今天跟大家唠唠我这几天在公司搞的“乔丹队友”项目，别想歪了，不是真找乔丹打球，是给咱们的AI模型找个好搭档，让它更牛逼！
老大丢给我这个任务的时候，我一脸懵，啥是“乔丹队友”？后来才知道，就是要给现在的AI模型，配上一些辅助工具或者模块，让它在某些特定场景下，表现得更像乔丹，能carry全场。
我得摸清楚现在这个AI模型的能力，它擅长不擅长就像了解乔丹的得分能力一样。我找了几个同事，一起对模型做了个全方位的测试，包括文本生成、知识问答、逻辑推理等等。测下来发现，这模型，挺全能，但是深度不够，广度有余，但准度不足。就像乔丹身边那些队友，有篮板的，有防守的，但关键时刻能站出来得分的，不多。
就是找“队友”了。我想着既然模型在知识问答方面有点欠缺，那就给它配个知识库，就像给乔丹配个能传球的皮蓬。我调研了好几个知识库方案，包括向量数据库、图数据库等等。我选了个向量数据库，因为它可以把知识转化成向量，方便模型快速检索和匹配。
选好知识库，我就开始着手搭建。先是把一些常用的知识，比如公司产品介绍、行业报告、常见问题等等，一股脑儿地塞进了知识库里。然后，我写了个简单的接口，让AI模型可以调用这个知识库。
接口写完，就开始测试。结果，问题来了！模型有时候会从知识库里检索出一些不相关的答案，就像皮蓬传了个球，乔丹没接到，直接飞出界外了。
我开始排查问题，发现是知识库里的知识太杂乱，模型检索的时候，容易被干扰。于是我开始对知识库进行整理和清洗，把一些过时的、重复的、不相关的知识，全部清理掉。然后，我又对知识进行了分类和标注，让模型更容易找到需要的知识。
这还没完，我还发现模型在理解用户问题方面，也有点问题。有时候，用户的问题很模糊，模型就理解不了，就像乔丹想让皮蓬挡拆，结果皮蓬没明白，直接跑开了。
为了解决这个问题，我又给模型加了个“问题理解”模块。这个模块可以对用户的问题进行分析，提取关键词，然后根据关键词，从知识库里检索相关的知识。
经过这一系列的折腾，AI模型总算是有了点“乔丹队友”的样子。它在知识问答方面的表现，明显提升了不少。用户问个问题，它能快速、准确地给出答案。
这只是第一步。我还计划给模型配上更多的“队友”，比如推理引擎、决策模块等等，让它在更多的场景下，都能发挥出更大的作用。毕竟乔丹再厉害，也需要队友的支持，才能赢得总冠军嘛
还没有评论，来说两句吧...