AI知识库如何使用
作者：微信文章一、终极解决方案
如果你看到以下的东西篇幅感觉很头疼，或者即便按照教程做完了效果也没有达到预想的效果，请留言找我或者专业人士及公司吧。
如果确实有这个耐心要经历这个磨难的话，那么下面我们开始自虐吧。
二、安装cherry studio
从这个网站下载，安装：
https://www.cherry-ai.com/download
三、调试cherry studio
安装好cherry studio后，在左下角设置中点开，可以看到可以调用很多大模型。
其实这里有两个内容，对于文本分析，我们要使用两种模型，一种是生成式对话文本模型，一种是向量化嵌入式模型。
对话模型就是deepseek之类的，它负责思考以及和人说话。
而向量化嵌入式模型，它负责分析我们上传的文档，然后把它用合理的方法说给deepseek听，因为deepseek只能听人话，但是看不了文章，向量化嵌入式模型就是deepseek的眼睛，他们组合后AI就能看书了。
3.1选择你喜欢的对话大模型
在cherry studio上，大模型不是和网络上的deepseek或者豆包等网站一样的，是要配置的。分类很多，但我按付费情况分类，就两种，一种是付费模型，一种是免费模型。
3.1.1付费模型-硅基流动（广场，模型多，付费免费都有）
我这里讲两个例子，一个是硅基流动，一个是deepseek，如果你不打算付费，跳过这个章节看下一个步骤，我个人觉得如果有能力的话在这个时候支持一下国产是历史上为数不多的参与机会，有点像球迷买票，大家可以自己选择这个对于我们初学者没什么太多区别，我觉得在编程方面可以关注一下电信研究院的大模型。
我先说第一个硅基流动：
1、在cherry点左下角设置，在列表中找到硅基流动，点开，
2、看到AIP钥匙这一栏，左下角有一个蓝色小字“点这里获取密钥”，点开，
3、打开后是一个网站，用手机号注册获取短信验证码，
4、进去后会看到模型广场，看到花花绿绿的各种模型，里面既有付费模型，也有免费模型，上面都写好了，选一个你喜欢的或者感觉强的先用起来，这里面也有免费的可以选择。这里我们选择第一个阿里的通义千问，
5、点开后右边会弹出一个对话框，它会提示你等级不够要买会员，点开购买就行了，
6、然后进入充值页面，各家支付方式可能都不一样，大家按照网购经验处理就行了：
7、充值成功后会获取一个密钥，在密钥页面，这里非常重要，点复制密钥，记住请一定一定在你的本地电脑上使用一个文本把这个密钥保存一下，很多情况这个密钥不能再复制的以后，密钥就是一串很长的奇怪字母数字等等
8、回到cherry中，把密钥粘贴进去，然后点检测，正常情况应该马上就能用了。
3.1.2付费模型-deepseek
方法是一样的，
1、在左下角设置点开，选择深度求索
2、点开蓝色小字获取密钥
3、微信扫码或者手机短信注册登录
4、点充值
5、冲完后点APIkeys，然后创建一个，名字随便起，然后他会给你生成一个很长的字符代码，复制它，同时记得在本地电脑文本保存一个
6、回到cherrystudio，找到刚才的深度求索，粘贴APIkey进去就行了。
3.1.3免费模型-kimi
其他免费模型大家自己看一下，腾讯什么的，我这里只介绍清华大学的kimi。同样找到月之暗面，获取apikeys，就是API 密钥。因为步骤一样就不演示了。
3.2开启对话大模型
1、没错这个是一个专业工具，大模型是要开启的，你买了密钥，要在右上角点开绿色按钮，保持绿色常亮就是打开，开启它才能使用。
2、然后在cherry中选择左上角第一个按钮，对话按钮，这个页面是和大模型对话的。点开
3、然后在屏幕最上面，无论你看到现在的是什么字，点开，会弹出你刚才购买的大模型选项让你选择，选你要用的那一个就行了。因为cherry是可以买很多大模型来同时使用的，但是你一次只能和一个大模型对话，所以要选一下，就这个意思。
4、然后你选择一个，比如我选择deepseekR1模型，这里回答的时候，就是这个大模型在回答我了。如果你要问其他的大模型，就好比问其他的专家一样，那你就选其他的你想问的就行了，就好像在医院进行门诊挂号一样。
3.3开启向量嵌入式大模型
重点啊注意看啊这里，这里我们要给我们本地的大模型安装眼睛了哈！！不然他就是个嘴劲。
3.3.1付费模型-硅基流动
1、和刚才一样，点左下角设置，列表找到硅基流动，点页面中的“管理”。
2、下拉列表，或者点上面分类的嵌入式，找到BGEM3或者其他的嵌入式模型，点右边的加号就行了，这样你的列表中就有这些大模型了。感谢清华这里BGEM3是很强的分析模型，如果你以后认识到了，可以不用这么强的模型等等都可以，这个自己慢慢体会。
3、同样打开右上角按钮启用，变绿是启用。
3.3.2免费模型-ollama
其实你可以依葫芦画瓢在列表中找到任何可以提供嵌入式模型的服务商，有很多也是免费的，但注意这里是这些服务商提供的网络服务，可能伴随它服务器的性能和同时在线用户的情况不同，效果的好坏也有所不同。
我们这里介绍一个能在本地你自己的电脑上安装的，很简单几个步骤跟着走一下，但是提示，你自己做的眼睛，大概率没有专业选手这些AI服务商的做的好。
1、在你的电脑上安装ollama。
打开https://ollama.com/ ，下载安装下一步下一步就行了。
2、通过cmd命令或者其他方法打开命令行（不知道怎么打开请AI一下）。
3、输入ollama pull bge-m3，回车，等他下载完就行了
4、回到cherry studio，找到ollama，和刚才的步骤一样打开bgem3就行了，这里自己试一下，请注意，你是可以在ollama在你的计算机本地下载deepseek或者其他大模型的，ollama就是大模型的翻译器，有了这个东西大模型才能运转。至于怎么安装本地大模型，请AI搜索一下吧~~如果他连这个也告诉不了你，那咱们也就不必做这么多了，请放心使用。
四、知识库
4.1为何要建库？
上面我们已经获得了一个能说会道的大脑、眼睛和耳朵嘴巴了，就是生成式对话大模型和向量嵌入式大模型。
这样其实已经可以使用了，但是这和我们的目标还有点远。
通常我们在问大模型的时候，往往发现它可能会瞎说，或者不围绕我们希望的事情来说，通常这个时候我们是需要通过提示词的学习，缩小它的范围的。这个我们这里就不讨论了。我简单给结论，你的大模型可能学的太杂了，这么多知识它不知道要怎么给你编。
我们现在要去AI能够针对某一个具体类别的案例或者事物，对某一个具体的事情进行分析。缩小我们的场景范围。
那么我们怎么告诉它具体要处理的场景呢？
我们给他一堆资料，让它针对资料，看一遍学一遍，然后再来发言。
请注意，我们现在给它资料，和它学会这些知识，是完全不同的两种情况，建库就好比专家评审的时候临时拿到一堆材料一样，是现场来看的，只是现场缩小了范围而已，但是专家能够背下来这些资料脱口而出，那就是提升这个专家的能力情况了，这个属于大模型的训练和构建等等方面。
4.2如何建库？
1、打开cherry，选择倒数第二个知识库按钮，打开。
2、找到目录，点加号，添加目录，把你电脑上你要给他的目录传给他。请这里大家务必小心，你们的敏感资料不要也一起上传了哦！警察蜀黍来找你的时候别提到我，这里我已经声明了。
3、这样你要扔给专家的需要临时了解的项目相关材料就具备了。
4.3如何使用库？
没错，使用库这个动作是要在问答的时候做的，毕竟你不是所有的问题都要围绕那一堆材料来问的，比如明天双色球的结果。
1、打开cherry，选择第一个对话按钮，打开。
2、在对话框下找到第四个按钮，知识库，点开
3、选择添加知识库，找到你需要给它的那个库，因为你可以同时添加很多库，不同的案子就给专家不同的材料对不。
4、再来问答。这时你会发现，AI的回答会结合知识库中的内容。请注意，效果可能并没有预想那么好，这就回到第一章了。但这肯定不是AI不行哈，请不要自我麻醉了，不然打赢所有人类大师的AI围棋机器人是怎么产生的捏。
五、材料分析
好铺垫了这么多终于来到最重要的一个步骤了，我们要给这个有鼻子有眼的专家我们需要的具体案子了。
还是刚才对话的界面，点第二个上传文档，把你要具体扔给专家的那一个文档给它！
这个时候再来问问题。
六、案例
我一共问了三次，这是每一次我的思路，和我对结果的调整，以及我的思路，供大家参考。
6.1第一次提问，它跑偏了
6.1.1🤖 提问
读取这个材料，这是一个湖北省黄冈市红安县智慧停车项目PPT展示，其目的是为了参加演讲比赛，分析这个ppt的内容对讲述调理进行修改建议
AI大赛-智慧停车.pdf
6.1.2🤖 回答
根据提供的材料，针对红安县智慧停车项目PPT的演讲调理，提出以下修改建议：
6.1.2.1结构优化建议
• 强化问题导向
• 建议在政策背景后增加红安县本地停车痛点分析（如引用材料10中1392个泊位缺口数据），通过具体案例（如材料7/8中道路车位调整矛盾）说明项目必要性。
• 补充材料3提到的"停车资源不足、泊位利用率低"等共性问题与本地特征的结合。
• 突出技术亮点
• 将AI算法应用（逆向停车识别、车流量分析）与高位视频技术单独成章，引用材料1中"车牌识别率98.92%"数据强化技术可信度。
• 增加材料4提到的"动静态交通协同发展"技术路线图，展示系统集成优势。
• 深化实施路径
• 整合材料6周报中的"已完成8条道路152个点位测绘"阶段性成果，增加实施进度甘特图。
• 引用材料10的泊位规划表，用数据可视化展示"1387个确定泊位+469个待定泊位"推进计划。
6.1.2.2内容增强建议
• 政企协同展示
• 增加材料9/11中的路网规划衔接说明，强调与住建局专项规划的协同性。
• 补充材料3"政府监管+企业运营"双轮驱动模式，明确各方权责边界。
• 效益量化呈现
• 采用对比数据可视化：如材料3"收费率从50%提升至90%"效果预测，结合材料10不同类型车位运营收益测算。
• 增加社会效益维度：引用材料4"减少绕行30%碳排放"模型测算环保价值。
• 风险防控模块
• 整合材料6/7中"接电界面划分争议""盲道冲突"等实施风险，增加应对方案流程图。
• 引用材料8设备调试记录，展示技术可靠性验证过程。
6.1.2.3演讲技巧建议
• 故事化开场使用材料7中"新华巷新增18号监控杆"具体案例，以"一个车位的智慧蜕变"切入，增强代入感。
• 动态化呈现
• 将材料9中的路网规划图做成动态演化视频，展示"2024-2035年路网升级"远景。
• 对材料10的泊位分布图进行热力图处理，实时演示车位使用率变化。
• 问答预置锚点
• 在政策部分埋设材料4"新基建专项资金申请"信息，引导评委关注政策契合度。
• 技术章节预留材料1"地磁+视频融合方案"对比优势问题应答点。
6.1.2.4视觉优化建议
优化模块
现存问题
改进方案
数据展示
文字堆砌（如材料10泊位表格）
转换为三维地图标注+环形比例图
技术图解
设备照片平铺（如材料1/3）
制作设备工作原理动效演示
政策关联
政策文件截图模糊（材料4）
设计时间轴图谱，标注本地适配要点
建议增加"市民体验专区"，嵌入材料5中的智能停车小程序模拟操作界面，增强互动性。最终以材料11中的2035年智慧交通愿景收尾，提升演讲格局。
6.2第二次提问，指出问题，再答
6.2.1🤖 提问
注意，知识库中的文件材料是作为参考使用的，需要调整修改的只有上传的文件《AI大赛-智慧停车.pdf》，重新分析
AI大赛-智慧停车.pdf
6.2.2🤖 回答
根据上传的《AI大赛-智慧停车.pdf》内容及最新参考材料，提出以下针对性修改建议：
6.2.2.1内容强化方向
• 本地化数据融合
• 补充材料2中"已完成8条道路152个点位测绘"的实际进度数据，在"基础资料"章节增加红安县专属进度对比图（如：改造前后泊位数量柱状图）。
• 整合材料6的"河西大道车位调整记录"（非字型12个+一字型38个），在"工程方案"章节增加动态调整案例说明。
• 技术方案深化
• 将材料4的"宜昌项目预算清单"转化为技术选型依据，在"智能设备对比"页增加红安版设备配置表（高位视频占比/地磁部署密度等）。
• 引用材料5的"PDA管理系统"操作流程，在"运营管理"章节补充设备联动逻辑图。
• 风险应对可视化
• 针对材料2提到的"接电界面划分争议"，在"实施路径"章节增加电力接入方案流程图（标注争议点解决方案）。
• 结合材料6"高杆相机新增记录"，在"AI算法应用"页补充设备调试数据（如：HJLDD-DG-18号杆识别准确率曲线）。
6.2.2.2结构优化建议
原PPT章节
修改建议
参考依据
政策背景
增加"红安政策适配性分析"子模块
材料2周报中的住建局协作记录
建设内容
新增"动态调整机制"专项说明
材料1/6的车位修改日志
技术方案
拆分"地磁+视频融合方案"独立章节
材料4宜昌项目设备配置表
实施路径
插入"周报进度甘特图"
材料2的量化工作节点
6.2.2.3视觉呈现升级
• 数据可视化重构
• 将"4641个居民区车位"等静态数据改为热力分布图，叠加材料6中的新华巷等重点区域标注。
• "98.92%识别率"技术指标改用动态攀升曲线，对比材料1修改前后的识别率变化。
• 工程图纸优化
• 将材料6的"HXDD-ZG-08点位调整"记录转化为三维地图标注动画，展示空间关系变化。
• 在"港湾式停车位"示意图旁增加材料2中的红安实景对比图。
• 交互增强设计
• 在"智慧停车平台"页嵌入材料5的"PDA管理"模拟操作界面。
• "政策背景"时间轴增加扫码查看材料4政策原文链接的功能。
6.2.2.4演讲支撑优化
• 问答预埋点
• 在"投资估算"页脚备注材料4的"宜昌项目1041万预算"对比数据。
• "AI算法"章节预留材料6设备调试问题的应答话术。
• 演讲节奏设计
graph LR
A[开场:新华巷车位矛盾故事] --> B[痛点:材料2的泊位缺口数据]
B --> C[解决方案:材料6动态调整案例]
C --> D[技术亮点:材料5设备管理系统]
D --> E[成效:材料1识别率提升曲线]
建议增加"市民体验视角"贯穿线，使用材料5的"畅停会员卡"操作流程作为叙事线索，增强演讲感染力。最终以材料2中的"2035年路网规划"愿景收尾，呼应政策背景中的长期目标。
6.3第三次提问，给其他出方向，再总结
6.3.1🤖 提问
结合项目和在互联网上搜索，对于城市级别智慧停车项目而言，应该有那些亮点在现在和未来，提炼出具体观点，形成报告
6.3.2城市级智慧停车项目核心亮点报告（现在与未来）
──────────────────────────────────────────────────
6.3.2.1**当前核心亮点**
• 全场景智能感知网络
• 通过多模态检测技术（地磁+高位视频+超声波）实现车位状态99%识别率，如北京国家知识产权局项目采用"前置超声波+双模地磁"组合方案
• AI视频分析扩展应用场景，支持逆向停车、跨位停放等12类违规行为检测，同时延伸至流动摊贩识别等城市治理领域
• 城市级数据中枢
• 构建支持10万+泊位管理的云平台（宜昌案例），日处理300万级数据请求，并发能力达20万次/秒
• 动态交通联动机制实现"车位-路况"双向优化，如武汉项目将停车数据同步至交管信号灯系统，路口通行效率提升27%
• 无感服务生态
• 聚合支付体系支持ETC/APP/扫码等8种支付方式，深圳海岸城项目支付成功率超99.6%
• 反向寻车系统通过车牌绑定+三维导航，寻车时间从平均8分钟缩短至2分钟（北大医院案例）
• 精细化运营体系
• 动态定价模型基于热力图实时调节费率，昆明同德广场高峰时段周转率提升40%
• 设备健康监测系统实现故障自诊断，宜昌项目运维成本降低35%
──────────────────────────────────────────────────
6.3.2.2**未来演进方向**
• 空间重构技术
• 开发地下空间数字孪生系统，支持"5G+BIM"的立体车库智能调度（参考宜昌三期规划）
• 路侧泊位智能伸缩装置，实现高峰时段车道可变（河北公安厅项目已试点）
• 新能源融合创新
• 光储充一体化车位：北京知识产权局试点光伏车棚，单车位年发电量超2000度
• V2G反向充电技术：与电网联动实现低谷充电/高峰供电，南京南站项目验证可行性
• 自动驾驶协同
• AVP自主泊车系统：深圳前海试点L4级自动泊车，泊车效率提升3倍
• 车路协同导航：武汉项目测试V2X车位预约，通行时间缩短18%
• 数字孪生治理
• 建立城市停车元宇宙，实时模拟政策影响（如北京试点征收拥堵费对停车行为的影响预测）
• 区块链存证系统：宜昌项目实现停车数据司法存证，纠纷处理效率提升60%
──────────────────────────────────────────────────
6.3.2.3**价值创造模型**
维度
当前价值
未来延伸
政府
违停率下降25%（深圳数据）
碳积分交易平台（每万车位年创收50万）
市民
找车位时间从15min降至2min（均值）
预约车位误差率<3%（5G+高精定位）
企业
停车场营收增长40%（昆明案例）
数据增值服务（如商业选址分析）
城市
交通拥堵指数下降18%（宜昌数据）
城市应急调度系统（灾害时自动释放应急车位）
──────────────────────────────────────────────────
6.3.2.4**实施路径建议**
• 技术迭代路线
graph LR
A --> B
B --> C
C --> D
D --> E
• 生态共建策略
• 建立"政府主导+科技企业+能源企业+金融机构"的产业联盟（参考武汉城市合伙人模式）
• 开发开放平台接口标准，兼容90%以上主流设备（宜昌技术规范要求）
──────────────────────────────────────────────────
数据支撑：北京项目显示智慧停车系统使停车场收益提升65%，车位周转率从2.1次/天增至4.7次/天；深圳海岸城顾客满意度提升32%。未来随着自动驾驶普及，预计可释放15%的道路空间（麦肯锡预测模型）。
七、总结
我们可以看到，我们给AI安装了眼睛鼻子嘴巴和手之后，它能做的事情相对更具体了，虽然我这里的问题其实很难，因为我们确实是专业水平的复杂工程，在没有训练完毕的通用大模型，就好比我在问我们家初一的姑娘怎么建设火箭上天一样，能够答的这样已经是非常不错了。
这里是我的问题超纲了，因为第一我选择的是通用大模型专家，在专业领域上大模型是需要训练的，我们需要一个领域的专家比如医疗专家网络专家等等，这个不是目前通用专家能够解决的，现阶段是要通过项目等形式来尝试看能否有这些专家的。
第二我给它的资料其实也是非常专业的，受计算能力、模型理解大小的影响，其实这部分也是可能让人觉得有幻觉的原因，而这些都可以通过项目的形式来解决的。
第三，也是最重要的，我们的需求是什么？毕竟人类想违背造物主制造全知全能的神，这件事情目前有点违背宇宙规律我觉得，所以我们应该缩小、具化我们的问题，毕竟你也不可能在任何时间空间内找到一个什么都知道的专家，这个事情即便在人类世界也不存在，爱因斯坦也没办法训练人篮球吧?
所以诀窍其实就是，当一个正常人，合理看待工具，合理使用工具，合理建设项目，合理预期实验，合理正常使用，创造美好未来，谢谢。
页:
[1]