AI 相关参数配置说明

FastGPT AI 相关参数配置说明

在 FastGPT 的 AI 对话模块中,有一个 AI 高级配置,里面包含了 AI 模型的参数配置,本文详细介绍这些配置的含义。

AI 相关参数配置说明 - 图1AI 相关参数配置说明 - 图2AI 相关参数配置说明 - 图3

返回AI内容(高级编排特有)

这是一个开关,打开的时候,当 AI 对话模块运行时,会将其输出的内容返回到浏览器(API响应);如果关闭,AI 输出的内容不会返回到浏览器,但是生成的内容仍可以通过【AI回复】进行输出。你可以将【AI回复】连接到其他模块中。

最大上下文

代表模型最多容纳的文字数量。

函数调用

支持函数调用的模型,在使用工具时更加准确。

温度

越低回答越严谨,少废话(实测下来,感觉差别不大)

回复上限

最大回复 token 数量。注意,是回复的Tokens!不是上下文 tokens。

系统提示词

被放置在上下文数组的最前面,role 为 system,用于引导模型。

引用模板 & 引用提示词

这两个参数与知识库问答场景相关,可以控制知识库相关的提示词。

AI 对话消息组成

想使用明白这两个变量,首先要了解传递传递给 AI 模型的消息格式。它是一个数组,FastGPT 中这个数组的组成形式为:

  1. [
  2. 内置提示词(config.json 配置,一般为空)
  3. 系统提示词 (用户输入的提示词)
  4. 历史记录
  5. 问题(由引用提示词、引用模板和用户问题组成)
  6. ]

🍅

Tips: 可以通过点击上下文按键查看完整的上下文组成,便于调试。

引用模板和提示词设计

引用模板和引用提示词通常是成对出现,引用提示词依赖引用模板。

FastGPT 知识库采用 QA 对(不一定都是问答格式,仅代表两个变量)的格式存储,在转义成字符串时候会根据引用模板来进行格式化。知识库包含多个可用变量: q, a, sourceId(数据的ID), index(第n个数据), source(数据的集合名、文件名),score(距离得分,0-1) 可以通过 {{q}} {{a}} {{sourceId}} {{index}} {{source}} {{score}} 按需引入。下面一个模板例子:

可以通过 知识库结构讲解 了解详细的知识库的结构。

引用模板

  1. {instruction:"{{q}}",output:"{{a}}",source:"{{source}}"}

搜索到的知识库,会自动将 q,a,source 替换成对应的内容。每条搜索到的内容,会通过 \n 隔开。例如:

  1. {instruction:"电影《铃芽之旅》的导演是谁?",output:"电影《铃芽之旅》的导演是新海诚。",source:"手动输入"}
  2. {instruction:"本作的主人公是谁?",output:"本作的主人公是名叫铃芽的少女。",source:""}
  3. {instruction:"电影《铃芽之旅》男主角是谁?",output:"电影《铃芽之旅》男主角是宗像草太,由松村北斗配音。",source:""}
  4. {instruction:"电影《铃芽之旅》的编剧是谁?22",output:"新海诚是本片的编剧。",source:"手动输入"}

引用提示词

引用模板需要和引用提示词一起使用,提示词中可以写引用模板的格式说明以及对话的要求等。可以使用 {{quote}} 来使用 引用模板,使用 {{question}} 来引入问题。例如:

  1. 你的背景知识:
  2. """
  3. {{quote}}
  4. """
  5. 对话要求:
  6. 1. 背景知识是最新的,其中 instruction 是相关介绍,output 是预期回答或补充。
  7. 2. 使用背景知识回答问题。
  8. 3. 背景知识无法回答问题时,你可以礼貌的的回答用户问题。
  9. 我的问题是:"{{question}}"

转义后则为:

  1. 你的背景知识:
  2. """
  3. {instruction:"电影《铃芽之旅》的导演是谁?",output:"电影《铃芽之旅》的导演是新海诚。",source:"手动输入"}
  4. {instruction:"本作的主人公是谁?",output:"本作的主人公是名叫铃芽的少女。",source:""}
  5. {instruction:"电影《铃芽之旅》男主角是谁?",output:"电影《铃芽之旅》男主角是宗像草太,由松村北斗配音}
  6. """
  7. 对话要求:
  8. 1. 背景知识是最新的,其中 instruction 是相关介绍,output 是预期回答或补充。
  9. 2. 使用背景知识回答问题。
  10. 3. 背景知识无法回答问题时,你可以礼貌的的回答用户问题。
  11. 我的问题是:"{{question}}"

总结

引用模板规定了搜索出来的内容如何组成一句话,其由 q,a,index,source 多个变量组成。

引用提示词由引用模板提示词组成,提示词通常是对引用模板的一个描述,加上对模型的要求。

引用模板和提示词设计 示例

通用模板与问答模板对比

我们通过一组你是谁的手动数据,对通用模板与问答模板的效果进行对比。此处特意打了个搞笑的答案,通用模板下 GPT35 就变得不那么听话了,而问答模板下 GPT35 依然能够回答正确。这是由于结构化的提示词,在大语言模型中具有更强的引导作用。

🍅

Tips: 建议根据不同的场景,每种知识库仅选择1类数据类型,这样有利于充分发挥提示词的作用。

通用模板配置及效果问答模板配置及效果
AI 相关参数配置说明 - 图4AI 相关参数配置说明 - 图5
AI 相关参数配置说明 - 图6AI 相关参数配置说明 - 图7
AI 相关参数配置说明 - 图8AI 相关参数配置说明 - 图9

严格模板

使用非严格模板,我们随便询问一个不在知识库中的内容,模型通常会根据其自身知识进行回答。

非严格模板效果选择严格模板严格模板效果
AI 相关参数配置说明 - 图10AI 相关参数配置说明 - 图11AI 相关参数配置说明 - 图12

提示词设计思路

  1. 使用序号进行不同要求描述。
  2. 使用首先、然后、最后等词语进行描述。
  3. 列举不同场景的要求时,尽量完整,不要遗漏。例如:背景知识完全可以回答、背景知识可以回答一部分、背景知识与问题无关,3种场景都说明清楚。
  4. 巧用结构化提示,例如在问答模板中,利用了instructionoutput,清楚的告诉模型,output是一个预期的答案。
  5. 标点符号正确且完整。