茴香豆是一个基于大语言模型的群聊知识助手，它能够自动识别并回答群聊中的技术相关的问题，且不会被群聊中的非技术内容干扰。
可以集成到即时聊天工具（如微信、飞书）的群聊中。
主要针对技术问题，特别是与编程、算法、软件开发等相关的问题。
由于是开源的可以改造成各种行业类型的机器人，专门回答各种问题。
主要功能特点：
1、技术问题解答：像技术专家一样回答问题： 它能像一位懂技术的好朋友那样回答群聊中的技术问题，比如关于最新的编程技巧、计算机视觉或深度学习等方面的问题。
2、适应群聊场景：特别设计用于即时通讯工具中的群聊环境，如微信和飞书，能够有效地在这些环境中运作。
3、避免信息泛滥：不让群聊变成杂货铺： 能够帮助群聊保持整洁，防止无关的聊天信息充斥整个对话，让重要的技术讨论更加突出。
4、领域特定知识理解：精通各种专业知识： 它不仅仅是一个能上网查资料的工具，还能理解和处理那些特别专业的技术问题，包括最新的开源项目信息。
5、高度定制化回应：量身定制回答： 根据群聊里的具体讨论内容和背景，茴香豆能提供非常符合情境的回答，确保每次回答都相关且精准。
6、长上下文处理能力：记忆力超群： 即使是长时间或复杂的对话，茴香豆也能跟上，理解整个对话的历史，回答更加详细和深入的技术问题。
7、支持远程和本地LLM服务：茴香豆支持使用本地LLM模型，也支持通过远程API（如OpenAI的API）来处理问题，这为用户提供了灵活性。
8、搜索增强：茴香豆可以通过集成如Sourcegraph这样的代码搜索工具，增强对疑难问题的解答能力。
9、调参和优化：茴香豆支持根据业务场景进行调参，以优化问答效果，这包括调整搜索结果个数、修改搜索结果偏序等。
GitHub：https://github.com/InternLM/HuixiangDou
论文：https://arxiv.org/abs/2401.08772
HuixiangDou的最终版本专注于增强聊天模型的长上下文处理能力，并在以下三个方面扩展了响应流水线，以提高提供有效答案的可能性：
1、扩展的长上下文处理能力
目的： 处理更长的对话或文本，使模型能够理解和回应更复杂的技术问题。
实现方式： 通过调整和优化模型架构，使其能够处理并维持更长篇幅的对话历史，从而在群聊环境中更准确地回应用户查询。
2、增强的响应流水线
搜索增强： 使用多种搜索技术（如文档片段检索）来找到与用户查询最相关的信息，确保回答的准确性和相关性。
LLM提示技术： 利用大型语言模型的自然语言处理能力，通过精心设计的提示来提取和处理关键信息，更准确地定位用户问题的核心。
回答评估和筛选： 在提供答案之前，使用模型对回答的相关性和准确性进行评估，确保只有高质量的回答被呈现给用户。
3、提升回答质量的其他改进
仓库搜索功能： 特别针对技术问题，允许模型直接从相关的代码仓库或文档中检索信息，提供更专业和详细的答案。
参数调整和优化： 根据实际应用场景和用户反馈，调整模型的参数和设置，以达到最佳的回答效果。
多模态输入处理： 除了文本信息外，模型还能处理其他类型的输入（如代码片段），从而在更广泛的场景中提供帮助。
