你是否也等待能够具有强壮的AI才能，为你的客户供给全天候的智能服务，不管时刻和地址，都能延展咱们杰出的客户关心与支撑！

　　假如能够站在这些大公司和开源社区的效果上，看似很深邃的AI作业，也变得像把大象装入冰箱相同简略。接下来，咱们咱们能够参阅Langchain chatGLM的办法，首要打造一个智能客服，解放你们公司客服长时间不间断的重复作业，让他们集中精力处理更需求创造力的作业。

　　智能客服第一步：售后常识库准备作业，效果为WORD，PDF，TXT，MarkDown等格局的电子文档

　　搜集公司在售产品的产品手册、操作说明书、售后服务协议、客服人员培训资料等。

　　可从开源社区GitHub中寻觅这类向量化安装工厂，完结常识库文本向量化流水处理作业。引荐可选用Langchain，建立起安装工厂的流水线，这条流水线的上下游构成如下：

　　挑选各类非结构化的文本加载东西（Langchain中整合了各类常见文件加载器），拼装成所需的文本加载器组；

　　选用Langchain这类东西，将以上东西和模型组装成流水线，完成文本常识存入向量数据库。

　　第三步：建立和练习大言语模型，效果是具有你专业事务范畴的常识处理才能的大言语模型

　　挑选大言语模型基座，可供挑选的大言语模型许多，既可选开源的大言语模型(如THUDM/chatglm-6b，vicuna-13b-hf)，也可选商用的大言语模型（如OpenAI中的gpt-35-turbo）；

　　将以上常识库中的文本，按模型练习所需的数据格局（如JSON格局），随机分红两部分，一部分为练习数据，一部分为测试数据，一般切割份额可设为4:1；

　　使用大言语模型供给的API接口，输入以上练习和测试数据，练习大言语模型，得到微调模型；

　　第四步：将客户的问题输入给大言语模型，效果是智能客服像人相同为客户做服务

　　将向量化后的问题，在向量常识库中进行查找，取得与此问题语义相关度较高的常识文本片段；

　　接下来，咱们还能够建立一个更为杂乱的智能署理。其过程办法与智能客服相似，但需求在一些环节中参加对事务交易系统数据操作的才能。

　　咱们参阅DB-GPT，在以上的安装线上，做些组件替换，练习数据弥补，引进数据库操作和数据展示等东西。

　　用事务数据结构的常识，微调练习大言语模型，具有事务数据操作SQL生成才能。