OpenAI的自定义GPT实际上是免费的新员工。但就新员工而言，大多数都不是很有用。
在这篇文章中，我分享了我们为将这些新员工转变为一系列专家而建立的系统，以及我们如何在团队中利用它来提高我们的人工智能能力。
在我们深入探讨细节之前，让我分享几个例子来启发一些潜在的用途：
- 无所不知的客户支持代理
- 随叫随到工程师
- 调用转录摘要生成器
- 客户电子邮件编写器
- 人力资源专员
此外，如果您已经迫不及待地想开始，您可以直接跳到我们的文档和代码库：
让我们从了解GPT不足之处开始
第一个也是最明显的是，GPT是根据大量的网络数据进行训练的，但他们对你的特定团队一无所知。它没有客户交互、遗留系统考虑、工程设计以及其他对做出明智决策至关重要的内容。
第二个问题是GPT所能吸收的知识量有限。你不能把所有的文件都交给它，然后抱着最好的希望。这就是为什么检索增强生成（RAG）如此流行的原因。但即使在RAG管道中，也有很多变化。例如，检索必须尊重用户的访问权限。它必须能够在新信息进入时保持最新，并能够识别过时的信息来源。还有许多重要的优化（例如：区分“相关”和“有用”文档）。
我们的解决方案
我们相信，我们的解决方案（Danswer）为各种规模的团队带来了价值，因此我们发布了它供每个人使用。它是完全开源的（MIT）和可自托管的，您可以将它插入您选择的任何LLM中。它可以通过网络应用程序和Slack使用。
丰富GPT的第一步是将其连接到您的数据：
现在，您的数据已连接并建立索引！此时，您已经可以在UI中向默认AI询问任何问题，它将根据您的文档进行回答。
现在让我们创建一些自定义GPT！也许我们想创建一个人工智能随叫随到代理，帮助减轻睡眠不足的工程师的负担。让我们告诉这个GPT它的作业是什么，并配置用于该作业的正确文档集。
你也可以将Danswer配置为Slack机器人。我们实际上正在将其用于我们的开源社区（顺便说一句，我们很想在那里看到你，这里有一个加入链接）。
您可以在此处找到详细说明：https://docs.danswer.dev/slack_bot_setup
所有资源
- 开放源代码：https://github.com/danswer-ai/danswer
- 文件：https://docs.danswer.dev/
- Danswer Cloud（目前在阿尔法）：https://www.danswer.ai/