玩转ChatGPT：基于Mucloud建立本地知识库 _马尔

一、写在前面
人们普遍认为GPT有潜力颠覆教育行业，然而这种颠覆会以何种方式呈现呢？
在刘慈欣的科幻世界中，三体人拥有知识遗传的能力，这使得他们的技术迭代成本降至最低。然而，我们人类并未具备这样的特性，每个新生命从出生之初就需要接受全新的教育。作为一名肩负教育职责的科研工作者，每一次面对新生群体，都意味着重新开始的教学过程。无论在实验还是跑代码的过程中，都会有一些常见的坑，我会看着一届又一届的学生走进这些坑，然后尽力引导他们找到出路。这个过程不断重复，不仅耗费巨大的精力，也严重影响了教育效率。
因此，如果存在一个全天候在线的智能问答机器人，它能极大地提升教育效率。然而，当前的GPT在专业领域的表现仍然较弱。例如，我的一个研究领域是马尔尼菲篮状菌，这是一种在某些区域高发的艾滋病的机会性感染源，但GPT对此几乎一无所知。
我一直在蹲一个便宜的、好用的、是那么一回事的知识库建立平台，最近蹲到了一个大佬开发的平台：（慕云社）。
简单测试了一下，还不错：
二、尝鲜
（1）语料准备：
由于是简单测试，我就选取马尔尼菲篮状菌的最新最权威的综述，里面的一段来作为训练。
但是需要整理一个格式，SCI的版面经过排版，一小段的排列，如下图：
可以看到，右边都是留白，说明存在断行符，可能会影响文本的拆分。同时，论文中存在参考文献，需要去掉。这里我使用GPT来处理：
咒语：请整理下面{段落}，要求去掉换行符，以及参考文献；
段落为：{XXXX}；
【玩转ChatGPT：基于Mucloud建立本地知识库】参考文献格式为：（数字）。

文章插图
GPT-4输出了干净清爽的word文本：
（2）开始建立知识库：
（a）打开网址：；点击“”
（b）点击“立即开始”，完成注册，点击登录；
（c）点击“知识库”，新建一个知识库；
（d）导入你的知识库；
注意：支持 .txt,.doc,.docx,.pdf,.md 文件。Gpt会自动对文本进行QA拆分，需要较长训练时间，拆分需要消耗，账号余额不足时，未拆分的数据会被删除。一个1个文本。
（d）经过等待后，导入成功。为了保险，我又手动添加了一些信息：的中文名称是马尔尼菲篮状菌，简称为T. ，或者TM，或者Tm 。造成的疾病叫做马尔尼菲篮状菌病，英文为。以及马尔尼菲篮状菌属于篮状菌属，英文为。

文章插图
（f）简单的测试：
输入一个问题：什么是马尔尼菲篮状菌？点击测试，就会从知识库里自动匹配出相关信息，检查一下是否匹配正确。若不正确，需要进行知识的补充。
（g）关联知识库：
点击“调整搜索参数”，进行设置“相似度”和“单词搜索数量”：
（g）立即对话：
还阔以，马马虎虎。毕竟学习资料只有一段话。
（f）看看收费情况：
其实我倒腾了挺久了，20次多账单记录，一共是花费了1.2RMB吧，也还好。
三、总结
这或许揭示了未来教学机器人的发展初期模型和思路。预见到各专业领域都将拥有专属于自己的辅助机器人，并在多模态数据的融合下，其功能将日益强大。
然而，也必须承认其存在的不足。首要的挑战在于需要大量高质量的语料库进行训练，这将直接导致Token使用费用的显著增长。简而言之，实现这一目标仍需要投入大量的资金。