映兔AIGC技术架构
模型层
数据层
映兔AIGC业务视图
Multimodal Input
算力层
输入数据
业务层
应用层
框架层
服务对象
数据中间件
云平台
Image
硬件基础设施
Text
LLM - 开源
持久化
LLM - 商业版
AI相关
AI驱动产品智能化
第三方
自有数据
Speech
内容营销AIGC
Other
NVIDIA
AMD
Azure OpenAI
Claude 3.5
OSS对象存储
Vector数据库
MySQL数据库
阿里云
Azure
商家
图示图层说明
连线代表一种广义的关系，可能是数据、网络、功能、解释等等各种意思
红色方框，红色连线，代表当前[[2023-08-25]]业务聚焦的核心点
绿色方框，代表展望，或等待官方发布后，再做持续的技术跟进。
其他方框颜色：暂时没有实际意义，主要为了做视觉上的美化和区分。
分层思路说明
业务层：high level视角的描述，可以认为是一个可对外发布的核心feature描述。
应用层：基于模型层的能力，概括出来的直观的『元功能』项，基于这些元功能，组成我们的业务层的特性
模型层： 特指LLM大模型提供的API视角的models定义。
算力层：当我们要自建LLM进行训练，需要耗费大量的GPU资源。
数据层：业务功能角度的数据输入，及其使用的持久化存储。
LangSmith
爬虫平台
达人平台
Fine-tuning
Image generation
Midjourney
Embeddings
Embeddings数据
odps
Fine-tuning数据集
Prompts指令中心
Moderation
Plugins
AutoGPT
LLaMA
QWEN
文心大模型
DALL·E 2
Chat - Prompts
Stable Diffusion
相似博主推荐
Whisper
TTS
智能爬虫
视频生成
Gemma
ChatGLM
Query & Output
Contextual data - 私域数据
Backend Bridge AI-end：桥梁
Prompts Engineering - 指令中心
- 规划一下2个月的一期迭代冲刺，分成4个阶段，每2-4个星期，测试环境演示一下当前进展。预期效果：
- 2星期：测试环境的后端&AI端，搭建完成，手动请求后端接口，得到响应数据。
- 2星期：测试环境的前端，对接完成，兔宝AI应能请求得到质量不错的响应数据。
- 2星期：编辑器和兔宝AI，每个功能点的Prompts词应该已经比较完善，提示词质量较优，
- 2星期：生产ready，性能、限流、吞吐等具备，整体稳定性可靠性。应能端到端完成用户使用全流程。