Tencent Cloud LKE (Mecanismo de conhecimento de modelo grande): versão estável em rede de terceiros do DeepSeek-R1

Introdução geral

O Large Model Knowledge Engine (LKE) é uma plataforma de criação de aplicativos inteligentes para usuários corporativos lançada pela Tencent Cloud. Ele combina uma poderosa tecnologia de modelo de linguagem grande com dados proprietários da empresa para ajudar os usuários a criar rapidamente questionários de conhecimento, aplicativos RAG (Retrieval Augmented Generation), inteligências de agente e fluxos de trabalho, etc. O LKE foi projetado para promover a aplicação de modelos grandes em cenários empresariais e é aplicável a vários setores, como educação, finanças e comércio eletrônico. Seja para melhorar a eficiência do atendimento ao cliente ou otimizar o gerenciamento do conhecimento interno, o LKE pode oferecer soluções eficientes por meio do diálogo em linguagem natural e da configuração com pouco código. Atualmente, a plataforma suporta uma chamada gratuita por tempo limitado para a API do modelo DeepSeek, que reduz o limite de uso corporativo e permite que mais usuários experimentem a conveniência da inteligência.

É uma ferramenta para criar rapidamente uma base de conhecimento profissional e, portanto, fornece um modelo grande "puro" que é estável o suficiente para ser usado diariamente.O portal de experiência está aqui. E, é claro, você pode criar uma base de conhecimento inteligente a baixo custo aqui.

Taxa de resposta completa + taxa de truncamento + taxa de ausência de resposta = 100%

• Taxa de resposta completaO modelo fornece respostas completas sem truncamento, sem resposta, etc., mas não leva em conta se a resposta está correta ou incorreta; em seguida, é dividido pelo número total de perguntas para obter uma proporção.
• taxa de truncamentoO modelo foi desconectado no processo de resposta e não deu uma resposta completa; o primeiro foi então dividido pelo número total de perguntas para obter a proporção.
• taxa de não respostaModelos que não forneceram respostas por motivos especiais, por exemplo, ausência de resposta/erro de solicitação; o primeiro foi dividido pelo número total de perguntas para obter a proporção.
• precisãoPara perguntas em que o modelo fornece uma resposta completa, a proporção de respostas ao modelo que concordam com a resposta correta; para a resposta correta, somente a resposta final é analisada e a solução não é verificada.
• Tempo de raciocínio consumido (segundos/pergunta)Para perguntas em que o modelo dá uma resposta completa, o modelo infere o tempo médio gasto para cada resposta.

Problemas de teste

Problema: Duas pessoas, A e B, estão viajando de A para B ao mesmo tempo em uma bicicleta a bateria, sendo que A viaja 1,5 vez mais rápido que B. B está viajando 10 quilômetros em uma bicicleta a bateria. Depois que B percorreu 10 quilômetros, a bicicleta quebrou e B imediatamente começou a consertá-la. O conserto leva 1/9 do tempo que B levou para concluir a viagem na velocidade original, mas, após o conserto, a velocidade de B aumentou em 1001 TP3 T. Por fim, A e B chegam ao local B ao mesmo tempo. Qual é a distância entre os locais A e B?

Resposta de referência: 90 quilômetros.

Pergunta: Xiao Ming começa sua lição de casa entre 16h e 17h, quando o ponteiro dos minutos e o ponteiro das horas no relógio coincidem, e para quando o ponteiro dos minutos e o ponteiro das horas estão em ângulos retos pela primeira vez; em seguida, ele começa a ler uma história em quadrinhos até que o ponteiro dos minutos e o ponteiro das horas estejam na mesma linha reta pela primeira vez. Então, quantos minutos Ming gastou escrevendo sua lição de casa e lendo a história em quadrinhos, respectivamente? (Mantenha o resultado em uma casa decimal)

Resposta de referência: cerca de 16,4 minutos para escrever o dever de casa e cerca de 16,4 minutos para ler histórias em quadrinhos.

Lista de funções

• Sistema de teste de conhecimentoCrie rapidamente serviços inteligentes de perguntas e respostas com base em dados corporativos proprietários, nos quais os usuários podem inserir perguntas e obter respostas precisas.
• Suporte a aplicativos RAGGerar respostas mais precisas combinando bases de conhecimento externas por meio de técnicas de geração aprimoradas por pesquisa.
• Construção inteligente de carrocerias por agentesCrie assistentes inteligentes que automatizem tarefas, como respostas automáticas ou processos simples.
• Otimização do fluxo de trabalhoProjetar e automatizar processos comerciais para melhorar a colaboração da equipe.
• Análise e visualização de documentosExtraia informações importantes após o upload de documentos, suporte à visualização e análise de conteúdo.
• Várias rodadas de reescrita de diálogosOtimização das consultas do usuário com base no histórico de diálogo para aprimorar a experiência de interação em várias rodadas.
• vetorização de textoTransforma texto em vetores numéricos para recuperação, recomendação e outros cenários.
• configuração com pouco códigoInterface visual: fornece uma interface visual que permite aos operadores gerenciar a base de conhecimento sem programação.

Usando a Ajuda

1. registro e login

• Abra o site da Tencent Cloud (cloud.tencent.com), clique no botão "Register" (Registrar) no canto superior direito e preencha seu e-mail ou número de telefone celular para concluir a criação da conta.
• Após o registro bem-sucedido, retorne à página do LKE, clique em "Login" e digite a senha da sua conta para acessar o console.
• Se você já tiver uma conta da Tencent Cloud, poderá fazer login diretamente.

2. acesso ao console do LKE

• Depois de fazer login, pesquise por "Large Model Knowledge Engine" no console do Tencent Cloud ou acesse diretamente o site do LKE.
• Clique no botão "Experience Now" (Experimente agora) para acessar a interface de administração do LKE. Talvez você precise autorizar a LKE pela primeira vez, basta concordar com os Termos de serviço.

3. criação do primeiro aplicativo de conhecimento

• Etapa 1: Novo aplicativo
  • Na página inicial da LKE, clique no botão "Create Application" (Criar aplicativo).
  • Digite o nome do aplicativo (por exemplo, "Customer Service Assistant"), selecione o tipo de aplicativo (Knowledge Quiz, Agent, etc.) e clique em "OK".
• Etapa 2: Carregamento de dados de conhecimento
  • Clique em "Knowledge Base Management" (Gerenciamento da base de conhecimento) no aplicativo e selecione "Upload Files" (Carregar arquivos).
  • Suporta o upload de PDF, Word, TXT e outros formatos. Clique em "Confirm Upload" (Confirmar upload) e o sistema analisará automaticamente o conteúdo do documento.
  • Após o upload, você pode verificar os resultados da análise na função "Preview" para garantir que o conteúdo esteja correto.
• Etapa 3: Configurar a lógica de Q&A
  • Vá para o módulo "Q&A Configuration" (Configuração de perguntas e respostas) para configurar as perguntas frequentes e os modelos de resposta.
  • Ative a função RAG, marque a caixa "Search Enhanced Generation" e o sistema otimizará a resposta com base na base de conhecimento.
• Etapa 4: Teste e ajuste
  • Digite uma pergunta na área "Test" (Teste), como "What is the company's policy?" (Qual é a política da empresa?) para ver a resposta do sistema.
  • Ajuste o conteúdo da base de conhecimento ou a lógica do questionário com base nos resultados do teste até ficar satisfeito.

4. explicação detalhada da operação de funções especiais

• Análise e visualização de documentos
  • No Gerenciador da Base de Conhecimento, clique no arquivo carregado e selecione "Get Preview" (Obter visualização).
  • O sistema exibe o conteúdo principal do documento, como títulos e resumos de parágrafos, e o usuário pode ajustar manualmente o intervalo de análise.
  • Se precisar de uma análise mais detalhada, entre em contato com o atendimento ao cliente da Tencent Cloud para abrir o "Document Parsing Atomic Capability".
• Várias rodadas de reescrita de diálogos
  • Ative o recurso "QueryRewrite" para inserir perguntas vagas como "Where is it?" em um diálogo de várias rodadas. .
  • O sistema reescreverá a pergunta no contexto do texto anterior (por exemplo, "Qual é a política da empresa?") e gerará uma resposta completa. e gera a resposta completa.
  • Cenários de uso: atendimento inteligente ao cliente, pesquisa de conversação.
• Vetorização de texto (GetEmbedding)
  • Na tela Atomic Capabilities (Capacidades atômicas), selecione Get Vector (Obter vetor).
  • Insira um texto, como "Product Description" (Descrição do produto), clique em "Generate" (Gerar) e o sistema retornará um vetor de valores.
  • Pode ser usado para recuperação de conhecimento ou sistema de recomendação, é necessário cooperar com a chamada de API (a documentação detalhada pode ser encontrada no site oficial da tencent cloud).
• Inteligência do agente
  • Em "Agent Management" (Gerenciamento de agentes), clique em "New Agent" (Novo agente).
  • Defina metas de tarefas, como "Autoresponders", e carregue modelos relevantes.
  • Teste o efeito da execução do agente, ajuste os detalhes das instruções, salve e entre em ação.

5. recomendações e precauções de uso

• Preparação de dadosVerifique se o documento está claro antes de fazer o upload; evite documentos digitalizados ou formatados de forma confusa.
• teste e verificaçãoTeste: várias rodadas de testes antes de entrar em operação para garantir a precisão das respostas.
• gerenciamento de direitosDefina os direitos de acesso no console do Tencent Cloud para evitar o vazamento de dados.
• chamada gratuitaAproveite os créditos gratuitos da API do modelo DeepSeek para priorizar sua experiência com a funcionalidade principal.

Com as etapas acima, os usuários podem começar a usar o LKE rapidamente. Independentemente de você ser uma empresa de pequeno ou médio porte ou uma grande organização, a operação com pouco código e as funções avançadas do LKE podem atender a diversas necessidades. Recomenda-se a atualização regular da base de conhecimento para manter as perguntas e respostas atualizadas.