danGPT

丹GPT

请在 https://dangpt.vercel.app/ 上尝试一下。

该项目展示了如何构建 AI 服务并使用生成式 AI 实现 RAG（检索增强生成）。

以下是其工作原理的详细说明：

1. 在本存储库的范围之外，我们已经抓取了大量数据。在这种情况下，丹的帖子。
2. 然后，我们使用机器学习模型将要搜索的所有文本转换为向量（数字列表），该模型将文本中的含义映射到多维数字空间。使用“嵌入模型”将文本“嵌入”向量空间中。在本例中，使用 OpenAI 的text-embedding-3-small 。
3. 然后我们将这些向量存储在向量数据库中。我们选择的武器是 DataStax 的 AstraDB。

然后，当用户提交查询时，我们：

1. 使用相同的嵌入模型将查询转换为向量。
2. 在向量数据库中搜索与查询向量最相似的向量，或者维度空间中“靠近”查询向量的向量。
3. 从最相似的向量中检索许多原始文本。
4. 将这些原始文本作为上下文输入生成人工智能模型。在本例中，使用 OpenAI 的gpt-3.5-turbo 。 ChatGPT 免费套餐背后的模型相同。
5. 然后，生成式人工智能模型根据给定的上下文生成响应，假装是丹。

值得注意的是，这只是一个愚蠢的副项目演示，很可能是错误的。这更多的是为了教育。