目前未注册用户也可以使用相关的能力,已注册用户可以获得更多的提问次数,欢迎使用和注册 ZAN~
ZAN 官网在最新的更新中上线了全新功能,用户可以通过聊天的方式和 ZAN 的 AI 机器人进行交互,获取 ZAN 和 WEB3 相关的内容。这是 ZAN 团队对于用户体验升级的一次创新尝试。
立即扫码体验 ZAN AI 助手
在传统的前端交互中,用户一般是在页面中寻找信息,通过鼠标的点击、键盘的输入来尝试触达自己想要的信息。这种交互的方式非常依赖页面信息流的展示设计,如果相关信息隐藏的入口比较深,那么信息可能难以让用户触达。比如一个用户在 ZAN 上想要查看自己的账单信息,那么他就需要:1、点击 Profile;2、点击 Bills;3、查看自己相关的账单信息。
因此我们觉得下一代的网站交互方式,应该能让用户更容易触达自己关心的内容,让信息的展示更加直接、快速。我们采用的方案是通过大模型 LLM 来提升网站的能力。大模型目前凭借优秀的文本理解能力,可以很好的完成用户的指令,在海量的数据中帮用户收集、处理资料。以用户获取账单的例子,用户可以在聊天框中输入自己想要的内容,AI 就会帮用户整理相关内容,甚至一些特殊的内容,我们可以通过组件的方式直观地展示给用户:
如何使用
目前 ZAN 的用户可以直接在 ZAN 的官网使用 AI 助手的能力,在页面的右下方可以看到 AI 助手的入口。
打开 AI 助手聊天框之后,用户就可以在输入框中描述自己想要的内容,AI 会帮用户查询资料,返回给用户整理之后的信息。除了直接返回的内容,AI 还会额外附上与内容相关的链接地址,用户可以根据这些链接去获取更加详细的信息。
如果对当前生成的内容不满意,可以在答案的下方对内容的质量进行反馈,帮助我们更好地提升 AI 助手的能力。当然你也可以点击「重新生成」来再次生成内容,并在多次生成的内容中自由切换。
如果觉得气泡的方式内容展示有限,我们还支持全屏展示的能力。
相关技术
整个 AI 助手的交互依赖于大模型的能力,交互的流程如下图所示:
步骤
可以看到整个流程分成三个步骤,分别是知识检索、意图识别以及最后的多模态展示。
知识检索过程会从我们维护的知识库中检索相关的信息,意图识别过程用于判断最后展示的类型(文本或者自定义组件),最后的多模态展示过程将之前检索的信息组合用户的输入,驱动大模型给出最后整理的答案。
接口设计
我们维护了两类接口,一类是 RAG 知识检索相关的内容,另一类是大模型代理接口。其中 RAG 的知识检索包含一整套 RAG 数据的维护系统。
Prompt
在回答问题的过程,不同的阶段需要整合不同的 Prompt 来约束达模型的交互按照我们预想的方式进行。
RAG 系统
RAG 系统是一种提升大模型特定知识领域能力的方案,通过在 RAG 系统中维护相关知识,可以让大模型学习到这部分知识,并在后续的问答中使用该部分能力。
这次将 ZAN 的交互和 AI 的能力进行整合,希望可以提升用户的实际使用体验。后续我们将继续丰富多模态展示的类型,制定更多的自定义组件,不断丰富我们的知识库,以不断提升用户体验为目标继续打磨我们的产品。
现在加入墨子web3微信群
一起深入探讨 Web3 前沿动态