拾遗记

上回说到我在 coze.com 上使用 Single Agent 模式并基于 GitHub Copilot Chat 的泄露提示词搭建了一个编程助手，但在这几个月期间发生了一些变化：

1. 我根据自己的习惯不断地对提示词修修改改，使得提示词冗长且结构混乱，导致了输出质量下降。
2. coze.com 收费了，免费的额度那就跟没有一样。

好在目前 Google Gemini API 还可以白嫖，所以我改用 dify.ai 来重新构建一个编程助手，只不过这回我选择使用多个 LLM 组建工作流的方式来实现。

聊天机器人的一个主要特点是能使用以前的对话内容作为上下文。这种状态管理有多种形式，包括：

• 简单地将以前的信息塞进聊天模型提示中。
• 如上，但会修剪旧信息，以减少模型需要处理的干扰信息量。
• 更复杂的修改，如为长对话合成摘要。

一个大语言模型的提示是用户提供的一组指令或输入，用来引导模型的响应，帮助它理解上下文和生成相关且连贯的基于语言的输出，例如回答问题、完成句子或参与对话。

提示模板是一种预设的格式，用于为语言模型生成引导指令。

根据 LangChain 官网的 QuickStart 教程，在 Colab 中使用 Google Gemini API 学习 LangChain 基本操作。

在近两年里，如果说想要在本地部署离线语音识别模型，那么 Whisper 和 FunASR 肯定是首选项。所以为什么要使用 Vosk 呢？