在Go-Proxy-BingAI项目中自定义高级选项默认提示词
项目背景
Go-Proxy-BingAI是一个开源的Bing AI代理项目,允许用户通过自定义部署来访问Bing AI服务。该项目提供了丰富的自定义选项,包括前端界面的各种设置。
需求场景
许多用户在部署Go-Proxy-BingAI项目时,希望修改高级选项中的默认提示词,以更好地适应自己的使用习惯或特定场景需求。例如,将默认的"你是Bing,由微软推出的AI助手"改为其他更适合自己业务的提示语。
技术实现方案
核心修改点
项目的默认提示词存储在用户模块的状态管理中,具体位置是前端源代码中的用户状态定义文件。要修改这个默认值,需要找到并编辑对应的代码行。
具体操作步骤
-
定位源代码: 在项目的前端代码中,找到用户状态管理模块,其中定义了包括提示词在内的各种默认设置。
-
修改默认值: 将默认提示词的字符串值替换为你想要的任何内容。例如,可以改为"你是一个专业的客服助手"或其他适合你场景的描述。
-
重新构建项目: 修改完成后,需要使用npm构建工具重新构建前端部分:
npm run build -
部署更新: 将修改后的代码推送到你的代码仓库,Vercel等部署平台会自动或手动触发重新部署。
注意事项
-
代码维护: 修改核心代码后,需要注意后续项目更新时可能需要重新应用这些修改。
-
多环境部署: 如果项目部署在多个环境,需要确保每个环境都应用了相同的修改。
-
用户体验: 修改默认提示词时,应考虑最终用户的使用习惯,避免设置过于复杂或专业的术语。
扩展建议
对于需要更灵活配置的场景,可以考虑以下进阶方案:
-
环境变量配置: 可以将默认提示词提取为环境变量,这样无需修改代码即可调整默认值。
-
用户自定义保存: 实现用户自定义提示词的保存功能,允许不同用户保留自己的偏好设置。
-
多语言支持: 如果需要支持多语言用户,可以建立多语言提示词库,根据用户语言环境自动切换。
通过以上方法,可以灵活地定制Go-Proxy-BingAI项目的高级选项默认提示词,使其更好地服务于特定场景和用户群体。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00