mind x

頭腦X

Mind-X 是發展最快的智慧克隆人工智慧，可以即時理解「我」。

該計畫展示了個人化法學碩士（或 LMM）作為個人助理的可行性，與這些模式的快速發展保持同步。

我們引入了檢索增強生成（RAG）方法來克服傳統 Prompt-Tuning（具有上下文邊界）和 Fine-Tuning（存在即時資料更新和幻覺問題）的限制。

傳統上，RAG 被用來透過 LangChain 作為儲存來搜尋像 Chroma 這樣的資料庫，但這種方法在固定的上下文中運行，這是有限制的。

因此，我們計劃建立自己的RAG系統。這個過程可能涉及解決LangChain可能提供的推理和回歸問題。

我們致力於快速開發，很快就會實現多語言相容性。目前，該系統全面支援英語，並計劃近期支援韓語、日語等其他語言。此外，迴歸和推理系統也將很快被納入。

建築學

運行測試

若要執行測試，請執行以下命令

 # start embeddings server
  cd embd & pip install -r requirements.txt
  python app.py

# start mindx-v server (vector-database)
# not using cgo, only assembly
cd mindx-v & go run cmd/mxvd/main.go

# start processor server
cd processor & go run cmd/main.go

# start demo client
cd sample_client & npm start

示範

TextVector 簡報和即時 RAG（法學碩士）

最初，助手對用戶一無所知。然而，用戶可以即時向助手介紹自己。 （由於LLM的特點，可能會被誤認為是作為對話鏈而不是學習來記憶的，所以是刷新後完成的。）學到的數據立即得到體現，這可以看作是助理的第一次個性化。

該專案的所有這些功能都可以在本地獲得支持，無需外部雲端整合或互聯網連接。

ImageVector 示範和異常

訓練資料（非常小。僅測試）

測試數據

測試程式碼

 query = protobuf . search_pb2 . SearchRequest (
            dataset_id = dataset_id ,
            query = get_image_embedding ( "./test_data/bad.png" ),
            k = 1
        )
        results = search . Search ( query )
        try :
            for result in results :
                print ( "Search result:" , result . id , result . metadata , result . score )
        except grpc . RpcError as e :
            print ( "Search failed:" , e )
        query = protobuf . search_pb2 . SearchRequest (
            dataset_id = dataset_id ,
            query = get_image_embedding ( "./test_data/good.png" ),
            k = 1
        )
        results = search . Search ( query )
        try :
            for result in results :
                print ( "Search result:" , result . id , result . metadata , result . score )
        except grpc . RpcError as e :
            print ( "Search failed:" , e )

結果

接觸

• 請透過 [email protected] 與我聯繫。
• 該項目可供所有人使用，雖然無意將其貨幣化，但如果您希望將其商業化或進行內部測試，請透露您的公司名稱以協助我。