如何训练出专属于“你”的问答机器人？

虽然由 ChatGPT 掀起 AI 革命已来，但是它并不能够回答“我的”问题，也不能回答“你的”问题。但它却可以回答“大家”的问题。

为什么？ChatGPT 本身便是由庞大的互联网语料库训练而成，并且这部分训练数据截止于 2021 年 9 月。如果你的产品在这个日期之前就有幸在互联网中占有一席之地，那恭喜你，GPT 可以大概率可以回答出你的产品是大概是干嘛用的。因为它会从你的官网收集已有的描述语料。具体到单独的产品或公司的细节时它便开始靠胡言乱语来敷衍你了。

大致效果如下：

这里的“胡言乱语”指的是它会用其他不相关的概念进行回答，并且你并不能够预期什么问题会有什么回答，这在商业场景下十分致命。在大多数情况下，ChatGPT 对于一些带有公理性质的知识回答是没有问题的，作为一个可以日常侃大山闲聊的对象依然是合格的，可是你却看着它的强大的学习和理解能力望洋兴叹。

“你这个孙悟空什么时候才能懂我，给我想要的回答？”

这也是为什么说它能够回应大家的问题，但是却不能够回答出“我”想要的问题。

改变发生

直到，Dify 横空出世。

你可以简单地将 Dify 理解为是一个能够帮助你进行数据清理和文档训练的地方。咱们也给狗屁通（GPT）补补课，手动给它补上缺失的语料。把它从通用型聊天机器人，变成你的专业问答机器人。是的，从侃大山到对答如流，这中间的鸿沟不是一点半点，需要强大的理解、归纳总结能力。不过这正是狗屁通（GPT）的强项。

Dify部署

教程参考：Dify知识库基于Casaos一键部署 | 浪浪云技术栈 (langlangy.com)

现在，我们打开 Dify 并注册一个聊天机器人，我们在这里选择“聊天助手”。

Duang，一个聊天机器人就做好了。

访问这个链接就可以看到一个聊天机器人了。但是，它现在也只是一个通用型聊天机器人，离商业可用的专用型问答机器人还差一个语料的距离。

准备语料

Dify 提供了一个名叫“知识库”的功能，这里就是我们上传语料的地方。

是的没错，你也可以把电子书上传进来，用 AI 帮助你提炼书本内容。

在正式开始训练前，我们得先把教材准备好。用什么呢？就用计算机人的四本圣经和考研内容吧访问仓库地址：csseky/cskaoyan: 提供计算机考研和软件工程考研专业的各个学校 考研真题 (github.com)，克隆下来。数据量真庞大，我先自己筛选下吧。就搞清华的吧，清华姚班大家考虑下。

分了这么多考试目录，让GPT搞个代码，让他给我合并到一起，一次上传，必上姚班

开始训练

现在要做的事，就是上传这个文件并静待训练成果了。

数据自动分段与清洗完成后，在刚创建的应用设置中的上下文，关联这一篇文档。

训练成功

现在再去和这个机器人互动，看看它会回答什么？好了，你已经是个成熟的问答机器人了，可以回答更加复杂的问题了。

这个问答机器人花了多久做出来，成本如何？

整理语料+训练完成控制在半个小时以内，训练成本 0.01 美元。

现在，AI 可以深入到产品内部，变成妥妥的产品专家。只要有优秀的文档，所有公司都可以打造出专用型问答机器人。