在原帖的基础上，支持图片多比例，优化出图格式，支持联网，优化图生图，优化识图。
首先感谢原帖大佬
【Fastgpt系列3】一分钱不花 集最先进的大语言模型与绘画模型于一身，openwebui替代升级版，可接入NEW API或ONE API，永久免费 - 资源荟萃 - LINUX DO
效果展示
废话不多说直接上效果
完整文字演示
Role: Human
画一只小猫咪，图片比例16:9
Role: AI
好的，接下来我会为你生成一只小猫咪的图像，比例为16:9。
{
"prompt": "画一只小猫咪，图片比例16:9"
"modify": "A cute kitten sitting playfully on a soft blanket, with big sparkling eyes and fluffy fur, in a cozy room filled with warm sunlight. The background features a few colorful toys scattered around, creating a cheerful atmosphere. The image is in a 16:9 aspect ratio, capturing the adorable essence of the kitten in a vibrant and inviting setting."
"size": "1024x576"
}
生成成功
下载
这是一只可爱的小猫，悠然自得地坐在柔软的毯子上，闪亮的大眼睛和毛茸茸的皮毛增添了活泼气息，房间充满温暖的阳光，背景中散落着几件彩色玩具，营造出愉悦的氛围。
Role: Human
,简单描述一下这个文件
Role: AI
这个文件是关于“交互式网站中的用户期待研究”的硕士学位论文，作者为秦荣，指导老师是陈东祥，来自天津大学。论文的主要内容包括以下几个方面：
-
研究背景与意义：随着互联网的发展，用户的使用体验越来越依赖于界面的美感与功能。本文探讨用户在使用交互式网站时的期待，包括对美感的期待（如页面布局、配色、字体等）和功能的期待（如信息筛选、响应方式等）。
-
用户期待的分类：用户期待分为外观美感期待和功能期待。美感期待主要关注视觉设计元素，功能期待则关注信息的组织与交互方式。
-
研究方法：
-
应用了人机交互思想、感性工程学和粗糙集理论。
-
结合问卷调查和用户访谈，深入了解用户对网站设计的具体期待。
-
通过数据分析，建立用户模型，指导网页设计。
-
主要结论：设计的成功与否受到能否满足用户期待的影响，强调了在网页设计中融合用户研究的重要性。
-
应用实例：以天大精益数控机床采购网为案例，基于研究结果提出具体的设计建议和效果图，包括网络的布局、功能设计、用户交互等方面。
-
总结与展望：指出未来网页设计趋向于更人性化、感性化，强调继续研究用户需求与网站设计之间的关系。
总体来看，这份论文系统地分析了用户在交互式网站中对设计元素的期待，并提供了理论支持和实践指导。
Role: Human
今天上海的天气怎么样
Role: AI
今天上海的天气总体情况如下：
-
天气状况：多云
-
温度范围：大约在15℃到20℃之间
-
风力风向：具体风向和风力级别未提供，但通常会有轻风。
-
空气质量：根据实时监测，空气质量良好，主要污染物为PM2.5，AQI值在30到50之间，表示空气质量较佳。
-
降水概率：今天降水概率不大，天气以阴云为主，适合出行。
根据这些信息，今天上海的天气比较温和舒适，适合进行户外活动。希望这些信息对您有所帮助！
Role: Human
搜索小猫咪
Role: AI
你在寻找与可爱小猫咪相关的内容，这里有一些推荐的资源：
- 视频集锦:
- 超可爱猫猫视频集锦 - 哔哩哔哩：这个视频集锦包含了丰富的可爱猫咪视频，目前播放量超过20531次，汇聚了大量的萌宠镜头。
- 短视频平台:
- 在抖音上，有一个标签为“可爱的小猫咪”，已经获得了超过82.7亿次的观看。你可以通过这个平台探索更多关于小猫咪的短视频：抖音可爱的小猫咪。
- 高清免费视频:
- 如果你想要一些可爱的猫咪视频，可以在 Pixabay 找到超过40000个免版税的可爱小猫视频。这些视频都非常高清，适合不同用途。
- 有趣猫咪合集:
- 还有一个叫做那些有趣可爱的小猫01的合集，播放量高达118303次，包含许多有趣的小猫动作和场景。
以上资源可以帮助你找到更多关于可爱小猫咪的内容，享受这些萌宠带来的乐趣！
Role: Human
你能干些什么
Role: AI
我能为您提供多种服务，包括但不限于以下几方面：
-
信息查询与回答：回答您的问题，包括天气、新闻、科技、文化等各类信息。
-
文本生成：根据您的提示，生成文章、故事、诗歌、报告等文本文档。
-
文章总结与分析：对提供的文章或文档进行总结、分析，提取关键信息。
-
语言翻译：提供多种语言间的实时翻译服务。
-
图像生成：根据描述生成图片或插图（在可用情况下）。
-
建议和推荐：根据您的需求，提供书籍、电影、音乐、旅行等方面的建议。
-
数据处理与分析：帮助解析和分析数据集，提供统计信息或图表。
-
学习辅导：提供学术问题上的帮助和解释，辅导学习相关的技巧和方法。
-
个人助手：帮助您制定计划、提醒事项、管理日程等。
如果您有特定的需求，随时告诉我，我会尽力提供帮助！
教程
这里给出gpt-4o-mini的联网模型Key，由于本人能力有限，每天免费2000次。
联网免费Key
接口：
https://api.flowerfire.org
Key：sk-jizS1e3xQYjHoc5Gxmy9KuGSzXU9Oe4Cl1IOMeaerYrZZFeB
模型：gpt-4o-mini，net-gpt-4o-mini
说明
- 可以将上方接口和key添加到你自己的
one/new api渠道，然后修改fastgpt的docker-compose.yml文件即可；- 或者直接添加本渠道和key到
fastgpt的docker-compose.yml文件，注意fastgpt的接口为https://api.flowerfire.org/v1。
另外需要硅基流动的Flux绘图，可以通过本人 AFF 注册
硅基流动注册
- 邀请好友赚2000万Tokens：每成功邀请一位新用户，好友注册成功，您将获得2000万Tokens；
- 注册即送2000万Tokens：受邀好友作为新用户完成SiliconCloud账号注册，立刻获得2000万Tokens。
Fastgpt的搭建教程就不多说了，官方文档很详细，这里说几点注意事项
Fastgpt的修改
修改config.json，添加模型net-gpt-4o-mini，需要其他模型也可以添加，这里给出我本人的例子。
config.json例子
{
"feConfigs": {
"lafEnv": "https://laf.dev"
},
"systemEnv": {
"vectorMaxProcess": 15,
"qaMaxProcess": 15,
"pgHNSWEfSearch": 100
},
"llmModels": [
{
"model": "gpt-4o-mini",
"name": "gpt-4o-mini",
"avatar": "/imgs/model/openai.svg",
"maxContext": 125000,
"maxResponse": 16000,
"quoteMaxToken": 120000,
"maxTemperature": 1.2,
"charsPointsPrice": 0,
"censor": false,
"vision": true,
"datasetProcess": true,
"usedInClassify": true,
"usedInExtractFields": true,
"usedInToolCall": true,
"usedInQueryExtension": true,
"toolChoice": true,
"functionCall": false,
"customCQPrompt": "",
"customExtractPrompt": "",
"defaultSystemChatPrompt": "",
"defaultConfig": {},
"fieldMap": {}
},
{
"model": "net-gpt-4o-mini",
"name": "net-gpt-4o-mini",
"avatar": "/imgs/model/openai.svg",
"maxContext": 125000,
"maxResponse": 16000,
"quoteMaxToken": 120000,
"maxTemperature": 1.2,
"charsPointsPrice": 0,
"censor": false,
"vision": true,
"datasetProcess": true,
"usedInClassify": true,
"usedInExtractFields": true,
"usedInToolCall": true,
"usedInQueryExtension": true,
"toolChoice": true,
"functionCall": false,
"customCQPrompt": "",
"customExtractPrompt": "",
"defaultSystemChatPrompt": "",
"defaultConfig": {},
"fieldMap": {}
},
{
"model": "gpt-4o",
"name": "gpt-4o",
"avatar": "/imgs/model/openai.svg",
"maxContext": 125000,
"maxResponse": 4000,
"quoteMaxToken": 120000,
"maxTemperature": 1.2,
"charsPointsPrice": 0,
"censor": false,
"vision": true,
"datasetProcess": true,
"usedInClassify": true,
"usedInExtractFields": true,
"usedInToolCall": true,
"usedInQueryExtension": true,
"toolChoice": true,
"functionCall": false,
"customCQPrompt": "",
"customExtractPrompt": "",
"defaultSystemChatPrompt": "",
"defaultConfig": {},
"fieldMap": {}
},
{
"model": "dall-e-3",
"name": "dall-e-3",
"avatar": "/imgs/model/openai.svg",
"maxContext": 125000,
"maxResponse": 4000,
"quoteMaxToken": 120000,
"maxTemperature": 1.2,
"charsPointsPrice": 0,
"censor": false,
"vision": true,
"datasetProcess": true,
"usedInClassify": true,
"usedInExtractFields": true,
"usedInToolCall": true,
"usedInQueryExtension": true,
"toolChoice": true,
"functionCall": false,
"customCQPrompt": "",
"customExtractPrompt": "",
"defaultSystemChatPrompt": "",
"defaultConfig": {},
"fieldMap": {}
},
{
"model": "o1-mini",
"name": "o1-mini",
"avatar": "/imgs/model/openai.svg",
"maxContext": 125000,
"maxResponse": 65000,
"quoteMaxToken": 120000,
"maxTemperature": 1.2,
"charsPointsPrice": 0,
"censor": false,
"vision": false,
"datasetProcess": true,
"usedInClassify": true,
"usedInExtractFields": true,
"usedInToolCall": true,
"usedInQueryExtension": true,
"toolChoice": false,
"functionCall": false,
"customCQPrompt": "",
"customExtractPrompt": "",
"defaultSystemChatPrompt": "",
"defaultConfig": {
"temperature": 1,
"stream": false
},
"fieldMap": {
"max_tokens": "max_completion_tokens"
}
},
{
"model": "o1-preview",
"name": "o1-preview",
"avatar": "/imgs/model/openai.svg",
"maxContext": 125000,
"maxResponse": 32000,
"quoteMaxToken": 120000,
"maxTemperature": 1.2,
"charsPointsPrice": 0,
"censor": false,
"vision": false,
"datasetProcess": true,
"usedInClassify": true,
"usedInExtractFields": true,
"usedInToolCall": true,
"usedInQueryExtension": true,
"toolChoice": false,
"functionCall": false,
"customCQPrompt": "",
"customExtractPrompt": "",
"defaultSystemChatPrompt": "",
"defaultConfig": {
"temperature": 1,
"stream": false
},
"fieldMap": {
"max_tokens": "max_completion_tokens"
}
}
],
"vectorModels": [
{
"model": "text-embedding-ada-002",
"name": "Embedding-2",
"avatar": "/imgs/model/openai.svg",
"charsPointsPrice": 0,
"defaultToken": 700,
"maxToken": 3000,
"weight": 100,
"defaultConfig": {},
"dbConfig": {},
"queryConfig": {}
},
{
"model": "text-embedding-3-large",
"name": "text-embedding-3-large",
"avatar": "/imgs/model/openai.svg",
"charsPointsPrice": 0,
"defaultToken": 512,
"maxToken": 3000,
"weight": 100,
"defaultConfig": {
"dimensions": 1024
}
},
{
"model": "text-embedding-3-small",
"name": "text-embedding-3-small",
"avatar": "/imgs/model/openai.svg",
"charsPointsPrice": 0,
"defaultToken": 512,
"maxToken": 3000,
"weight": 100
}
],
"reRankModels": [],
"audioSpeechModels": [
{
"model": "tts-1",
"name": "OpenAI TTS1",
"charsPointsPrice": 0,
"voices": [
{ "label": "Alloy", "value": "alloy", "bufferId": "openai-Alloy" },
{ "label": "Echo", "value": "echo", "bufferId": "openai-Echo" },
{ "label": "Fable", "value": "fable", "bufferId": "openai-Fable" },
{ "label": "Onyx", "value": "onyx", "bufferId": "openai-Onyx" },
{ "label": "Nova", "value": "nova", "bufferId": "openai-Nova" },
{ "label": "Shimmer", "value": "shimmer", "bufferId": "openai-Shimmer" }
]
}
],
"whisperModel": {
"model": "whisper-1",
"name": "Whisper1",
"charsPointsPrice": 0
}
}
另外需要修改docker-compose中的接口，可以自己添加渠道或者直接填写本人的免费key，上面有说明。
导入工作流
首先创建工作流
然后导入以下配置
创建自己的硅基流动Key并且填写
右上角保存后即可直接对话，或者发布渠道，可自行对接 one/new api 等。
制作不易，感谢点赞。
后续完善图生图与识图
后面简单修改了一下，因为gpt-4o-mini本身是支持识图的，所以完善图生图
支持图生图 / 支持识图
可能提示词需要修改，大家可以自行看一看
支持图生图工作流分享
gpt-4o-mini-all.txt (71.8 KB)
注意事项
- 如果搜索不了，直接明确说明搜索二字，用我提供的或者自己添加自己的联网模型，去
config.json填写自定义模型，记得在自己的中转添加； - 记得填自己的硅基流动Key，出问题可以看工作流过程详情；
- 可能有些渠道的
gpt-4o-mini不支持识图； - 如果你有自己的联网模型或者识图模型，比如
glm的，或者千问的，可以不用我提供的； - 图生图回答可能偶尔出现回答不对头的情况，可以自行优化提示词；
- 提示词是用
claude和gpt优化写的，大家可以根据自己的需求进行优化。
