Appearance
AI助手
概述
AI助手集成了多个大语言模型,通过简单的配置即可快速切换和使用不同的语言模型。在充分利用大语言模型优势的同时,AI助手还支持通过自定义插件的方式与系统深度交互,实现更复杂更贴合实际使用场景的助手。
配置
基本设置
在基本设置页面,你可以为AI助手进行命名、选择图标及图标颜色,并编写描述信息。
- 名称: 设置AI助手的名称。例如:"GPT"
- 图标: 选择一个图标来代表你的AI助手。
- 图标颜色: 选择图标的背景色以便于区分不同模型。
- 描述: 简要描述AI助手的功能和用途。例如:"我是OpenAI开发的大语言模型,我可以帮你解答问题"
场景引导问题
你可以预设一些常见问题和语言模型的回答策略,帮助用户快速了解和使用模型。
- 输入框占位符: 输入占位符文本,例如:"输入你的问题"
- 新增问题: 点击“新增”按钮添加常见问题及其简要描述。例如:
- "如何规划人生"(6/200字符)
- "帮我写一封求职简历"(9/200字符)
问答逻辑设置
在人设与回复逻辑设置中,你可以设定模型的回答策略。
例如:"你是一个办公助手,需要根据用户的提问回答问题。 当用户提出的问题需要你思考时,一步一步思考,等你理清楚头绪后,再调用外部工具"
如此,AI助手将会根据你设定的【人设与回复逻辑】,作为一个办公助手,在经过多次思考后,再去调用外部的工具。
编写建议
为了让AI助手达到更好的体验,建议你在编写提示时包含如下内容:
- 确定人设:描述AI助手所扮演的角色或职责、回复风格。
例如:你是一个项目管理助手,需要根据用户的提问准确的回答问题。 - 描述功能和工作流程:描述AI助手的功能和工作流程,约定AI助手在不同的场景下如何回答用户问题。
例如:当用户根据编号查询任务时,调用“get_task_by_code”工具来查询任务。
尽管AI助手会根据提示内容自动选择插件。但仍建议通过自然语言强调在何种场景下、调用哪个工具来提升对AI助手的约束力,选择更符合预期的插件以保证回复的准确性。
例如:当用户询问正在进行中的项目最新的未完成任务时,调用“get_projects” 搜索进行中的项目,再调用“get_tasks”查询进行中项目未完的任务,最终整理所有的数据给到用户。
此外,你也可以为AI助手提供回复格式的示例。AI助手会模仿提供的回复格式回复用户。
例如:
md
请参考如下格式回复:
**任务名称**
开始时间:yyyy-MM-dd hh:mm
结束时间:yyyy-MM-dd hh:mm
任务描述:20个字以内的任务描述
- 指示AI助手在指定范围内回答:如果您想限制回复范围,请直接告诉AI助手什么应该回答、什么不应该回答。
例如:拒绝回答与项目管理无关的话题;如果没有搜索到结果,请告诉用户你没有查到相关数据,而不应该编造内容。
语言模型设置
在此部分,你可以选择语言模型的提供商和具体的模型版本,已经模型的参数配置
设置项 | 说明 |
---|---|
模型提供方 | 选择或输入模型的提供方,如OpenAI |
语言模型 | 选择或输入具体的语言模型,如gpt-4-turbo |
API Key | 调用模型接口需要的API Key |
API 地址 | 选择语言模型API的地址,如https://api.openai.com/v1/chat/completions |
随机性 | 0-2的一个值,Temperature 值越大,回复越随机,数值越低,随机性就越少,结果就越确定。当该数值接近零时,模型将变得确定和重复。 |
回复的最大Token数量 | 0为无限制。提示和响应完成共同所生成的最大 token 数量,不同模型的 token 限制也不同。指定最大长度可以防止过长或不相关的响应并控制成本。 |
话题新鲜度 | presence_penalty值越大,越有可能扩展到新话题 |
频率惩罚度 | frequency_penalty值越大,越有可能降低重复字词 |
携带的对话轮次 | 每次提问,模型能记住的上下文数量 |
如何定义插件
如果说语言模型是AI的大脑,那么插件就相当于AI器官,为AI提供更多的输入或输出的能力。织信为AI助手提供了一键使用的系统插件,为它赋予基础的能力。 同时也提供了自定义插件,为设计者创造更丰富、更多元化的AI能力。
插件定义
- 名称: 插件的名称。
- 标识符: 插件的唯一标识。
- 是否启用: 控制插件在AI助手中是否启用。
- 调用说明: 插件的功能描述。
- 调用自动化: AI助手调用插件时执行的自动化。
插件定义示例
假设你要定义一个帮助创建任务的插件,定义如下:
- 插件定义
- 调用的自动化
AI助手的调试
在AI助手的搭建过程中,你需要不断根据AI助手实际表现优化和迭代提示,让AI助手体验达到预期。
在预览与调试区域,测试 Bot 的实际表现,如果不符合预期,根据 Bot 的目标,分析不符合预期的原因,并不断调整和优化回复逻辑。