：一个本地知识库问答系统，支持多种文件格式和数据库，允许离线安装和使用。

：一个本地知识库问答系统，支持多种文件格式和数据库，允许离线安装和使用。 使用QAnything可以简单地删除本地存储的任何格式的文件，并获得准确、快速和可靠的答案。 目前支持的格式包括：PDF、Word（doc/docx）、PPT、Markdown、Eml、TXT、图像（jpg、png 等）、Web 链接以及即将推出的更多格式... 主要特征 数据安全，支持全程不插网线安装使用。 跨语言QA支持，中英文QA自由切换，无论文档语言如何。 支持海量数据QA，两阶段检索排序，解决大规模数据检索的退化问题；数据越多，性能越好。 高性能生产级系统，可直接部署用于企业应用。 人性化，无需繁琐配置，一键安装部署，即用即用。 多知识库QA支持选择多个知识库进行问答

相关推荐

封面图片

项目Fast GPT功能：AI知识库搭建

项目Fast GPT 项目功能：AI知识库搭建 项目简介：一个快速使用 openai api 的平台。支持一键构建AI知识库，支持多用户、多模型管理。 可以使用任意文本来训练自己的知识库、文档库，而且知识库专有模型可以限定为“只能回答知识库相关问题，其他问题一律不予回答”。 项目地址：点击直达
封面图片

：用向量数据库基于RAG(检索增强生成)方式搭建一个中国历史问答应用，这个应用接受用户的询问，从历史语料库中检索相关的历史资料片

：用向量数据库基于RAG(检索增强生成)方式搭建一个中国历史问答应用，这个应用接受用户的询问，从历史语料库中检索相关的历史资料片段，利用大语言模型给出较为可靠的回答。 相比于直接询问大模型，这种方式具有回答准确率高，不容易产生大模型的“幻觉”问题等优点。 本项目实现了两种使用方式： “Milvus方案“在本地启动一个Milvus向量数据库的Docker服务，使用LlamaIndex框架和本地BAAI/bge-base-zh-v1.5Embedding模型实现RAG的业务逻辑。 “Zilliz Cloud Pipelines方案”使用云上的知识库检索服务Zilliz Cloud Pipelines，该服务包括了RAG流程的文档切片、向量化、向量检索等功能。 两种方案均使用OpenAI的GPT4作为大语言模型。
封面图片

国家图书馆《山海经》知识库向公众开放，免费提供海量书影、数字化长卷

国家图书馆《山海经》知识库向公众开放，免费提供海量书影、数字化长卷 国家图书馆发布了《山海经》知识库，对国家图书馆已收录的 92 种《山海经》古籍的内容实现了文本、图像等信息的多维多向关联，读者可通过知识库免费浏览《山海经》海量书影和数字化图轴长卷，进行文献检索和版本比对等。同时，用户还可以个性化标引地图、检索图像、涂色。 报道称，《山海经》知识库一期于 2021 年启动，经过 3 年的深度加工和整理，现已上万条专名标引，面向公众开放。 读者可登录国家图书馆官网或《山海经》知识库网址免费使用该知识库。来源 ， 频道：@kejiqu 群组：@kejiquchat
封面图片

谷歌将 Stack Overflow 的知识库引入 Gemini for Google Cloud

谷歌将 Stack Overflow 的知识库引入 Gemini for Google Cloud 开发者问答网站 Stack Overflow 今天推出了一项新计划，人工智能公司将能通过一个新的 OverflowAPI 访问其知识库。此项目的首个合作伙伴是谷歌，它将使用 Stack Overflow 的数据来丰富谷歌云的 Gemini，并在谷歌云控制台中提供经过验证的 Stack Overflow 答案。与此同时，Stack Overflow 将与谷歌合作，为其平台带来更多 AI 驱动的功能，这一过程在去年推出 OverflowAI 时就已开始，但还未正式确定正式产品的功能。谷歌和 Stack Overflow 计划在四月份的谷歌云 Next 会议上预览这些集成。
封面图片

TON在Stack Overflow上的知识库

TON在Stack Overflow上的知识库 TON基金会正在为在平台上为The Open Network的知识库做出贡献的TON开发人员和爱好者推出一项奖励计划。 每月一次，对TON提出问题的最活跃参与者和回答其他用户问题的参与者将获得Toncoin和NFT的奖品。 您可以在此处阅读有关新计划的更多详细信息： 什么是Stack Overflow？ Stack Overflow是一个为程序员提供问答的网站，是世界上最著名的编码资源之一。 该平台的知识库拥有数百万个问题和数千万个答案。该网站每月访问量超过1亿。 为什么这个平台对TON很重要？ 程序员在编程时经常会遇到同样的问题。 因此强大的问题和答案数据库允许开发人员快速有效地找到问题的解决方案，而无需花费数小时阅读涵盖专业主题的聊天记录。 我们鼓励所有编程专家加入TON知识库的建设，并以此赢得奖品。
封面图片

基于向量数据库与GPT3.5的通用本地知识库方案 | 整个流程非常简单，也没有复杂的地方，相信关注GPT领域的都会看到过如上的流

基于向量数据库与GPT3.5的通用本地知识库方案 | 整个流程非常简单，也没有复杂的地方，相信关注GPT领域的都会看到过如上的流程。 主要就以下几个点： 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。 作者打算以此做一个基于默沙东诊疗手册的问诊AI。​

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人