前，您需要准备一台具有联网功能的linux服务器，并确保服务器满足最低系统要求
- Cpu：最低需要2 Core
- RAM：最低需要4GB
开始安装
ChatWiki社区版基于Docker部署，请先确保服务器已经安装好Docker。如果没有安装，可以通过以下命令安装：
安装好Docker后，逐步执行一下步骤安装ChatWiki社区版
(1).克隆或下载chatwiki项目代码
git clone https://github.com/zhimaAi/chatwiki.gitnewsbriefpoundbpress
(2).使用Docker Compose构建并启动项目
cd chatwiki/docker
docker compose up -d
部署手册
在安装和部署中有任何问题或者建议，可以联系我们获取帮助，也可以参考下面的文档。
- 一键部署ChatWiki社区版
- 如何配置模型供应商及支持的模型
- 本地模型部署
- 如何配置对外服务和接收推送的域名
- 免Docker部署ChatWiki
- 如何获取大模型ApiKey
界面
技术架构
技术栈
-
前端：vue.js
-
后端：golang +python
-
数据库：PostgreSQL16+pgvector+zhparser
-
缓存：redis5.0
-
web服务：nginx
-
异步队列：nsq
-
进程管理：supervisor
-
模型：支持OpenAI、Google Gemini、Claude3、通义千文、文心一言、讯飞星火、百川、腾讯混元等模型。
大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “？”“”等问题热议不断。
事实上，
继等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？
与其焦虑……
不如成为「」，毕竟AI时代，谁先尝试，谁就能占得先机！
但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。
针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 分享出来：包括等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈
AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。
这套包含640份报告的合集，涵盖了大模型的理论研究、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。(几乎涵盖所有行业)
四、LLM大模型开源教程（LLaLA/meta/chatglm/chatgpt）
阶段1：AI大模型时代的基础理解
-
目标：了解AI大模型的基本概念、发展历程和核心原理。
-
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例
阶段2：AI大模型API应用开发工程
-
目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
-
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 prompt框架
- L2.3 流水线工程
- L2.4 总结与展望
阶段3：AI大模型应用架构实践
-
目标：深入理解AI大模型的应用架构，并能够进行私有化部署。
-
内容：
- L3.1 Agent模型框架
- L3.2 metaGPT
- L3.3 ChatGLM
- L3.4 LLAMA
- L3.5 其他大模型介绍
阶段4：AI大模型私有化部署
-
目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。
-
内容：
- L4.1 模型私有化部署概述
- L4.2 模型私有化部署的关键技术
- L4.3 模型私有化部署的实施步骤
- L4.4 模型私有化部署的应用场景
这份 包括等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓
👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈