罗列大模型常用的应用场景

与大模型对话技巧，让AI更懂你

Pycharm专业版可以配置SSH Remote连接远端服务器并在远端服务器上调试程序(搜索SSH Interpreter会有很多教程)。但如果我们想在本地电脑上通过Pycharm运行Docker容器并在Pycharm中使用debug方式启动Flask服务脚本（如start_server.py）,在使用Postman请求容器内服务接口的时候，可以通过在Pycharm打断点的方式查看各个环节的状态。

结合FastAPI和Ollama大模型实现大模型聊天接口能力

​为实现非结构化数据的高效检索，关键在于将其转化为结构化的表示形式。通过对海量文档进行文本分块、向量化处理，并将其存储于专用数据库中，可将非结构化内容转换为数值化的向量表示。在进行检索时，查询内容经过相同的向量化处理，通过计算向量间的相似度，从数据库中找出与之最接近的k个向量。最终，所需的答案即蕴含于这k个向量所对应的文本块之中。当我们面临的内容不再是数据，而是知识，提出的问题也不再局限于某个字段

利用少量的样本（提示词中加入【示例】）引导模型对特定任务进行学习和执行。示例中通常需要包含问题（或任务描述）及相应的答案（解决方案）。什么时候需要少样本提示词？当想让模型复制一种难以明确描述的特定响应风格的时候。少样本提示可以改善模型的性能。

​为实现非结构化数据的高效检索，关键在于将其转化为结构化的表示形式。通过对海量文档进行文本分块、向量化处理，并将其存储于专用数据库中，可将非结构化内容转换为数值化的向量表示。在进行检索时，查询内容经过相同的向量化处理，通过计算向量间的相似度，从数据库中找出与之最接近的k个向量。最终，所需的答案即蕴含于这k个向量所对应的文本块之中。当我们面临的内容不再是数据，而是知识，提出的问题也不再局限于某个字段

一致性原则：你的文本分割器应该与你的嵌入模型和LLM的tokenizer保持一致。OpenAI生态 -> 用tiktokenHugging Face / Sentence Transformers 生态 -> 用质量优先原则：如果一致性不是问题（例如，你只关心内容而不调用外部API），且对语义完整性要求高，选择。实验验证：没有绝对的“最佳”。在你的测试集上，用不同的分割器生成块，设置不同的 chu