ChatGPT

业务背景： 该项目主要是解决用户可以使用AI定制化解决学生的各类科目学习工具 1. 强化AI在数学、语文、英语、历史、政治等方面的能力 2. 通过不同的角色，来解决学生在各科目的问题，通过对话的方式，同时可以拍照解决问题 功能介绍： 1. 多端支持，包括web端以及小程序端 2. 对话包括重新生成、图片解析、公式展示、图片生成等AI功能 3. 角色定制：通过个性化定制不同的角色，来解决学生在各科目的问题，通过对话的方式，同时可以拍照解决问 4. 支付，对接微信支付，以及订单系统 项目实现： 我负责独立开发整个系统，包括前端、后端、小程序，以及功能设计 难点：解决图片分析以及AI大模型对接，以及数学公式显示的问题 特色：该系统帮助学生解决学习问题

mPLUG-Owl2介绍 mPLUG-Owl2是一种面向多模态语言模型的模块化的训练范式。其能学习与语言空间相适应的视觉知识，并支持在多模态场景(支持图片、文本输入)下进行多轮对话。它涌现多图关系理解

mPLUG-Owl介绍 mPLUG-Owl是一种面向多模态语言模型的模块化的训练范式。其能学习与语言空间相适应的视觉知识，并支持在多模态场景(支持图片、文本输入)下进行多轮对话。它涌现多图关系理解，场

Chinese Alpaca Plus 13B Model 发布中文LLaMA-Plus, Alpaca-Plus 13B版本模型 发布中文LLaMA-Plus, Alpaca-Plus 13B版本，

RedPajama-INCITE-7B-Chat RedPajama-INCITE-7B-Chat was developed by Together and leaders from the ope

BiLLa: A Bilingual LLaMA with Enhanced Reasoning Ability BiLLa 是开源的推理能力增强的中英双语 LLaMA 模型. 模型的主要特性有:

mPLUG-Owl介绍 mPLUG-Owl是一种面向多模态语言模型的模块化的训练范式。其能学习与语言空间相适应的视觉知识，并支持在多模态场景(支持图片、文本输入)下进行多轮对话。它涌现多图关系理解，场

GPT3 SFT微调中文1.3B参数量文本生成模型 本模型在中文GPT-3 1.3B预训练模型的基础上，通过有监督的sft数据训练得到，具备更强的通用生成能力，对话能力等。目前模型可以支持单轮对话，多

ChatPLUG介绍 ChatPLUG是一个开放域对话模型，其接收用户对话历史和对话相关的外部知识、用户人设、模型人设信息，输出合适的文本回复。 该模型基于PLUG，使用亿级互联网社交数据、百科数据预

该项目主要分为数据训练模块、写作优化模块和前端展示模块。使用者可以通过输入关键词或主题，利用AI写作功能快速生成文章内容；同时，AI算法对写作内容进行优化，提高文章质量和观赏性。前端展示模块通过VUE3框架实现了用户友好的界面，使用户能够方便地使用这些功能。 我负责项目的整体设计和架构搭建，使用了lamma大模型进行数据训练，基于spring全家桶搭建了底层Java开发环境。最终，项目成功实现了AI写作和写作优化功能，提供了一个高效、智能的写作工具给用户。 项目中的难点主要是数据训练和写作场景优化的算法设计。为了解决这些难题，我深入研究了lamma大模型的使用方法，结合领域知识进行数据处理和训练；同时，我与团队合作，持续优化写作场景，不断改进算法，确保最终实现了用户满意的成果。

和加拿大公司The Daily Scrum（TDS） News合作，非开源，主要功能为通过API爬其他大型新闻网站的新闻，交于ChatGPT rephrase，重新生成新的新闻。 整个项目分前后端，前端负责网页设计，后端负责爬取新闻，对新闻分类，交由ChatGPT生成全新的文章，保证合法性，部署于亚马逊EC2服务器并自动化生成发布到网站上。 我主要负责后端爬取新闻，API连接，与对方公司网站后端对接与部署（包括自动化发布），和github Action 可用性测试代码保证项目顺利运行

项目描述： Ai万花筒是一款基于ChatGPT、Stable Diffusion的AI聊天助手和AI绘图工具，用户可利用AI工具来帮助日常生活和工作，也可以利用AI绘图来进行艺术创作以及分享。 项目职责： 1.负责项目搭建，基于pnpm的monorepo架构，集成了集成了eslint+prettier+husky+lint-staged+commitizen，规范项目代码格式。 2.负责开发AI聊天模块，对接ChatGPT的接口。 3.负责开发SD绘图模块，对一些绘图的通用组件进行封装。

基于chatGPT、智谱AI 等大模型，开发了文献解读、文章创作、表单提取、PPT智能生成等工具。帮助yoghurt更高效的完成工作

技术架构 前端：小程序前端采用微信小程序框架，提供简洁直观的用户界面和流畅的交互体验。 后台：后台系统使用 .NET Core 框架构建，保证了系统的高性能和可扩展性。

本项目是在openai 刚推迟 chatgpt 不久后，一朋友想做搭建一个国内版本，我花了几天时间，写了一套较完整的 chatgpt 系统， 后台对接ChatGPT，定制套餐，对接在线支付，购买会员等，token流量控制等，支持文字和ai生成图片等对话。 这个项目最终没推广开，后续就没在投入了，不过我觉得这个项目还挺有意思的。

EasyPrompt平台 EasyPrompt是一个面向AI大模型的Prompts管理和LLM应用平台，个人负责项目技术选型、架构设计，日常功能开发、维护

【业务模块】 整体金融大模型行业调研报告项目主要分为三个部分，其中第一部分主要是待调研公司核心数据的 配置模块，主要包括三个类别下的数据信息，即:所属行业，推荐指标类别和核心指标类别等。第二 部分主要是对待调研公司的各类指标进行行业咨询内容的采集。第三部分是对于采集的信息做核心信 息抽取，完成整体摘要信息的生成。 【负责业务】 主要负责整体业务架构的算法架构设计，实现基于金融搜索大模型的信息采集和基于金融推理大模型的 调研报告生成。主要涉及到搜索大模型的应用，大模型微调和基于大模型的摘要生成等业务内容。 【效果】 整体完成了业务目标，实现了全自动的行业信息采集和摘要生成，极大地提高了行业调研报告生成的效率。

1、项目描述 为了提高对互联网海量源声中舆情的分析能力,本项目构建了一个社媒数据的热点挖掘与观点提取系统。系统的主要目标为： （1)对于海量互联网源声进行过滤,保留相关数据； （2)基于过滤结果,对源声进行事件抽取与编码,聚类形成业务热榜； （3)对于各业务热榜进行观点分类,得到热点事件的用户舆情。 2、主要工作 （1）根据任务特点,从零训练了中文GPT-4模型用于源声数据的事件生成,通过三个阶段分别训练模型的中文语言建模能力,通用摘要能力和针对任务的事件生成能力； （2）分别训练了用于领域过滤,观点分类的模型,引入Prompt Learning,对比学习等技术提升模型性能； （3）尝试使用中文大模型对热点事件模块进行优化,提升热榜准确率和可读性； （4）完成服务的工程代码开发,各功能模块解耦,满足业务方的实际使用场景,部署服务到MLOPs平台。 3、项目成果 （1）截至目前,文本过滤模块和观点分类模块准确率均达到90%以上; （2）舆论热榜模块聚类簇准确率达到87%，相较于原服务准确率提升20%； （3）服务交付相关业务使用。 4、个人收获 （1）深度参与构建真实场景下的NLP应用系统,完整地进行了"数据准备-模型构建-训练调优-工程开发-测试验收服务上线"的过程； （2）通过本项目,对预训练语言模型的应用能力和不同任务的综合能力得到进一步锻炼;对企业中的模型开发流程和工具平台有一定了解。

项目背景：针对某医院智能问诊系统，开发智能问诊模块，对用户输入进行分析和判断，初步判断用户患病情况，并给出就医指南。 主要职责：负责对话引擎整体的算法设计，并进行相关大模型的微调和服务部署。其中涉及的子任务主要包括: (1). 针对用户输入信息的语义理解，抽取核心信息字段信息，主要包括病症名称词汇和病情描述信息。(2). 利用RAG技术实现对问诊流程的智能问答，包括看病流程，报销流程等等。(3). 针对用户的疾病信息进行问诊引导，包括去哪个科室，处理的流程和注意事项等等。(4).信息智能查询，通过语音查询检测结果信息等功能。 主要成果：完成整体系统的开发和大模型的微调，系统对话整体的准确率达到90%以上。

医疗综合信息分析平台 项目背景: 以用户的病例信息作为输入，抽取疾病信息，所属领域类别信息，病状的描述信息，处方信息以及对应的禁忌事项信息等。将该信息抽取完成后存储至数据库。最后由专业人员对相关信息进行质检，完成医疗信息的知识落库。 项目分工: 本人主要负责对病例信息的领域分类，疾病名称识别，病状信息描述，处方信息抽取和禁忌事项的抽取业务。即通过大模型对病例信息的数据实现多个维度的信息抽取工作。 项目成果: 完成外科和耳鼻喉科领域下，数百种疾病信息的知识抽取，准确率达到90%以上。 欢迎合作: 作者在对话领域有多年的研究经验，LLM应用落地上有丰富的实战经验，在这块有大量的交付案例，欢迎有相关业务需求的公司进行合作。