yylucian 最近的时间轴更新 yylucian 最近的时间轴更新 |
yylucianV2EX 第 58889 号会员，加入于 2014-03-24 18:13:28 +08:00今日活跃度排名 8422 |
yylucian 最近回复了
21 天前 回复了 SoulSleep 创建的主题 › 买买买 › 618 有什么好物推荐 or 分享一下你打算买什么 |
@tamshy 打的，虽然结婚几年后有点电子阳痿
21 天前 回复了 SoulSleep 创建的主题 › 买买买 › 618 有什么好物推荐 or 分享一下你打算买什么 |
准备买台 ROG 的 26.5 寸 4K 240Hz QD-OLED ，把用了一万年的 U2414H 换掉，也富裕一回
65 天前 回复了 pkoukk 创建的主题 › 奇思妙想 › 做一个禁“云”社区，有没有搞头？ |
我觉得部分话题的讨论，跟帖者可以附上一些个人情况作为参考，本身就会让回答的内容更有参考价值。
比如假设一个话题是：是否应该买车？
跟帖的人如果愿意附上自己的情况：是否有驾照、是否有车、是否有车位、是否经常开车等，再回答是否建议买车——会让回答变得非常有用。
所以如果在提问或者发起话题时，往这样的回答方向引导，应该能有更好的效果（提问的艺术）。
不需要去核实跟帖者的回答是否真实，因为也核实不了，只能假设这样的话题没有必要编造立场。
比如假设一个话题是：是否应该买车？
跟帖的人如果愿意附上自己的情况：是否有驾照、是否有车、是否有车位、是否经常开车等，再回答是否建议买车——会让回答变得非常有用。
所以如果在提问或者发起话题时，往这样的回答方向引导，应该能有更好的效果（提问的艺术）。
不需要去核实跟帖者的回答是否真实，因为也核实不了，只能假设这样的话题没有必要编造立场。
66 天前 回复了 ronman 创建的主题 › Apple › 更新完 15.4， Gboard 被卸载了 |
@crac 在落格 X 上看到「智能纠错」这个选项了，但是这个选项似乎仅限于全拼才可用。在经典版落格里面只看到一个双键容错的选项。
66 天前 回复了 ronman 创建的主题 › Apple › 更新完 15.4， Gboard 被卸载了 |
@crac 请问落格的纠错怎么开启呢，是那个「双键容错」吗，还是有别的选项
66 天前 回复了 ronman 创建的主题 › Apple › 更新完 15.4， Gboard 被卸载了 |
66 天前 回复了 ronman 创建的主题 › Apple › 更新完 15.4， Gboard 被卸载了 |
rime 设置一下：translator/enable_correction: true 纠错勉强能用，但还是不如 gboard 好用。
79 天前 回复了 intellectual 创建的主题 › 宽带症候群 › 请教 clash 规则配置文件如何放到网上仅仅供自己来方便编辑？或者放到网上但是可以保密机场订阅地址？ |
@intellectual https://github.com/MetaCubeX/mihomo/blob/Meta/docs/config.yaml#L1012 proxy-providers 不光可以是一个 http 的地址，也可以指向一个文件，可以参考前面这个连接；所以一种方法是，可以用一个订阅配置来更新机场的配置（可以仅 nodelist ），然后你的规则配置就通过文件路径指向（引用）你订阅下来的机场配置。
80 天前 回复了 intellectual 创建的主题 › 宽带症候群 › 请教 clash 规则配置文件如何放到网上仅仅供自己来方便编辑？或者放到网上但是可以保密机场订阅地址？ |
proxy-providers:
MyProxy:
type: http
url: "https://your-provider-xxx.com/xxxxxxxx"
interval: 86400
path: ./MyProxy.yaml
MyProxy:
type: http
url: "https://your-provider-xxx.com/xxxxxxxx"
interval: 86400
path: ./MyProxy.yaml
106 天前 回复了 oldManNewThought 创建的主题 › 程序员 › 求大佬指点， ai 加知识库的内部原理 |
这里涉及两种模型，一种是 embedding 模型（又叫嵌入模型、向量模型等），一种是大语言模型（就是 LLM ，如 deepseek-r1 ）
原理前面的大佬都解释得很清楚了：
1. 上传知识库，用嵌入模型把知识库内容分词、向量化，存到向量数据库
2. 用户提问时，也调用嵌入模型，把提问内容分词、向量化，和向量数据库的内容进行匹配，找出相关性最高的若干个片段
3. 把用户问题和匹配到的知识内容共同作为提示词，发送给 LLM
4. LLM 基于提供的内容回答问题
原理前面的大佬都解释得很清楚了：
1. 上传知识库，用嵌入模型把知识库内容分词、向量化，存到向量数据库
2. 用户提问时，也调用嵌入模型，把提问内容分词、向量化，和向量数据库的内容进行匹配，找出相关性最高的若干个片段
3. 把用户问题和匹配到的知识内容共同作为提示词，发送给 LLM
4. LLM 基于提供的内容回答问题
Select Language