CMS与人工智能AI的整合应用

 

随着人工智能AI的不断火热和普及,CMS显得越来越重要,因为AI最终需要原始素材,而原始素材就存在于CMS中。

所以,CMS的建设和原始内容的积累,在人工智能时代将是一项最重要的工作。

本文就CMS与人工智能的结合点,浅尝辄止地对CMS和AI应用做简要分析,希望给读者带来更多启发。

 

 

 

CMS与AI的应用探讨

 

基于CMS为基础,通过CMS与AI结合,我们简单的总结了如下几个场景的应用,

 

一、教学方面

1.  基于AI的内容检索和推荐

2.  通过AI生成摘要和重点介绍,以及AI生成内容的思维导图

3.  通过AI解读论文,分析论文重点,提取摘要等

4.  通过AI生成自动生成考题,包括问题和答案,读者答完之后,给显示AI的参考答案

5.  通过AI生成语音介绍,将文字变成听讲

6.  通过AI生成视频介绍,将文字变成看视频

7.  通过AI生成知识图谱,AI不能直接生成知识图谱,通过AI生成的向量数据,根据向量相似度生成知识图谱

 

二、资源库方面

1.  通过AI自动给资源库分类、打标签、做细颗粒度标引

2.  通过AI自动给文字资源生成视频介绍,将视频再保存会CMS中,丰富原有资源库的资源类型

3.  通过AI给视频自动生成音频配音,或给视频自动生成字幕,完善资源库内容

4.  通过AI自动完成资源库,比如只有标题和介绍,AI自动完成其余内容,然后通过人工修订,生成最终版本

5.  通过AI自动生成多语言版本,自动生成方言版本的资源(比如把youtube/优酷的视频本地化)

 

三、记录分析方面

1. 记录微信群,搜集有用信息,沉淀资料库

2. 记录会议记录,自动生成会议纪要,比如将开会的发言生成文本导出(腾讯、ZOOM都可以做到),然后发送给ChatGPT,让其根据会议内容自动生成会议

3. 记录课堂内容,从课堂讲座中提取重点

 

四、数据加工方面

1.  提取语义化信息,比如生成图数据库的数据提取,提取知识关系,导入Neo4j

2.  自动分类,自动给CMS信息分类,打标签等

3.  自动推荐,通过向量和大模型检索,推荐相关内容和链接

 

五、纠错方面

1. 自动批改作业,将问题和答案发送给Chat GPT,让其批改并给出正确答案。

2. 自动文档纠错,将我们写的合同、文档等发送给Chat GPT,让其给自动纠错。

 

六、Agent类应用

1. 网站的问答客服、问答机器人

2. 微信的机器人,问答机器人

3. 人格分析师,AI+MBTI机器人

 

七、基于RAG的应用和辅助决策工具

RAG(Retrieval-Augmented Generation)是一种结合了信息检索(Retrieval)和文本生成(Generation)的自然语言处理技术,它本质上上是通过从大型数据集中检索相关信息来增强语言模型的生成能力。

在RAG的框架下,当模型需要生成文本时,它首先会查询一个外部的知识库或数据库,检索与输入问题相关的信息片段。然后,这些检索到的信息被用作生成过程的上下文,帮助模型更准确地理解和回应用户的查询。

因此,RAG类似一种大模型的外挂,所以RAG不仅仅可以借用向量数据库、图数据库等,甚至一般的关系数据库都可以的,因此RAG可以很灵活。

 

一般的问答机器人,比如:

1. 借用RAG,构建专业领域的问答机器人

2. 借助RAG,构建专业领域知识库和知识检索

 

高级的辅助决策工具,比如SalesGPT、CodeGPT、SQLGPT等业务集成工具

有一个Agent构建公式:Agent = LLM+Planning+Feedback+Tool,这个就是一般的辅助决策工具的组成,具体步骤如下:

1. 业务逻辑规划 Planning,将业务模型安装实际情况拆分成多个组件

2. 根据需求调用不同算法和组件,生成prompt

3. 再投喂大模型 LLM,大模型返回结果

4. Feedback,输出给用户,用户可以对结果反馈,反馈良好的,再存入资料库,下次可以作为上下文,再次投喂大数据,以此获得工具的不断升级迭代。

比如有几个工具SalesGPT就是这样的,并且在langchain上开放了源代码,可以查看学习,具体的架构如下

https://js.langchain.com/docs/use_cases/autonomous_agents/sales_gpt 

 

另外一个业务工具案例是SQL生成工具,也叫自然语言SQL工具,这个工具可以直接生成SQL,不懂技术的业务人员就可以直接通过该工具,查询报表,生成图谱等功能。

有一个商业化的产品叫 Vanna,官网: https://vanna.ai/

他的架构模式也和上面的流程类似,通过业务规划、私有数据、用户反馈等组合型RAG,来生成高质量的SQL,中间也可以插入其他Text to SQL的算法,提高生成质量。

 

对于我们自有的业务模型,甚至科研领域的需求,都可以通过上面的步骤进行拆分,然后存储私有数据和组件,与大模型交互,产生更多更实用更高级的辅助决策工具。

 

后记

 

借助AI,本身也可以实现更多技术类型的应用,比如内容的向量化等。国内也有各种不同的AI大模型供应商,比如Kimi、文心一言等,可以实现不同的功能。

 

创作不易,转载请注明出处!

 

更多CMS相关内容,请参考我们其他相关文章,

 

1、常见开源可视化低代码页面构建框架对比

2、Drupal 的OpenAI模块使用介绍

3、基于ChatGPT的Drupal模块应用

4、常见的CMS平台比较

5、在线展览和多媒体展示建设方案

6、构建英文网站应该用什么框架?

7、如何通过Drupal Rector来快速升级Drupal