叠一下buff 仅代表个人观点
3 个赞
你的意思是数据整理这一步交给AI去做，叫它生成问答结构化数据？这咋感觉和dify的Q&A模式有点像了。
感觉有点鬼畜了，用导入知识库的Q&A模式分段成问答，然后再用知识库的问答内容做微调的数据集，“取之知识库，用之知识库呀” =。= 0.0
mark一下 学习学习
2 个赞
马克学习一下,感觉会用到
2 个赞
我的意思是直接文档生成的qa去微调 中间夹知识库的操作用dify、fastgpt这些也不合适 要夹知识库这种效果的东西 我觉得结合graghrag和一些别的操作更合适（对于上下逻辑链比较长的东西 然后又要求准确性 相当费钱就是）
1 个赞
也不是说不合适 就是很奇怪这样的操作
2 个赞
要微调的，不微调emmmm ，如果不是内网，就用大模型好了，用正规渠道的哦，不然会乱答，可以试试dow
dify-on-wechat
仓库: GitHub - hanfangyuan4396/dify-on-wechat: 本项目为 chatgpt-on-wechat下游分支, 额外对接了LLMOps平台 Dify，支持Dify智能助手模式，调用工具和知识库，支持Dify工作流。 aff
一个相对详细的教程：手摸手教你把 Dify 接入微信生态: https://docs.dify.ai/v/zh-hans/learn-more/use-cases/dify-on-wechat aff
5 个赞
最近在做RAG相关的研究，感觉很适合你这样的场景。
5 个赞
mark一下，最近在学习知识库
你首先要明白微调和rag的区别和各自的适用场景，然后再决定该用什么。
大佬能举个例子么？
mark，学习
自建知识库，比如fastgpt，maxkb，dify
一般部署用docker，迁移也很方便，新机器安装docker后把旧机器的文件夹搞过来就好了
训练的话，每次要新增数据都要重新进行训练，可能没那么方便
做记号，感觉能用到
1 个赞
标记一下，点赞支持！
大佬的知识库搭建起来了么？最终敲定的哪种方案啊？希望分享一下心得 
我们最后选的是 二次开发 ragflow 0.0
1 个赞
我也测试过dify，fastgpt，ragflow 知识库应用，发现还是ragflow 更符合预期，同时又觉得这类知识库的应用，只是向量化。 所以想了解一下你们二次开发是针对什么进行加强呢？
1 个赞