Tencent Cloud LKE (Large Model Knowledge Engine): Stabile vernetzte Version von Drittanbietern DeepSeek-R1

Allgemeine Einführung

Large Model Knowledge Engine (LKE) ist eine intelligente Plattform zur Erstellung von Anwendungen für Unternehmensanwender, die von Tencent Cloud eingeführt wurde. Sie kombiniert leistungsstarke Big-Language-Model-Technologie mit unternehmenseigenen Daten, um den Nutzern zu helfen, schnell Wissensquizze, RAG (Retrieval Augmented Generation)-Anwendungen, Agentenintelligenz und Workflows usw. zu erstellen. LKE wurde entwickelt, um die Anwendung von Big-Models in Unternehmensszenarien zu fördern, und ist für eine Vielzahl von Branchen wie Bildung, Finanzen und E-Commerce geeignet. Ob es darum geht, die Effizienz des Kundendienstes zu verbessern oder das interne Wissensmanagement zu optimieren, LKE kann durch natürlichsprachliche Dialoge und Low-Code-Konfiguration effiziente Lösungen bieten. Derzeit unterstützt die Plattform einen zeitlich begrenzten, kostenlosen Aufruf der DeepSeek-Modell-API, der die Schwelle für die Nutzung durch Unternehmen senkt und es mehr Nutzern ermöglicht, den Komfort der Intelligenz zu erleben.

Es ist ein Werkzeug zum schnellen Aufbau einer professionellen Wissensbasis und bietet daher ein "reines" großes Modell, das stabil genug ist, um täglich verwendet zu werden.Das Erlebnisportal ist hier. Und natürlich können Sie hier kostengünstig eine intelligente Wissensdatenbank erstellen.

Vollständige Antwortquote + Abbruchquote + keine Antwortquote = 100%

• Vollständige AntwortquoteDas Modell gibt vollständige Antworten ohne Abschneiden, keine Antwort usw., berücksichtigt aber nicht, ob die Antwort richtig oder falsch ist; sie wird dann durch die Gesamtzahl der Fragen geteilt, um einen Anteil zu erhalten.
• TrunkierungsrateDas Modell wurde bei der Beantwortung abgehängt und hat keine vollständige Antwort gegeben; ersteres wurde dann durch die Gesamtzahl der Fragen geteilt, um das Verhältnis zu erhalten.
• keine BeantwortungsquoteModelle, die aus besonderen Gründen nicht geantwortet haben, z. B. keine Antwort/ Fehler bei der Anfrage; erstere wurden dann durch die Gesamtzahl der Fragen geteilt, um das Verhältnis zu erhalten.
• GenauigkeitBei Fragen, bei denen das Modell eine vollständige Antwort liefert, der Anteil der Antworten auf das Modell, die mit der richtigen Antwort übereinstimmen; bei der richtigen Antwort wird nur die endgültige Antwort betrachtet und die Lösung nicht überprüft.
• Benötigte Zeit für das Denken (Sekunden/Frage)Bei Fragen, auf die das Modell eine vollständige Antwort gibt, ermittelt das Modell die durchschnittliche Zeit, die für jede Antwort benötigt wird.

Probleme beim Testen

Problem: Zwei Personen, A und B, fahren gleichzeitig mit einem batteriebetriebenen Fahrrad von A nach B, wobei A 1,5 mal schneller fährt als B. B fährt 10 Kilometer mit einem batteriebetriebenen Fahrrad. Nachdem B 10 Kilometer gefahren ist, geht das Fahrrad kaputt und B beginnt sofort mit der Reparatur. Die Reparatur dauert 1/9 der Zeit, die B benötigt hat, um die Strecke mit der ursprünglichen Geschwindigkeit zurückzulegen, aber nach der Reparatur hat sich die Geschwindigkeit von B um 1001 TP3 T erhöht. Wie groß ist die Entfernung zwischen den Orten A und B?

Referenzantwort: 90 Kilometer.

Frage: Xiao Ming beginnt seine Hausaufgaben zwischen 16:00 und 17:00 Uhr, wenn der Minutenzeiger und der Stundenzeiger auf der Uhr zusammenfallen, und hört auf, wenn der Minutenzeiger und der Stundenzeiger zum ersten Mal einen rechten Winkel bilden; dann beginnt er mit dem Lesen eines Comics, bis der Minutenzeiger und der Stundenzeiger zum ersten Mal auf einer geraden Linie liegen. Wie viele Minuten hat Ming also mit dem Schreiben seiner Hausaufgaben bzw. dem Lesen des Comics verbracht? (Behalten Sie das Ergebnis mit einer Dezimalstelle)

Referenzantwort: etwa 16,4 Minuten für das Schreiben von Hausaufgaben und etwa 16,4 Minuten für das Lesen von Comics.

Funktionsliste

• Wissensquiz-SystemSchnelles Erstellen intelligenter Q&A-Dienste auf der Grundlage eigener Unternehmensdaten, bei denen Benutzer Fragen eingeben und genaue Antworten erhalten können.
• RAG Application SupportGenerierung präziserer Antworten durch die Kombination externer Wissensbasen mittels suchgestützter Generierungstechniken.
• Agent Intelligent Body ConstructionIntelligente Assistenten erstellen, die Aufgaben automatisieren, z. B. automatisch antworten oder einfache Prozesse abwickeln.
• Optimierung des ArbeitsablaufsEntwurf und Automatisierung von Geschäftsprozessen zur Verbesserung der Teamzusammenarbeit.
• Dokument-Parsing und VorschauExtrahieren von Schlüsselinformationen nach dem Hochladen von Dokumenten, Unterstützung von Vorschau und Inhaltsanalyse.
• Mehrere Runden des Umschreibens von DialogenOptimierung von Benutzeranfragen auf der Grundlage des Dialogverlaufs, um die Interaktionserfahrung in mehreren Runden zu verbessern.
• TextvektorisierungTransformiert Text in numerische Vektoren für Suchvorgänge, Empfehlungen und andere Szenarien.
• Low-Code-KonfigurationBietet eine visuelle Schnittstelle, die es den Benutzern ermöglicht, die Wissensdatenbank ohne Programmierung zu verwalten.

Hilfe verwenden

1. die Registrierung und Anmeldung

• Öffnen Sie die Tencent Cloud-Website (cloud.tencent.com), klicken Sie auf die Schaltfläche "Registrieren" in der oberen rechten Ecke und geben Sie Ihre E-Mail-Adresse oder Mobiltelefonnummer ein, um die Kontoerstellung abzuschließen.
• Kehren Sie nach erfolgreicher Registrierung zur LKE-Seite zurück, klicken Sie auf "Login" und geben Sie Ihr Account-Passwort ein, um auf die Konsole zuzugreifen.
• Wenn Sie bereits ein Tencent Cloud-Konto haben, können Sie sich direkt anmelden.

2. den Zugang zur LKE-Konsole

• Suchen Sie nach der Anmeldung in der Tencent Cloud-Konsole nach "Large Model Knowledge Engine" oder besuchen Sie direkt die LKE-Website.
• Klicken Sie auf die Schaltfläche "Jetzt erleben", um die LKE-Verwaltungsoberfläche zu öffnen. Möglicherweise müssen Sie LKE zum ersten Mal autorisieren, stimmen Sie einfach den Nutzungsbedingungen zu.

3. die Erstellung der ersten Wissensanwendung

• Schritt 1: Neue Anmeldung
  • Klicken Sie auf der LKE-Homepage auf die Schaltfläche "Bewerbung erstellen".
  • Geben Sie den Namen der Anwendung ein (z. B. "Kundendienstassistent"), wählen Sie den Anwendungstyp (Wissensquiz, Agent usw.) und klicken Sie auf "OK".
• Schritt 2: Hochladen von Wissensdaten
  • Klicken Sie innerhalb der Anwendung auf "Knowledge Base Management" und wählen Sie "Dateien hochladen".
  • Sie können PDF-, Word-, TXT- und andere Formate hochladen. Klicken Sie auf "Upload bestätigen", und das System wird den Inhalt des Dokuments automatisch analysieren.
  • Nach dem Hochladen können Sie die Parsing-Ergebnisse mit der Funktion "Vorschau" überprüfen, um sicherzustellen, dass der Inhalt korrekt ist.
• Schritt 3: Konfigurieren Sie die F&A-Logik
  • Gehen Sie zum Modul "Q&A Konfiguration", um FAQs und Antwortvorlagen einzurichten.
  • Aktivieren Sie die RAG-Funktion, kreuzen Sie das Kästchen "Search Enhanced Generation" an und das System optimiert die Antwort auf der Grundlage der Wissensdatenbank.
• Schritt 4: Testen und Einstellen
  • Geben Sie eine Frage in den Bereich "Test" ein, z. B. "Wie lautet die Firmenpolitik?", um die Antwort des Systems zu sehen.
  • Passen Sie den Inhalt der Wissensdatenbank oder die Quizlogik anhand der Testergebnisse an, bis Sie zufrieden sind.

4. ausführliche Erläuterung der Bedienung von Sonderfunktionen

• Dokument-Parsing und Vorschau
  • Klicken Sie im Knowledge Base Manager auf die hochgeladene Datei und wählen Sie "Vorschau abrufen".
  • Das System zeigt die wichtigsten Inhalte des Dokuments an, z. B. Überschriften und Absatzzusammenfassungen, und der Benutzer kann den Parsing-Bereich manuell anpassen.
  • Wenn Sie ein detaillierteres Parsing benötigen, können Sie sich an den Tencent Cloud-Kundendienst wenden, um die "Document Parsing Atomic Capability" zu öffnen.
• Mehrere Runden des Umschreibens von Dialogen
  • Aktivieren Sie die Funktion "QueryRewrite", um vage Fragen wie "Wo ist es?" in einem Dialog mit mehreren Runden einzugeben. .
  • Das System schreibt die Frage im Kontext des vorangegangenen Textes um (z. B. "Wie lautet die Firmenpolitik?") und generiert eine vollständige Antwort. und generiert die vollständige Antwort.
  • Anwendungsszenarien: intelligenter Kundenservice, dialogorientierte Suche.
• Textvektorisierung (GetEmbedding)
  • Wählen Sie auf dem Bildschirm Atomic Capabilities die Option Get Vector.
  • Geben Sie einen Text ein, z. B. "Produktbeschreibung", klicken Sie auf "Generieren", und das System gibt einen Vektor von Werten zurück.
  • Kann für die Wissensabfrage oder Empfehlungssystem verwendet werden, müssen mit der API-Aufruf (ausführliche Dokumentation siehe Tencent Cloud offiziellen Website) zu kooperieren.
• Agent Intelligence
  • Klicken Sie unter "Agentenverwaltung" auf "Neuer Agent".
  • Legen Sie Aufgabenziele fest, z. B. "Autoresponder", und laden Sie entsprechende Vorlagen hoch.
  • Testen Sie die Auswirkungen der Ausführung des Agenten, passen Sie die Details der Anweisungen an, speichern Sie sie und gehen Sie in Betrieb.

(5) Empfehlungen und Vorsichtsmaßnahmen für die Verwendung

• Vorbereitung der DatenVergewissern Sie sich vor dem Hochladen, dass das Dokument eindeutig ist; vermeiden Sie eingescannte oder verwirrend formatierte Dokumente.
• Testen und PrüfenMehrere Testrunden vor der Veröffentlichung, um die Genauigkeit der Antworten zu gewährleisten.
• RechteverwaltungZugriffsrechte in der Tencent Cloud-Konsole festlegen, um Datenverluste zu vermeiden.
• kostenloser AnrufNutzen Sie die Vorteile der kostenlosen Credits der DeepSeek Model API, um die Kernfunktionalität vorrangig zu nutzen.

Mit den oben genannten Schritten können Benutzer schnell mit LKE beginnen. Ob Sie ein kleines oder mittleres Unternehmen oder eine große Organisation sind, LKEs Low-Code-Bedienung und leistungsstarke Funktionen können verschiedene Bedürfnisse erfüllen. Es wird empfohlen, die Wissensbasis regelmäßig zu aktualisieren, um die Fragen und Antworten auf dem neuesten Stand zu halten.