gpt meeting service

gpt-บริการประชุม

ซีโร่ มีไว้เพื่ออะไร?

1. นี่เป็นโปรเจ็กต์ขนาดเล็กที่อิงจากการพัฒนา GPT API ดังที่เราทุกคนรู้ดีว่าการสนับสนุนบริบทในปัจจุบันของ GPT คือการส่งข้อความประวัติอีกครั้งทุกครั้ง วิธีการนี้ "ง่ายและหยาบคาย" มากและโปรเจ็กต์นี้ก็ทำสิ่งเดียวเท่านั้น: เพื่อทำให้องค์กรตามบริบทมีความยืดหยุ่นมากขึ้นในการสนับสนุนความสมบูรณ์ ของงานบางอย่างที่ซับซ้อนมากขึ้น
2. แหล่งที่มาของแรงบันดาลใจดั้งเดิมสำหรับโครงการนี้คือ "การระดมความคิด" และ "หมวกคิด 6 ใบ" ในระหว่างกระบวนการระดมความคิด แต่ละลิงก์จะมีจุดเน้นที่แตกต่างกันและต้องมีบทบาทที่แตกต่างกันในการดำเนินการ ซึ่งสอดคล้องกับการใช้หมวกแห่งการคิดทั้งหก การใช้หมวกแห่งความคิดทั้ง 6 อย่างยืดหยุ่นสามารถบรรลุวัตถุประสงค์ที่แตกต่างกันได้ หลังจากขยายเวลาออกไปแล้ว ก็จะเกิดโครงการ "การประชุม" หรือการอภิปราย
3. จากที่กล่าวมาข้างต้น โครงการส่วนใหญ่ใช้ฟังก์ชันสามประการต่อไปนี้:
   1. การจัดเรียงแผนผังลำดับงาน แต่ละลิงก์จะช่วยเติมเต็มสิ่งหนึ่ง และร้อยเข้าด้วยกันเพื่อทำงานที่ค่อนข้างซับซ้อนให้สำเร็จ (หรือที่เข้าใจกันว่าเป็นการออกแบบวาระการประชุม)
   2. ให้ GPT ถามและตอบคำถามของตนเองและดำเนินการสมาคมให้เสร็จสิ้น
   3. ให้ GPT มีบทบาทที่แตกต่างกันและอภิปรายในหัวข้อเดียวกัน
4. สถานการณ์การใช้งานที่เป็นไปได้
   1. การระดมความคิด
   2. สมาคมด่วน
   3. การประเมินอย่างรวดเร็ว
   4. บทสนทนาหลายตัวละคร

โครงการส่วนหน้าที่เกี่ยวข้อง: gpt-meeting-web

1. ประเภทโหนด

โหนดหมายถึงวาระการประชุม (ลิงก์การประชุม) ในกระบวนการ "การประชุม" ปัจจุบันแบ่งออกเป็น 5 ประเภท และโหนดแต่ละประเภทจะจัดการบริบทที่แตกต่างกัน

สถานการณ์ทั่วไป: ข้อมูลพื้นหลัง + การออกแบบตัวละคร AI + พรอมต์ + อินพุต = เอาต์พุต

ป้อนข้อมูล

โดยทั่วไป คุณจะป้อนหัวข้อและเป้าหมายของเวลานี้ และส่งโดยตรงหรือให้ GPT เพิ่มประสิทธิภาพก่อนส่งก็ได้

กำลังคิด

Lenovo มีตัวละครมนุษย์ AI สองตัว โดยในจำนวนนี้ตัวละคร Lenovo ถูกใช้เพื่อสร้างความคิดที่หลากหลาย ตัวละคร Questioning ใช้เพื่อถามคำถามที่เกี่ยวข้องกับแนวคิดที่สร้างขึ้น และสามารถถามคำถามได้หลายข้อและติดตามผล (ตรงกับ "รอบคำถาม" และ "จำนวนคำถาม") ดังนั้น โครงสร้างโดยรวมจึงปรากฏเป็นโครงสร้างต้นไม้ การสร้างแนวคิดสอดคล้องกับโหนดรากของต้นไม้ และการถามคำถามเกี่ยวกับแนวคิดสอดคล้องกับการเติบโตของกิ่งก้าน นอกจากคำถามและคำตอบอัตโนมัติแล้ว ยังสามารถดำเนินการด้วยตนเองเพื่อถามคำถามได้อีกด้วย

การอภิปรายการอภิปราย

โหนดการอภิปรายสามารถเลือกสมาชิกหลายคนที่มีบทบาทต่างกัน และสมาชิกแต่ละคนสามารถมีส่วนร่วมในการอภิปรายตามคุณลักษณะของตนเอง

การประมวลผลทั่วไปการประมวลผล

ปรับแต่งพร้อมท์เพื่อประมวลผลอินพุต

เอาท์พุต

โดยทั่วไปเอาต์พุตจะใช้เป็นโหนดสุดท้ายเพื่อสรุปกระบวนการอภิปรายทั้งหมด จากนั้นจึงเอาต์พุตในรูปแบบที่ระบุเป็นข้อสรุปขั้นสุดท้าย

2. หลักการทำงาน

การจัดระเบียบตามบริบทของโหนดลิงก์ (วาระ)

ขั้นแรก แผนภูมิการไหลจะต้องเป็นกราฟอะไซคลิกโดยตรง และหลังจากที่ "การประชุม" เริ่มต้นขึ้น จะดำเนินการตามลำดับทอพอโลยี ในแต่ละโหนด "ข้อสรุป" ของโหนดอัปสตรีมทั้งหมดของโหนดปัจจุบันจะถือเป็น "ข้อความก่อนหน้า" ของตัวเอง ซึ่งสามารถรับประกันได้ว่า GPT ได้รับข้อมูลพื้นหลังที่เพียงพอแล้วจึงตอบงานของโหนดปัจจุบันตามทฤษฎี จะเหมาะมากขึ้น

องค์กรตามบริบทในการสมาคม

การเชื่อมโยงระหว่างคำถามกับตนเองและคำตอบด้วยตนเองนั้นดำเนินการในโครงสร้างแบบต้นไม้ ดังนั้นการจัดบริบทจึงเป็นบันทึกการสนทนาของโหนดบรรพบุรุษทั้งหมดของโหนดการเชื่อมโยงในปัจจุบัน ซึ่งง่ายต่อการเข้าใจ เช่น เครื่องหมายของ กล่องสีแดงในรูปด้านล่าง

การจัดองค์กรตามบริบทในการอภิปรายหลายบทบาท

จุดเริ่มต้นของการอภิปรายหลายบทบาทจะนำข้อมูลเบื้องหลังและข้อกำหนดของเซสชันปัจจุบันมาโดยอัตโนมัติ หลังจากนั้น สุนทรพจน์ของสมาชิกแต่ละคนจะนำบันทึกก่อนหน้ามาเป็นข้อมูลเบื้องหลัง

ที่เกี่ยวข้องกับการพัฒนา

การเลือกใช้เทคโนโลยี

• ภาษา: โกลัง
• กรอบการทำงาน: kratos
• ที่เก็บข้อมูล: MongoDB

สภาพแวดล้อมที่แนะนำ

vscode

ดำเนินการในพื้นที่

 # 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

การสร้างอิมเมจนักเทียบท่า

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

การปรับใช้นักเทียบท่าเขียน

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

# 启动
docker-compose up -d

# 停止
docker-compose down

แสดงให้เห็น

• โปรเจ็กต์นี้ใช้เฟรมเวิร์ก Kratos คุณต้องเข้าใจเฟรมเวิร์กนี้ก่อน
• เนื่องจาก protoc ไม่สนับสนุน sse โมดูลการประชุมจึงไม่ใช้ protoc เพื่อกำหนดอินเทอร์เฟซ
• บทความอ้างอิงสำหรับการเริ่มต้นใช้งาน kratos
• สำหรับคำสั่ง kratos โปรดดูที่ kratos.md