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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00