加菲猫的案例列表
智能客服Agent工作流
智能客服Agent工作流 实现了烟草行业的智能客服Agent。项目亮点包括：基于动态Prompt的意图识别模块搭建、从0到1的行业RAG知识库构建、基于MCP协议的复杂工作流搭建、基于FastGPT框架的Agent本地化部署。 ●基于动态Prompt的意图识别模块搭建： 通过海量会话数据构建意图识别规则匹配库，实现Rule-based+Model-based混合驱动意图识别，极大提高识别速度与精度。 如何提高速度：用户问题优先采用Rule-based进行规则命中，若直接命中意图库中已存储表述，则可跳过大模型判断； 如何提高精度：用户问题先在表述库中进行向量检索，检索出相似问答对，动态
GPT大模型实现图片生成
GPT大模型实现图片生成 自主构建字体领域图片数据集，训练了一个由image tokenizer、GPT2以及GAN构成的多阶段AIGC大模型。项目亮点 包括：训练数据的快速清洗、多阶段生成式模型的具体设计、大模型的低成本训练及部署方法、后续演进的超大字符集 矢量字生成。 ●训练数据集的清洗与整合： 通过对比学习、K-Means与Birch等聚类算法，实现了训练数据在特征空间上的清洗及聚类，快速过滤了错误数据， 同时解决了训练集数据分布不均匀等问题。 ●大模型的多阶段训练： 阶段一：image tokenizer训练。训练离散自编码模型VQ-VAE，将图片转换为若干离散toke
案例判断参考
加菲猫的案例列表
智能客服Agent工作流
智能客服Agent工作流 实现了烟草行业的智能客服Agent。项目亮点包括：基于动态Prompt的意图识别模块搭建、从0到1的行业RAG知识库构建、基于MCP协议的复杂工作流搭建、基于FastGPT框架的Agent本地化部署。 ●基于动态Prompt的意图识别模块搭建： 通过海量会话数据构建意图识别规则匹配库，实现Rule-based+Model-based混合驱动意图识别，极大提高识别速度与精度。 如何提高速度：用户问题优先采用Rule-based进行规则命中，若直接命中意图库中已存储表述，则可跳过大模型判断； 如何提高精度：用户问题先在表述库中进行向量检索，检索出相似问答对，动态...
GPT大模型实现图片生成
GPT大模型实现图片生成 自主构建字体领域图片数据集，训练了一个由image tokenizer、GPT2以及GAN构成的多阶段AIGC大模型。项目亮点 包括：训练数据的快速清洗、多阶段生成式模型的具体设计、大模型的低成本训练及部署方法、后续演进的超大字符集 矢量字生成。 ●训练数据集的清洗与整合： 通过对比学习、K-Means与Birch等聚类算法，实现了训练数据在特征空间上的清洗及聚类，快速过滤了错误数据， 同时解决了训练集数据分布不均匀等问题。 ●大模型的多阶段训练： 阶段一：image tokenizer训练。训练离散自编码模型VQ-VAE，将图片转换为若干离散toke...
