不过不知道扔的东西太多太杂，是不是回答不专一没有针对性
1 个赞
腾讯最近的ima主打就是个人知识库，丢的东西太广泛肯定效果不行
2 个赞
有知识库一下就可以处理超级长文了，甚至超过gemini2.5
无论如何，360公司出的东西都要慎用。
2 个赞
知识库一般都是RAG，向量搜索的效果肯定是不如长上下文的。
啥意思？这种数据库的形式没有直接喂文的效果好？
豆包有ai云盘功能，然后可以用"/"指示符，选择多个文件提问。不过还是cherry studio的本地知识库最好用，可以直接选特定的知识库提问，并且不像腾讯ima那样有容量限制
2 个赞
效果差很多的，可以让deepseek给你介绍一下RAG构建知识库的原理。这个机制的核心是基于语义的向量搜索，最后大模型会参考搜出的前几个片段内容，写一个答案。但这肯定就不如全文都在上下文中效果好
1 个赞
嗯，还是有选择性的好。LM 跟cherry是一回事吗
还真没用过LM。cherrystudio应该是现在最好的AI客户端了吧，GitHub - CherryHQ/cherry-studio: 🍒 Cherry Studio is a desktop client that supports for multiple LLM providers. Support deepseek-r1
好，我也试试！主要作用就是可以自定义api接口和key是吧
可惜就是只能电脑用，不能跨平台
对的，cherrystudio功能完善，设置方便，能够导出聊天记录，支持知识库和自定义智能体，按我看是目前最好用的AI客户端了
1 个赞
向量搜索真的不太行
一是速度慢
二是內容關聯不到
1 个赞
啥叫向量啊
就是知識庫，原理是將文件轉化為向量的關係，在需要時進行關聯搜索，這個目前能力比大模型本身差的。只是方便你提供超級長的上下文
也就是能直接喂就直接喂，实在吃不下，才往库里存？库里存的方式效率比较低？
差不多這個意思，而且一股腦丟進去也不行，你的知識庫寧願少量高質也不能大量低質。不然就會出現搜不到，或者出來的東西不準確的情況
所以有dify這種知識庫工作流，一方面要構建好優質的知識庫，再透過多輪的(LLM<->知識庫)交互，來取得更優解答
所以不能天文地理哲学一起往里装是吧
是的，就想像成兩個是分開的系統， LLM一個桶，RAG一個桶。
哪一邊有短板，出來結果都不行。
天南地北的東西放一起，不就是deep reserach。很多公司都意識到這點有用戶需求，就做成deep reserach了