gpt meeting service

gpt-meeting-service

Null, wofür ist es?

1. Dies ist ein kleines Projekt, das auf der GPT-API-Entwicklung basiert. Wie wir alle wissen, besteht die aktuelle Kontextunterstützung von GPT darin, historische Nachrichten jedes Mal erneut zu senden. Die Methode ist sehr „einfach und grob“, und dieses Projekt bewirkt lediglich eine Sache: die Kontextorganisation flexibler zu gestalten, um die Vervollständigung zu unterstützen komplexerer Aufgaben.
2. Die ursprüngliche Inspirationsquelle für das Projekt waren „Brainstorming“ und „6 Thinking Hats“. Während des Brainstorming-Prozesses hat jeder Link einen anderen Fokus und erfordert unterschiedliche Rollen. Dieser Prozess steht im Einklang mit der Verwendung der sechs Denkhüte. Durch den flexiblen Einsatz der sechs Denkhüte können unterschiedliche Zwecke erreicht werden. Nach weiterer Erweiterung gibt es dieses Projekt „Treffen“ oder Diskussion.
3. Basierend auf dem oben Gesagten implementiert das Projekt hauptsächlich die folgenden drei Funktionen:
   1. Bei der Anordnung des Aufgabenflussdiagramms vervollständigt jeder Link eine Sache und wird aneinandergereiht, um eine relativ komplexe Aufgabe abzuschließen (auch als Entwurf einer Besprechungsagenda verstanden).
   2. Lassen Sie GPT seine eigenen Fragen stellen und beantworten und die Zuordnung vervollständigen.
   3. Lassen Sie GPT verschiedene Rollen spielen und dasselbe Thema diskutieren.
4. Mögliche Anwendungsszenarien
   1. Brainstorming
   2. Schnelle Zuordnung
   3. Schnelle Einschätzung
   4. Dialog mit mehreren Charakteren

Zugehöriges Frontend-Projekt: gpt-meeting-web

1. Knotentyp

Der Knoten bezieht sich auf die Tagesordnung (Besprechungslink) im Prozess „Besprechung“. Er ist derzeit in fünf Typen unterteilt, und jeder Knotentyp behandelt den Kontext unterschiedlich.

Allgemeine Situation: Hintergrundinformationen + KI-Charakterdesign + Eingabeaufforderung + Eingabe = Ausgabe

Eingang

Im Allgemeinen geben Sie das Thema und das Ziel dieser Zeit ein und können es direkt einreichen oder es vor dem Einreichen von GPT optimieren lassen.

Denken

Lenovo verfügt über zwei menschliche KI-Charaktere, von denen der Lenovo-Charakter zum Generieren mehrerer Ideen verwendet wird; der fragende Charakter wird verwendet, um Fragen zu den generierten Ideen zu stellen, und kann mehrere Fragen stellen und weiterverfolgen (entsprechend der „Fragerunde“ und). „Anzahl der Fragen“), sodass die Gesamtstruktur als Baumstruktur erscheint, die Generierung von Ideen dem Wurzelknoten des Baums entspricht und das Stellen von Fragen zu Ideen dem Wachstum von Zweigen entspricht. Zusätzlich zur automatischen Frage- und Antwortfunktion können auch manuelle Eingriffe zum Stellen von Fragen durchgeführt werden.

DiskussionDiskussion

Der Diskussionsknoten kann mehrere Mitglieder mit unterschiedlichen Rollen auswählen und jedes Mitglied kann entsprechend seinen eigenen Merkmalen an der Diskussion teilnehmen.

Allgemeine VerarbeitungVerarbeitung

Passen Sie Eingabeaufforderungen an, um Eingaben zu verarbeiten.

Ausgabe

Die Ausgabe wird im Allgemeinen als letzter Knoten verwendet, um den gesamten Diskussionsprozess zusammenzufassen, und dann in einem bestimmten Format als endgültige Schlussfolgerung ausgegeben.

2. Funktionsprinzip

Kontextuelle Organisation von Link-(Agenda-)Knoten

Zuerst muss das Flussdiagramm ein gerichteter azyklischer Graph sein und dann, nachdem das „Treffen“ begonnen hat, wird es in topologischer Reihenfolge ausgeführt. Auf jedem Knoten werden die „Schlussfolgerungen“ aller vorgelagerten Knoten des aktuellen Knotens als eigener „Vorheriger Text“ betrachtet. Dadurch kann sichergestellt werden, dass GPT ausreichende Hintergrundinformationen erhält und dann die Aufgabe des aktuellen Knotens beantwortet wird idealer sein.

Kontextuelle Organisation im Verein

Die Assoziation von Selbstfrage und Selbstantwort erfolgt in einer Baumstruktur, sodass die Organisation des Kontexts natürlich die Dialogaufzeichnungen aller Vorfahrenknoten des aktuellen Assoziationsknotens ist. Dies ist beispielsweise leicht zu verstehen das rote Kästchen in der Abbildung unten.

Kontextuelle Organisation in Diskussionen mit mehreren Rollen

Zu Beginn der Diskussion mit mehreren Rollen werden automatisch Hintergrundinformationen und die Anforderungen der aktuellen Sitzung eingebracht. Anschließend werden in der Rede jedes Mitglieds die vorherigen Aufzeichnungen als Hintergrundinformationen angezeigt.

entwicklungsbezogen

Technologieauswahl

• Sprache: Golang
• Rahmen: Kratos
• Speicher: MongoDB

Empfohlene Umgebung

vscode

Lokal ausführen

 # 配置configs/config.yaml

# 依赖安装（在Makefile文件中定义了相关命令）
make init

# 运行(调试建议使用vscode)
kratos run

# 导入初始模版
cd cmd/script && go run dataOp.go importData

Docker-Image erstellen

 docker build -t gpt-meeting-service:v1 .

Docker-Compose-Bereitstellung

 cd docker-compose
# 配置文件
mkdir conf && cp ../configs/ ./conf

# 启动
docker-compose up -d

# 停止
docker-compose down

veranschaulichen

• Das Projekt verwendet das Kratos-Framework. Sie müssen dieses Framework zuerst verstehen
• Da Protoc SSE nicht unterstützt, verwendet das Besprechungsmodul Protoc nicht zum Definieren der Schnittstelle.
• Referenzartikel für den Einstieg in Kratos
• Informationen zu Kratos-Befehlen finden Sie unter kratos.md