期望通过本地化部署一个基于LLM模型的应用，能让大家对构建一个完整的应用有一个基本认知。包括基本的软硬环境依赖、底层的LLM模型、中间的基础框架及最上层的展示组件，最终能达到在本地零编码体验的目的。

❝ 对于想体验ChatGPT PLus的小伙伴，可能觉得自己一个人一个月花费20美元，相对于人民币每

本文将基于提示学习方式，利用嵌入技术（embedding），通过嵌入模型，将数据集内容转化为向量，基于火山引擎云搜索服务和方舟平台构建专属的智能问答系统。

在自建知识库中应用，通过将文本转化为嵌入向量的形式，搭配 OpenAI 的问答系统可以根据用户的提问，从自建知识库中智能查找相关信息并给出回答。

Agent不仅将改变人们与计算机的互动方式，还将颠覆软件行业，引发自从我们从键入命令到点击图标以来计算机领域的最大革命。

如今AI爆发的时代，每个人都想借着AI这股风，进行变现，今天给大家分享一个开源项目，他可以让你基于AI的能力进行变现 ,这个项目在Github有1.8k个star，可见其欢迎程度

[FastGPT](https://fastgpt.run/) V4 版本已经发布，可以通过 Flow 可视化进行工作流编排，从而实现复杂的问答场景，例如联网谷歌搜索，操作数据库等等，功能非常强大，

基于私有化部署的开源大模型，结合内部知识库的 Code Review 实践，实现一个类似代码评审助手（CR Copilot）

上一篇里，树先生教大家利用 ChatGLM-6B + langchain 实现个人专属知识库，实际运行下来，发现2个问题： 1、购买的 16G 显存的 GPU 云服务，在 FP16 精度下，多轮对话到