网站总体建设方面的优势与不足做书的封面的网站素材
前言BGE-重新排名器
与 embedding 模型不同，reranker 或 cross-encoder 使用 question 和 document 作为输入，直接输出相似性而不是 embedding。 为了平衡准确性和时间成本，cross-encoder 被广泛用于对其他简单模型检索到的前 k 个文档进行重新排序。 例如，使用 bge 嵌入模型首先检索前 100 个相关文档，然后使用 bge reranker 对前 100 个文档进行重新排序，以获得最终的前 3 个结果。
前提要求
- Linux安装 docker docker-compose 参考
- Windows 10 ,11 2022 docker docker-compose 参考
- deepseek(ollama) 安装参考 Linux，Windows，Docker
bge-reranker 重排模型
- reranker安装 参考 官网参考
- reranker 目录 /opt/reranker、
- reranker 端口6006
- reranker api http://you_ip:6006/v1/rerank
- TOKEN reranker
- reranker 百度网盘离线docker images 下载
echo "创建目录"
mkdir -p /opt/rerankerecho "编排文件"
cat <<'EOF'>>/opt/reranker/docker-compose.yml
version: "3"
services:reranker:image: registry.cn-hangzhou.aliyuncs.com/fastgpt/bge-rerank-base:v0.1container_name: rerankerrestart: alwaysdeploy:resources:reservations:devices:- driver: nvidiacount: allcapabilities: [gpu]ports:- 6006:6006environment:- ACCESS_TOKEN=reranker
EOFecho "start reranker"
cd /opt/reranker
docker-compose up -dfastgpt 配置连接bge-reranker 重排模型
- FastGPT 模型配置>新增一个重排模型
- <模型ID bge-rerank-base:v0.1
- <模型提供商 智源
- <别名bge-rerank-base
- <自定义请求地址http://you_ip:6006/v1/rerank
- <自定义请求 Key reranker
测试连接bge-reranker 重排模型
创建一个知识库测试
创建一个目录
创建文本数据集
上次文件
数据处理配置
确认上传
训练模式查看
创建一个工作台
名称，创建空白应用
打开工作台
选择知识库
参数设置
- 结果重排
文件上传开启
语言输入开启
猜你想问开启，设置预设内容即可
输入引导开启
提出后ai 执行的
