BetterYeah AI主题
LLM节点
LLM 是构建 AI 应用的核心。我们相信，大型语言模型（LLM）将改变软件的使用方式和我们的工作方式。有了 BetterYeah AI，使用 LLM 变得非常简单。 与 LLM 的通信是通过自然语言和书面形式进行的。用于向 LLM 提供信息和指令的文本称为 "提示（Prompt）"。 每次使用 LLM 时，您只需要：写好提示和选择合适的模型。
如何使用
点击 「+」按钮，选择 LLM 节点；
配置节点内容。
配置
模型
我提供市面上几乎所有的主流 LLM模型，你可以根据你的需求，选择合适的模型。
| 模型分类 | 供应商 | 名称 |
|---|---|---|
| Anthropic Claude 系列模型 | Anthropic | anthropic.claude-v1 |
| Anthropic Claude 系列模型 | Anthropic | anthropic.claude-v2 |
| Anthropic Claude 系列模型 | Anthropic | anthropic.claude-3-haiku |
| Anthropic Claude 系列模型 | Anthropic | anthropic.claude-3-sonnet |
| Anthropic Claude 系列模型 | Anthropic | anthropic.claude-instant-v1 |
| Azure Open AI 系列模型 | Azure | gpt-4-turbo(Azure) |
| ChatGLM3 | ChatGLM3 | ChatGLM3-6B |
| ChatGLM3 | ChatGLM3 | ChatGLM3-6B-32K |
| ChatGLM3 | ChatGLM3 | ChatGLM3-6B-Base |
| Moonshot 系列模型 | Moonshot | moonshot-v1-8k |
| Moonshot 系列模型 | Moonshot | moonshot-v1-32k |
| Moonshot 系列模型 | Moonshot | moonshot-v1-128k |
| OpenAI ChatGPT 系列模型 | OpenAI | gpt-4 |
| OpenAI ChatGPT 系列模型 | OpenAI | dall-e-3 |
| OpenAI ChatGPT 系列模型 | OpenAI | gpt-4-turbo |
| OpenAI ChatGPT 系列模型 | OpenAI | gpt-3.5-turbo |
| OpenAI ChatGPT 系列模型 | OpenAI | gpt-3.5-turbo-16k |
| OpenAI ChatGPT 系列模型 | OpenAI | gpt-4-vision-preview |
| 百度千帆大模型 | 百度 | BLOOMZ-7B |
| 百度千帆大模型 | 百度 | ERNIE-Bot |
| 百度千帆大模型 | 百度 | ERNIE-Bot-4 |
| 百度千帆大模型 | 百度 | AquilaChat-7B |
| 百度千帆大模型 | 百度 | ChatGLM2-6B-32K |
| 百度千帆大模型 | 百度 | ERNIE-Bot-turbo |
| 百度千帆大模型 | 百度 | Llama-2-7b-chat |
| 百度千帆大模型 | 百度 | Llama-2-70b-chat |
| 百度千帆大模型 | 百度 | Qianfan-Chinese-Llama-2-7B |
| 智谱 ChatGLM 系列模型 | 智谱 | GLM-4 |
| 智谱 ChatGLM 系列模型 | 智谱 | GLM-3-Turbo |
| 智谱 ChatGLM 系列模型 | 智谱 | chatglm_pro |
| 智谱 ChatGLM 系列模型 | 智谱 | chatglm_std |
| 智谱 ChatGLM 系列模型 | 智谱 | chatglm_lite |
| 智谱 ChatGLM 系列模型 | 智谱 | chatglm_lite_32k |
| 讯飞星火认知大模型 | 讯飞 | general |
| 讯飞星火认知大模型 | 讯飞 | generalv2 |
| 腾讯混元大模型 | 腾讯 | HuanYuan |
| 阿里通义千问系列模型 | 阿里 | qwen-plus |
| 阿里通义千问系列模型 | 阿里 | qwen-turbo |
创造性
当配置的创造性值较大时，模型输出的概率分布更平均，这意味着您将获得更多样化的回答。
当配置的创造性值较大时，模型输出的概率分布更平均，这意味着您将获得更多样化的回答。
提示词
提示词是一种书面文字，其中包括您要提供给语言模型的信息以及指令和期望。清晰明确的提示词，是完成需求的关键。有关提示语工程的说明和最佳实践，可以参阅提示工程指南。也可以在全屏调试中，使用我们的优化建议。文本框中可以使用{{}}语法 引入其他节点的输出或变量例如，获取start节点的content值，可以使用 start.content 将其包含在提示词中。
更详细的变量使用指南可以使用参考 Flow中的变量和数据流转。
上下文
可创建或读取上下文故事线，让AI更准确的理解意图并处理
- 通过变量：
你可以使用 JSON格式来传递上下文：
json
[
{
"role": "user",
"content": "你好"
},
{
"role": "assistant",
"content": "你好，有什么可以帮助您？"
},
{
"role": "user",
"content": "北京奥运会时间"
}
]- 手动输入
在文本框中输入上下文
- 输出格式（OpenAI 模型）
- 文本：直接输出文本
- JSON：输出 JSON 文本，更加结构化，易于与其他模块连接。
- 文本：直接输出文本