💡 本次将使用LLM大模型将「白雪公主的故事」转为图数据存储于neo4j数据库中,并展示图数据部分的效果
故事内容
很久很久以前,在一个遥远的王国里,有一位美丽的**王后**生下了一个皮肤像雪一样白皙、嘴唇像血一样鲜红的**女儿**。王后给她取名为“**白雪公主**”。不幸的是,王后不久就去世了。
**国王**娶了一位**新王后**,这位新王后非常美丽,但她的心却十分恶毒。她有一面**魔镜**,每天都会问:“魔镜魔镜告诉我,**谁是这个世界上最美的女人**?”魔镜总是回答说:“是你,我的王后。”
然而有一天,魔镜的回答变了:“王后啊,你是这城堡里最美的女人,但在森林里,白雪公主比你还要美。”新王后听后非常生气,她命令一位**猎人**把白雪公主带到森林里杀死,并带回她的肺和肝作为证据。
猎人把白雪公主带到了森林深处,但他不忍心杀害这么善良的女孩,于是放走了她,并带回了一只小鹿的肺和肝欺骗了王后。
白雪公主在森林里迷路了,她遇到了七个**小矮人**。他们住在一座小木屋里。白雪公主告诉了他们自己的遭遇,小矮人们决定保护她。他们教她如何打扫屋子、做饭,白雪公主也很快乐地和他们一起生活。
新王后得知白雪公主还活着,便三次试图用毒苹果、毒梳子和紧身衣来害死她。但每一次都被小矮人们救了下来。最后,王后自己变成了一个老妇人,带着一个毒苹果再次来到了森林里。这一次,白雪公主吃下了毒苹果,陷入了沉睡。
小矮人们非常伤心,但他们无法唤醒白雪公主。他们做了一个透明的水晶棺材,将白雪公主安放在里面,并日夜守护着她。
一天,一位英俊的**王子**路过森林,看到了沉睡中的白雪公主。他被她的美丽所吸引,吻醒了她。毒苹果的咒语被解除了,白雪公主醒了过来。
王子和白雪公主**相爱**了,他们举行了一场盛大的婚礼,并邀请了所有的朋友,包括七个小矮人。新王后也被邀请了,但她非常嫉妒,最终受到了应有的惩罚。
从此以后,白雪公主和王子过上了幸福快乐的生活。
基于「通义灵码」完成知识图谱的转换
转为图数据库
text2Cypher
neo4j browers运行Cypher语句
查看不同标签的节点
查看不同关系的图数据
基于本地化LLM大模型转为知识图谱
关于代码实现可以查看往期内容
基于LangChain从文章到图数据库的转换
查看转换后的关系
MATCH p=()-->() RETURN p
查看标签的节点
人物标签
MATCH (n:Person) RETURN n
持续时间及位置标签
MATCH (n:Duration) RETURN n
MATCH (n:Location) RETURN n
总结
通过在线与离线LLM大模型将文章转换为图,以一个耳熟能详的方式对图数据有一个初步体验。
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。