Hi大家好,我是腾讯ima

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
AITNT-国内领先的一站式人工智能新闻资讯网站 搜索
Hi大家好,我是腾讯ima
5747点击    2024-11-15 15:51

今天,给大家介绍一款我们最近新出的产品,AI智能工作台ima.copilot(简称ima)


长这样:


Hi大家好,我是腾讯ima


看到这,是不是觉得和市面上的大模型AI问答产品差不多,一个搜索框,可以问问题、创作文字、生成图片~


但是如果你用一下,就会发现有大不同。


Hi大家好,我是腾讯ima


首先,ima搜索得出的答案,除开全网信源,还打通——微信公众号文章的生态。


整个公众号世界里的优质知识,都可为你所用。能为用户提供好答案和高质量的问题相关信息,有效提升信息获取效率。


(假如,以一个励志成为美发行业大拿的Tony理发师为例)


Hi大家好,我是腾讯ima


比如:如何成为一个美发师?


比如:第一次给顾客剪头发要注意什么?


比如:怎样道歉,可以让顾客快速消气?


比如:剪完头,被顾客打应该怎么维权?


比如:如何提升个人的审美?


比如:如何让顾客微笑走出理发店?


比如:如何开理发分店?


比如:头发由哪些元素组成?


比如:如何出有关美发方面的书?


……


从入门,到精通,事无巨细的行业问题,Tony都可以通过ima找到优质答案。


Hi大家好,我是腾讯ima


Hi大家好,我是腾讯ima


最近全网火热的「人民的理发师晓华」, 也作为一个信源被纳入。


Hi大家好,我是腾讯ima


总而言之,ima系统模型会根据用户查询的问题,综合检索公众号在内全网信源,结合匹配度、时鲜度等多种因素来筛选最佳内容,让用户得到优质回答。


Hi大家好,我是腾讯ima


除了能搜出答案,ima 还有一个特点——边问边看边搜边记,让你轻松弄懂知识点。


比如,Tony在学习美发历史文章时,他发现“剃头挑子”这个词,便可以选中词语,继续解读。


Hi大家好,我是腾讯ima


不止网络上的资料,本地上百页的文献,几十万字的行业经验,Tony只需要把文件拉入到ima的对话框里,它便可以总结内容,提炼要点,生成脑图。


Hi大家好,我是腾讯ima


能让他快速了解资料内容,从而更加深入地学习。


外文也没关系,ima可以翻译多种语言,国内外的资料文献,都能消化得妥妥的。


重点来了,所有的知识点,都能保存在自己的知识库里。


这意味着:


Tony建造了自己的美发大模型——一座他精心搭建的「美发图书馆」,ima就是图书馆的管理员,需要哪块的资料,它就能调取哪块资料。


Tony以后提问,不仅可以选择全网信源进行回答,还可以从这座自己精心筛选信息搭建而成的「美发图书馆」知识库进行回答,更加精准对口。(运用 RAG 技术,把用户的个人知识通过向量化存储嵌入的方式,挂载到大模型上,必要时从中检索信息并最终生成结果,给通用大模型添加 “记忆”,用户越用 ima,ima 就会越懂用户。)


Hi大家好,我是腾讯ima


Hi大家好,我是腾讯ima


正所谓,好记性不如烂笔头,烂笔头不如备忘录。


ima还是一款非常好用的编辑工具。


搜到的答案,解读的资料,只需要选中你要的部分,就可以生成笔记,直接进行编辑。


Tony把“剃头挑子”知识点,变成笔记,通过编辑后,加深印象,以后便可以成为他空闲时候看的小抄本,也可以向顾客多讲讲理发的故事。


Hi大家好,我是腾讯ima


同时,Tony在阅读时,也可以随时把自己的感悟写成笔记。没好想法时,还可以让ima帮忙扩写,润色,找灵感。


比如,Tony终于要自己开一家新店,需要一个「理发」规范给所有同事参考。


Hi大家好,我是腾讯ima


随时看,随时写,随时记。


从搜资料,到出成果,在ima上都可以一站式完成。


拥有了ima就相当于:拥有了一座专属图书馆一位24小时在线专属私人助理一个专属工作区间。


相信通往行业大拿道路上的Tony一定能事半功倍。


Hi大家好,我是腾讯ima


这是一款由我们腾讯混元大模型提供技术支持的新产品。


今天,继Mac版本后,ima也正式上线了Windows版本。


文章来自于微信公众号“腾讯”


Hi大家好,我是腾讯ima

关键词: AI , ima , 智能体 , 人工智能
AITNT-国内领先的一站式人工智能新闻资讯网站
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
知识库

【开源免费】FASTGPT是基于LLM的知识库开源项目,提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信,飞书的AI项目都基于该项目二次开发。

项目地址:https://github.com/labring/FastGPT

2
RAG

【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。

项目地址:https://github.com/microsoft/graphrag

【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。

项目地址:https://github.com/langgenius/dify


【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。

项目地址:https://github.com/infiniflow/ragflow/tree/main


【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目

项目地址:https://github.com/phidatahq/phidata


【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。

项目地址:https://github.com/TaskingAI/TaskingAI