🍵 在线体验懂人情世故的天机prompt应用、知识库应用、Agent应用
在上海 AILab OpenXLab 在线体验人情世故微调模型：送祝福模块、敬酒礼仪文化
📚 查看 使用文档
🍓 在 🤗 huggingface 获取天机的 所有数据
💡 有疑问或功能请求，欢迎 创建一个 issue ，或者加入我们的 微信社区群
对标 OpenAI 的 SocialAI 首页
🔥🔥News: 2024.09.02: 我们更新了第一款专注敬酒场景的知识库对话模型
🔥 News: 2024.08.31: -我们重构了仓库组织结构，更新了相关工具代码以及README。彻底更新了 langchain 知识库问答 相关内容以及对应 demo，让项目更适合一键学习使用。
🔥News: 2024.07.16: 我们发布了第一款们发布了第一款专注敬酒场景的天机模型, 对应敬酒语料专注敬酒场景的天机模型, 对应敬酒语料
🔥News: 2024.07.14: 更新了新版的送祝福模块 支持更多风格切换，数据已开源至 huggingface
🔥News: 2024.05.04: 我们发布了以《化解"尴尬"场合》为例的微调数据获取、制造教程，对应数据开源至 huggingface
🔥News: 2024.05.02: 我们发布了有关人情世故大模型-送祝福的数据收集到微调过程的全流程可复现文档及其对应数据、配置、辅助脚本，（鸽了一段时间但又回来了，主要维护者持续加班忙了，放假才能快乐开源）
🍵 News: 2024.02.01: 🧑🚀 我们发布了有关 prompt、Agent应用、知识库(TODO)、模型微调(基于InternLM2)的初版体验地址，将仓库转为开放。
学完全部内容，你将获得大语言模型入门级全栈应用开发能力。
-
制作 AI 游戏（类似哄哄模拟器）应用
-
从零构建一个知识库对话应用
-
从零制作语言模型微调数据、微调属于自己的大语言模型
在本项目中，执行下列指令即可完成项目的安装
pip install -e .
为确保项目正常运行，请在项目内新建.env文件，并在其中设置你的API密钥，你可以根据下列例子写入对应的 key，即可成功运行调用,目前默认使用 zhipuai，你可以仅写入ZHIPUAI_API_KEY即可使用。
ZHIPUAI_API_KEY=
如果在从Hugging Face下载模型时遇到速度极慢或无法下载的问题，请在.env文件中设置HF_ENDPOINT的值为https://hf-mirror.com。请注意，某些Hugging Face仓库可能需要访问权限（例如Jina Ai）。为此，请注册一个Hugging Face账号，并在.env文件中添加HF_TOKEN。你可以在这里找到并获取你的token。
HF_HOME='./cache/'
HF_ENDPOINT = 'https://hf-mirror.com'
OPENAI_API_KEY=
OPENAI_API_BASE=
ZHIPUAI_API_KEY=
BAIDU_API_KEY=
OPENAI_API_MODEL=
HF_TOKEN=
以下给出 prompt 以及 agent 的相关应用方式，在运行前请确保你已经新建.env文件：
# 运行prompt webui前端
python3 run/tianji_prompt_webui.py
# 运行agent前端
streamlit run run/metagpt_webui.py
# 运行langchain前端
python run/demo_rag_langchain_onlinellm.py在进行项目开发与贡献之前，在保证key的正确设定后，你还需要在提交 pull request 前进行格式检查。你可以参考下列方式进行 pre-commit 的安装，在 commit 环节将会看到变更文件格式会被自动修改。
pip install pre-commit
pre-commit install
git add .
git commit -m "提交信息"
git push
这一步，你需要反复执行下列两步,直到 commit 成功 （该过程会帮助你自动修复绝大部分格式错误，但对于某些复杂格式需要自己手动根据提示修改。）
git add .
git commit -m "提交信息"
若全部成功，你将会看到类似如下信息显示：
[main 2333] rebuild code standard
5 files changed, 4 insertions(+), 3 deletions(-)
- 释放最简初版(涉及prompt、aigame、agent、知识库、模型微调)
- 完成人情世故大模型-送祝福的模型微调数据收集到微调过程的可复现文档
- 开源人情世故语料-送祝福至huggingface
- 迭代更好的数据制造工具与清洗方案，开源数据清洗脚本
- 完成知识库部分迭代
- 开放知识库语料获取细节至huggingface
- 完成 Agent 部分文档
- 补充文档（如何参考本项目构建自己的应用prompt、agent、知识库、微调应用）
- 整理多维度数据，开源较完整人情世故语料
- 收集 & 开源人情世故语料-2w并训练给出结果和全过程
基于整理后的人情世故数据，人情世故大模型系统-天机包括了常见人际交往中的七大领域（具体可以参考 场景分类 中的场景细化细节），其中大体可分为：
1.敬酒礼仪文化 Etiquette
不惧碰杯，酒席桌上一条龙
2.请客礼仪文化 Hospitality
友好地展示你的友好
3.送礼礼仪文化 Gifting
此礼非礼，直击人心
4.送祝福 Wishes
承包你的所有祝福语
5.如何说对话 Communication
据说是低情商救星
6.化解"尴尬"场合 Awkwardness
没心没肺，找回自我
7.矛盾&冲突应对 Conflict
《能屈能伸》
结合这些领域，Tianji涉及到的技术路线共有四种：
- 纯prompt（包括AI游戏）：内置 system prompt 基于大模型自身能力对话。
- Agent（MetaGPT等）：利用 Agent 架构的得到更丰富、更定制化详细的回答。
- 知识库：直接检索人情世故法则（比如餐桌上一般怎么喝酒）。
- 模型训练：基于不同优秀的模型基座，在积累大量数据的情况下进行Lora微调或全量微调。
您可以在 tianji 目录下找到四种路线的对应源码，如果您想参考 Tianji 的项目架构、数据管理、技术路线复刻出属于自己的垂直领域 AI 应用，欢迎 fork 或者直接参考，我们将会开源所有包括从项目的起步、数据的方向探索、数据构建与管理、AI应用从0制作、领域（比如人情世故）与技术路线的深入结合的全过程；我们希望看到 AI 原生应用在生活中进一步的加速推进。
assets/：静态图片文件
run/： 包括了各类演示用前端
test/：这里存放了各类功能的测试文件，包括核心模块以及llm运行的单元测试
tianji/：源代码目录，包含主要逻辑与算法实现
tools/：帮助收集数据、整理数据清洗语料的工具
TODO,待覆盖全文档
当前祝福模块支持三种模式触发：
- 普通风格，直接写祝福对象，符合常见对话规律。
- 小红书风格，在祝福对象指定后加上 小红书风格，可触发；自带emoji以及可爱对话风格。
- 严肃风格，在祝福对象指定后加上 严肃风格，可触发；文书风格。
以下给出 特斯拉创始人 Elon Musk 向 OpenAI 创始人 Sam Altman 敬酒的对话示例（基于内置提示词生成）：
elon musk：sam，你的Openai不如叫做CloseAI
sam altman：你先管好你的grok，罚你三杯!
elon musk： 瞧你说的，是要我喝完这瓶白酒？
sam altman：哈哈，埃隆，你可是以星辰大海为目标的男人，一瓶白酒算什么？我可是听说你在SpaceX的派对上连火箭燃料都敢喝呢！来，这杯我干了，你随意，但别失了世界首富的风度啊！
elon musk：你这是在激我啊，Sam老兄！那我就不客气了，我喝掉，你半杯。不过说回来，OpenAI的成果可不只是靠吹牛，你可得好好看着，别让它真的变成了“CloseAI”。
sam altman：嘿，我这CEO的帽子可是随时准备摘下来给你戴戴的，马斯克老兄。不过今晚，让我们先忘了这些，来，为我们的友谊干杯！我喝掉，你随意，但记得，明天还得继续改变世界呢！
elon musk：行，就为你这句“改变世界”，我干了这杯！不过别以为我会轻易放过你，等我下次带上我的特斯拉充电桩，看你怎么应对！
sam altman：哈哈，我等着那一天！不过现在，让我们先享受今晚。来，最后一杯，我干了，你随意，喝得开心，别忘了，OpenAI的AI们可还在等着我们回去继续训练呢！
TODO
这里记录了该项目存在的一些问题（欢迎领取解决），以及未来的一些路线图需要完成，当前还没时间写，如果您有时间想一起来玩儿，请issue或者直接邮箱联系我: [email protected]
得益于良好的ci设施，你只需要参考示例PR，就可以很快提出自己的第一个prompt PR！
提交PR后，新的prompt将自动合并于 tianji/prompt 下的json文件中，方便一键调用。如果你不知道写什么，可以参考 场景分类 中的各类场景细化细节，写出不同人情世故领域的prompt。
该项目的初衷，第一是为了让AI学会核心技术，第二是让更多人（领域/行业）可以构建属于自己的AI系统，加速AI对每一个领域的渗透。你可以通过以下方式来学习该项目：
你可以参考本项目创造出新的垂直领域应用:
- 租房助手（agent）
- 带娃助手（数据收集与知识库）
- 生活指南（数据收集与知识库） ......
有些贡献者没有github，我们感谢其中的每一位贡献者！，也欢迎你一起加入！
感谢下列所有人对本项目的帮助：
- 所有贡献者
- 项目最开始时刻 智谱AI 的token支持！
- 上海人工智能实验室 InternLM(书生·浦语) 模型，以及提供的A100显卡资源！
- InternLM(书生·浦语) 系列开源教程（目前最好的LLM实战全栈教程之一）
- Datawhale 开源学习社区
- 奇想星球
- zRzRzR的帮助
