AI技术设计
2025-11-04 01:57:51   0  举报             
     
         
 AI应用逻辑设计 数据库设计 向量数据库设计  Kafka 图形数据库设计等
    作者其他创作
 大纲/内容
 KG应用
  知识库过滤
  JAVA AI应用服务
  回调
  keyword5
  标签,文件,页数,查看,下载
  知识图谱关键词
  系统自动关联
  PG
  关键词
  文本向量库
  余额管理
  chunk1
  向量搜索
  Human Q
  ribbon负载均衡
  向量相似度取前5
  运维后台
  提示词token数校验
  应用nginx
  AI生成进度管理
  标签管理
  KAFKA
  上传
  模型获取答案
  前端UI
  PYTHON
  记录关系
  知识库关系生成【文本-向量-关键词-图谱】
  记录手动删除自动关联关键词
  Nebula Write
  消费
  :
  生成Q
  socketgateway
  生成总结
  文件管理
  输入、输出、提示词、反馈、业务员、提问时间支持筛选
  java知识库管理服务
  阶段记录并推送
  JAVA
  最相关的3个
  模型设置
  PYAI应用
  业务层
  聚类算法、LLM
  应用gateway
  拆分后的文本块
  配置补偿查询
  AI对话逻辑
  生成知识图谱后
  文本向量
  知识图谱+向量搜索(超token处理)
  点赞点踩
  记录本次采纳的关键词
  设置:模型、知识库、引用及优化
  LLM服务
  知识图谱+向量搜索
  文本答案
  Kafka集群
  Nebula Read
  Nebula
  AI应用
  GPT3.5/GPT4
  生成知识图谱及获取关键词摘要
  AI生成填写信息点击生成按钮
  网关层
  开始
  GPT
  adj_kw2
  PYTHON文本切割
  提取关键词
  添加、删除
  AI应用逻辑
  新上传文件
  会话维度
  文本块与关键词自动关联
  费用明细记录
  已有文件
  按行拆分
  待确认关键词展示
  关键词提取并校准
  通过询盘云权限获取对应权限的key
  AI聊天点击发送按钮
  Nebula Read
  Redis集群
  Hystrix熔断
  1.关键词向量化2.知识图谱生成3.关键词总结4.文本块和关键词的自动关联
  应用
  目前不会存在文本块与关键词的关系
  Other LLMs
  关键词记录维护
  1、对待校准关键词进行删除2、手段添加关键词
  chunk3
  embedding
  消费花费记录
  记录答案、关键词、引用文本的赞踩信息
  结束
  模型版本费用配置
  记录余额
  知识图谱
  PY生成知识图谱
  关键词校准
  是否设置?
  记录未采纳的关键词
  询盘云增加菜单按钮控制权限
  adj_kw1
  此处应单独使用key进行权限的管理、不在使用id
  redis
  展示层
  阶段放入
  推送
  企业维度:业务场景创建
  生成答案
  用户维度:业务场景应用
  文件上传
  vector1:chunk1
  关键词与文本块的关系
  删除
  权限
  否
  运营后台增加余额+维护透支额度(充值)
  组装prompt
  Milvus
  Redis
  font color=\"#323232\
  websocket
  本次用户手动添加的词
  前6条过LLM
  产生一条初始记录(问题、业务员、类型)
  文件详情查看
  文件夹管理模块
  搜索Q
  余额减去预估费用之后未超过透支额度
  处理完成
  图谱检索
  AI场景配置
  资料文件
  COS
  图学习
  文件(word、pdf)
  查询配置
  提示词填写
  记录文本引用
  文本向量化
  关键词列表是持续增长的状态
  存入关键词
  提示词token数校验(1/8)
  Answer
  基于图学习
  keyword1
  用户手动维护
  最终得到对应的key给前台
  第一次被抽取出来的词
  Milvus集群
  生成进度条展示
  记录手动添加手动关键词
  提示词
  基本信息
  文件处理
  依据key进行企业GPT的功能权限展示
  记录关键词引用
  预估费用方式:获取关键词:1、输入:60(聚类数量 文本块的1%,最多不超过60)* 10%的文本块数 * 300(文本块预估token)* 2 (两种聚类方式)2、输出:60(聚类数量 文本块的1%,最多不超过60)* 2(2种聚类方式)*10(每个聚类获取词的数量)*3(每个词的单词数)生成知识图谱:主要在于生成关键词描述的花费,固定i. 输入:1000(关键词)*12(文本块)*300(单个文本块 token 数)    ii. 输出:1000(关键词)*1000(每个关键词描述的 token 数)    iii. token 合计:3600000+1000000=4600000    iv. 金额合计:920 元
  LLM
  向量检索
  chunk2
  GPT3.5 (16k)按0.2元/1k tokens;GPT4 (8k)按1元/1k tokens向量化  0.05元/1K tokens
  记录花费明细
  调用知识库
  AI生成逻辑
  生成Prompt服务【核心服务】
  问题向量化
  NebulaGraph Studio
  向量化按照模型的token比例收费
  AI生成
  代理层
  NebulaGraph Dashboard
  上次采纳确认使用的词
  PY提取关键词
  是
  应用网关
  上次使用关键词
  NebulaGraph Database
  透支余额校验
  知识库管理
  其他维护操作
  默认启用状态,可编辑、删除
  是否分步存储对应的记录数据
  带有文件夹及标签条件
  引用文本
  用户在使用记录中,点击采纳\\已采纳
  历史上已经被抽取过、添加过的词
  文本块自动关联是图谱生成后直接取的文本块和关键词的关联关系
  待补充
  Chunks去重(15个向量检索+45个图谱检索文本)
  2个
  预估费用
  图学习操作
  会话列表(一个场景只能创建一个会话,支持删除会话,创建时间倒序)
  用户对答案及引用点赞点踩
  手动关联关键词
  model:gpt3.5temp:标准
  vector2:chunk2
  已有的文本块
  权限管理
  知识图谱+向量搜索(超token处理)
  余额未超过透支额度
  用户
  vector
  问答(即文本块)
  使用记录的存储
  依据文本与关键词的记录
  关键词与文本的关系维护记录
  上次未采纳的关键词
  Question
  通知生成知识图谱
  新关键词
  检索知识库
  GIT
  PG主从
  记录手动删除手动关键词
  后续权限管理未定
  keyword2
  存储层
  vector15:chunk15
  本次抽取的应该结合历史一同处理完成进行展示
  默认设置
  点击生成知识图谱
  弃用的关键词
  模型
  输出展示给用户
  AI应用入口
  用户手动新增关键词且不在所有关键词中存在过
  询盘云配置权限角色
  文本块
  问答文件
  socketnginx
  consul集群
  如果是关键词,需要额外记录关键词的赞踩数量
  冗余字段维护
  AI搜索
  调用关系概要
  默认设置:model:gpt3.5temp:标准
  是否使用知识库
  设置:知识库筛选(文件夹、标签)
  通知提取关键词
  文本拆分
  AI搜索点击搜索按钮
  执行知识管理生成知识图谱对应的流程
  采纳的关键词
  记录或删除采纳的数据
  生成知识图谱前
  token校验:1/8
  文本块(继承文件标签,每条问答单独打标签)
  自动关联关键词
  AI搜索逻辑
  用户维度
  已经存在知识库处理关键词与文本块的关系
  AI聊天
  记录答案
  adj_kw3
  知识库所有文本块
  知识图谱抽取出来的关键词
  知识图谱获取关键词
  文件删除
  段落拆分
   
 
 
 
 
  0 条评论
 下一页