更新记录

1.0.6（2023-12-19）

修改价格

1.0.5（2023-12-18）

修改链接

1.0.4（2023-12-18）

说明文档添加链接

平台兼容性

云函数类插件通用教程

使用云函数类插件的前提是：使用HBuilderX 2.9+

能上线的AI

• uni-ai 是个好东西。
• 但只能基于AI已有知识进行回答，回答的内容很多不是我们想要的。
• 我们要的是针对自己的业务场景，基于AI的智能回答。
• 所以我们需要一个基于AI的智能问答平台。
• 所以我开发了这个插件。

原理

基于腾讯向量数据库，将文本转为向量，然后将向量存储到云数据库，然后通过向量相似度，从云数据库中查询相似度最高的向量，然后将向量转为文本，通过AI进行回答，返回给客户端。

必备条件

1. ui-ai-chat
2. 腾讯云账号
3. 腾讯云向量数据库（TDS）目前免费 向量数据库申请地址

配置中心

位置：uniCloud/cloudfunctions/common/uni-config-center/ttai-data/config.json 注意要去掉注释

{
    // 腾讯数据库配置 空为使用公共测试库
    "tx_url": "", //外网连接地址
    "account": "",// 默认是root
    "api_key": "",
    "database": "", //空为默认值：default_db
    "collection":"", //空为使用当前APPID
    "local_url": "" //不为空时，将使用本地化部署的数据库
}

申请完成以后配置好相关的参数就可以使用了。 如果不申请也可以使用，但只能用于测试，数据库会不定期进行清理，所以不推荐使用。

本地部署需要修改database,collection,local_url

希望本地化部署数据库的或配置不明白的，加我微信：tbbanjia

开发计划

• [x] 对接腾讯向量数据库
• [ ] 上传文档，基于文档回答
• [ ] 本地化部署向量数据库
• [ ] 记录聊天历史
• [x] 压缩聊天历史 节省RMB，目前先使用uni-ai自带的功能
• [ ] 可配置化AI提示
• [ ] AI请求云对象/云函数/外部API

安装方式

• 下载uni-ai-chat
• 下载TTAI-DATA
• 点击右上角下载并导入插件
• 在聊天页chat.vue 引入云对象

  // 在 export default上面添加
  const ttai_data = uniCloud.importObject('tt_ai_data')

• 找到发送信息的位置，在发送前调用云函数，找到 let task = uniCoTask，在上面添加

  // 在发送之前，将最后一条messages.content修改成从数据库读取
  if (messages.length > 0) {
  //合并用户的问题 messages.role == "user"
  let messages_user = messages.filter(item => item.role == "user").map(item => item.content).join(' ')
  //只取messages_user最后的400个字符
  if (messages_user.length > 400) {
      messages_user = messages_user.substring(messages_user.length - 400)
  }
  //搜索向量数据库
  let search_data = await ttai_data.searchDocument([messages_user])
  if(search_data.length > 0){
      //如果 score>0.8的话，说明有数据，这个值可以根据需要改动 不能大于1，值越大，匹配度越高
      if(search_data[0].score >= 0.8) {
          // 更新最后一条消息
          // 这里可以修改提示词
          let prompt = `${search_data[0].text}\n\n使用上面的内容回答问题：${messages[messages.length - 1].content}`
          messages[messages.length - 1].content = prompt
      }
  }
  }

• 打开 http://localhost:8080/#/uni_modules/ttai-data/pages/data/list 添加AI的学习内容

谋生

承接各种AI应用级的程序开发。有需要的可以加我微信：tbbanjia

云对象调用方法：

const ttai_data = uniCloud.importObject('tt_ai_data')

// 查询数据 async searchDocument(texts=["文本1", "文本2"], limit = 1, ids = [])
// texts: 文本数组 文本长度不超过400个字符 多了会被截断
// limit: 限制返回结果数量
// ids: 过滤条件，指定返回结果的id数组 ids=["id1", "id2"]
// 返回值：
// [{ "id": "5035a41ba51f640e4a448397341b91d5", "score": 0.861058, "text": "向量数据库部署架构：向量数据库采用分布式部署架构，每个节点相互通信和协调，实现数据存储与检索。客户端请求通过 Load balance 分发到各节点上" }]
const res = await ttai_data.searchDocument(texts, limit, ids)

// 添加修改 async upsertDocument(texts)
// 限制：每次最多添加1000条数据，每条数据长度不超过400个字符
// texts: 文本数组 texts=["文本1", "文本2"]
// 返回值：
// true
const res = await ttai_data.upsertDocument(texts)

// 数据列表 async queryDocument(limit = 10, offset = 0)
// limit: 限制返回结果数量
// offset: 偏移量 从0开始
// 返回值：
// [{"id":"ae2a89f5ad89f3d78b7213e10710988c","text":"xxxxxxxx"}]
const res = await ttai_data.queryDocument(limit, offset)

// 删除数据 async deleteDocument(ids=[])
// ids: 过滤条件，指定删除的id数组 ids=["id1", "id2"]
// 返回值：
// true
const res = await ttai_data.deleteDocument(ids)

// 数据集详情 async describeCollection() 
// 返回值：{count:0}
const res = await ttai_data.describeCollection()