【ChatGPT】从零开始构建基于ChatGPT的嵌入式(Embedding) 本地（Local） 智能客服问答机器人模型

 目录

方案流程

1. Embeddings 介绍

术语：微调 vs 嵌入

一句话理解便是：embedding model 可以将文本转换为固定长度的连续向量。

架构流程图

3、Qdrant云数据库的搭建

3.1、初识Qdrant

3.2、创建云数据库

3.3、通过curl 接口访问

4、写入测试数据

4.1、准备测试数据

4.2、调用embeddingAPI ：将测试数据转换为向量数据

将上面准备好的向量数据数组全部写入向量数据库

通过运行接口来调试一下

5、开始查询数据

5.1、将查询字符串转换为向量数据

5.2、根据向量来查询匹配相关性高的前三条记录

5.3、通过chatGPT对查询的相关性数据进行优化

5.4、调试效果

6、总结

参考资料

---

方案流程

• 将本地答案数据集，转为向量存储到向量数据。
• 当用户输入查询的问题时，把问题转为向量然后从向量数据库中查询相近的答案topK 这个时候其实就是我们最普遍的问答查询方案，在没有GPT的时候就直接返回相关的答案整个流程就结束了。
• 现在有GPT了可以优化回答内容的整体结构，在单纯的搜索场景下其实这个优化没什么意义。但如果在客服等的聊天场景下，引用相关领域内容回复时，这样就会显得不那么的突兀。

---

本项目的代码全部开源, GitHub地址为: