Ai

🚀 人工智能相關項目

本項目聚焦於與人工智能相關的事物，尤其專注於建立在Nasdanika功能之上的AI操作。其核心是在資源集（即相互連接的模型集合）上運行，模型和資源集對AI組件的低級實現細節進行了抽象，讓用戶無需關注底層複雜的實現。

✨ 主要特性

• 模型元素描述能力：“敘述者”處理器能夠以多種方式描述模型元素及其關係。例如在示例家庭中，藉助帶派生關係和基於能力的推理的模型，可以清晰解釋如“保羅是莉婭的父親”“莉婭是保羅的女兒”等一系列關係。此外，通過EObject -> EClass關係，還能解釋莉婭是一個女人，並給出元模型中對女人的定義。
• 文本處理與應用：可將相關文本添加到特定元素（如莉婭）的描述中，然後對生成的結果文本進行分塊，生成嵌入並添加到向量存儲中。這一過程可用於語義搜索和RAG（檢索增強生成），搜索時不僅考慮語義距離，還會考慮圖的距離，提升搜索的準確性和相關性。

📦 關鍵組件

• 嵌入：支持來自OpenAI和Ollams的嵌入。
• 向量存儲：採用hnswlib。從本地計算機的觀察情況來看：
  • 預先下載的dl.fbaipublicfiles.com/fasttext/vectors-crawl/cc.en.300.vec.gz文件加載約200K向量大約需要10分鐘。
  • 索引文件大小約為2.5 Gb。
  • 從文件加載索引大約需要90秒。
• 聊天完成：提供聊天完成功能。
• CLI（命令行界面）：具備多種功能，包括向量存儲混入功能、生成搜索文檔.json的嵌入、從搜索文檔.json生成新的向量存儲（可選擇帶或不帶嵌入，支持全新創建或更新現有內容）、語義搜索HTTP服務器路由、聊天Vuejs組件（參考中）、在靜態網站上與模型聊天（同時提供語義搜索命令、OpenAI和Ollama，可在GCP虛擬機上使用Docker）以及與模型進行對話。

🔮 未來展望

未來可能會基於Invocation流開發代理，進一步拓展項目的功能和應用場景。