From f7de620f47405dc3cc02fc13d29a852f5c802d64 Mon Sep 17 00:00:00 2001 From: qingzhong1 Date: Wed, 27 Dec 2023 03:35:04 +0000 Subject: [PATCH] modify cookbook --- ...x.ipynb => FunctionalAgentWithRetrieval_llama_index.ipynb} | 4 ++-- 1 file changed, 2 insertions(+), 2 deletions(-) rename erniebot-agent/examples/cookbook/{FunctionalAgentWithRetrieval_lamma_index.ipynb => FunctionalAgentWithRetrieval_llama_index.ipynb} (97%) diff --git a/erniebot-agent/examples/cookbook/FunctionalAgentWithRetrieval_lamma_index.ipynb b/erniebot-agent/examples/cookbook/FunctionalAgentWithRetrieval_llama_index.ipynb similarity index 97% rename from erniebot-agent/examples/cookbook/FunctionalAgentWithRetrieval_lamma_index.ipynb rename to erniebot-agent/examples/cookbook/FunctionalAgentWithRetrieval_llama_index.ipynb index 66e5fe33d..982fa54f4 100644 --- a/erniebot-agent/examples/cookbook/FunctionalAgentWithRetrieval_lamma_index.ipynb +++ b/erniebot-agent/examples/cookbook/FunctionalAgentWithRetrieval_llama_index.ipynb @@ -7,7 +7,7 @@ "source": [ "# 简介\n", "\n", - "这是一款名为‘FunctionalAgentWithRetrieval检索增强小助手’的演示应用，展示了如何结合llama_index的工具和ERNIEBot的functional agent来回答用户的专业知识问题。首先，应用通过构建FaissSearch_llamma在知识库中检索相关内容，然后评估检索内容与问题的相关度。如果内容与问题高度相关，大模型将采用检索增强方式回答问题；否则，大模型将调用工具列表中的工具回答用户的问题。这种设计不仅扩展了大模型的专业领域知识，还保持了其在领域知识之外的通用对话能力\n", + "这是一款名为‘FunctionalAgentWithRetrieval检索增强小助手’的演示应用，展示了如何结合llama_index的工具和ERNIEBot的functional agent来回答用户的专业知识问题。首先，应用通过构建FaissSearch_llama在知识库中检索相关内容，然后评估检索内容与问题的相关度。如果内容与问题高度相关，大模型将采用检索增强方式回答问题；否则，大模型将调用工具列表中的工具回答用户的问题。这种设计不仅扩展了大模型的专业领域知识，还保持了其在领域知识之外的通用对话能力\n", "\n", "构建流程如下：" ] @@ -34,7 +34,7 @@ "+ FaissVectorStore: 提供了一种使用 FAISS 库来存储和检索向量的方法。\n", "+ ServiceContext: 服务上下文容器是 LlamaIndex 的实用程序容器。\n", "\n", - "这里只调用lamma_index的检索功能，os.environ[\"OPENAI_API_KEY\"]可以赋值空字符\n", + "这里只调用llama_index的检索功能，os.environ[\"OPENAI_API_KEY\"]可以赋值空字符\n", "\n", "这里使用EB_AGENT_ACCESS_TOKEN, 申请地址请参考[accessToken](https://aistudio.baidu.com/index/accessToken)" ]