分享AI使用方法
用AI的阅读模块，可以帮我们解读一些标准和守则；例如可以先问AI你的问题在哪个标准，找到标准上传，就可以随便提问标准里的要求:victory:
我一般用文心一言，kimi，豆包，主要用来当搜索引擎使用，另外用来编报告，非常方便:lol AI只是大方向的帮助，提供标准也好，工艺流程也好，以及加工的G代码都是可以生成的。但只是一个方向性的，具体的根据不同的机台设备、材料以及产品的公差要求，作相应的微调。但AI对机械加工来说还是有很大帮助的。
当AI想更进一步发展机器人，还必须和传统的机械行业相结合 但首先要知道AI喜欢编造，所以它给你的标准很多是编造的，这时候你怎么办？
学者11 发表于 2024-12-25 14:43
但首先要知道AI喜欢编造，所以它给你的标准很多是编造的，这时候你怎么办？
当搜索引擎用，使用rga向量化文档，直接给你原文的
拽词装B失败的典型，那叫使用rag向量化文档。
"RAG" 是 "Retrieval-Augmented Generation" 的缩写，它是一种结合了信息检索（Retrieval）和生成模型（Generation）的技术。
在传统的文本生成任务中，模型仅基于其训练数据进行预测或生成新的文本。然而，在某些情况下，我们希望模型能够访问最新的、特定领域的或者更加广泛的信息来增强其生成的内容。这时，RAG 就可以派上用场。
首先，需要将文档库中的文档转换为向量表示。这一步骤通常使用预训练的编码器（比如 BERT 或其他类似的模型），将每个文档编码成一个固定长度的向量。这些向量随后被存储在一个高效的索引结构中，如 FAISS 或 Annoy，以便快速搜索相似的文档。
当有一个查询或者需要生成内容时，该查询会被相同的编码器转化为向量形式。
接下来，查询向量会与文档库中的文档向量进行比较，以找到最相关的文档。这个过程通常是通过计算余弦相似度或其他距离度量完成的。
检索到的相关文档会被作为额外的信息提供给生成模型。这涉及到直接附加到查询之后，或者以某种方式融入到生成模型的输入中。
最后，生成模型利用查询以及检索到的相关文档的信息来生成更准确、更丰富的响应。
问题这些騒操作是普通人能做的了的吗，他必须在自家电脑上下载个LLM，然后还用高级显卡来训练这个模型。
并且在需要的时候使用RAG向量文档，这不是发烧友就根本做不到。
所以我说要讲人话，你应该知道普通人只可能联网使用公有云上的大模型。 学者11 发表于 2024-12-25 14:43
但首先要知道AI喜欢编造，所以它给你的标准很多是编造的，这时候你怎么办？
你可以再问一句，在多少页找到的，它会给你页数，到时候自己看
仅作参考 有点不理解 cangzhoumj 发表于 2025-1-2 15:55
有点不理解
点击AI阅读，其他跟着操作就行了
页:
[1]
2