可以交给 Leina 的 Cohere 任务
复制示例,补充具体信息,然后在已接入的团队聊天中发给 Leina。
将来源文档作为具体问题的上下文。
使用 Cohere 模型 [模型 ID],根据文档 [文档] 回答 [问题]。支持时请求引用,并说明尚未解答的要点,区分有来源依据的表述与一般解释。
在提供的文档集合中找出最相关候选项。
使用 Cohere 重排模型 [模型 ID],为查询 [查询] 和候选文档 [文档] 返回前 [N] 项。将结果索引对应回原文档标题,并将相关性评分作为相对排序信号展示。
开始使用 Cohere
-
连接账号
使用 Cohere API 密钥连接。
-
尝试一个任务
在团队聊天中告诉 Leina 你的需求,说明数据来源、保存位置和预期结果。
将 Leina 接入团队聊天 → -
核对结果
查看任务结果,并核对应用中的变更。
支持的 Cohere 能力
通过 Cohere 结合提供的文档生成聊天回答,为查询重排候选文档,并创建文本向量。这些操作处理你提供的材料,本身不会建立可搜索知识库。
- 回答与相关性
-
结合文档生成回答并重排提供的候选项。
- Chat
- Rerank Documents
- 文本向量
-
按合适输入类型为提供文本创建向量。
- Embed Texts
查看全部 3 项操作
- Chat
- Embed Texts
- Rerank Documents
常见问题
回答需要提供哪些文档?
提供相关文本与可识别的标题或 ID。聚焦的文档集合便于将表述对应到来源。
如何使用重排结果?
使用索引与相关性评分安排候选项复核顺序。重排不验证事实准确性,也不搜索集合之外的内容。
可以创建搜索用向量吗?
可以,提供兼容模型、文本,以及适合文档或查询的输入类型。向量存储与搜索需要其他检索系统。
让 Leina 成为你的 Cohere AI 员工
在团队聊天中告诉 Leina 你的需求,说明数据来源、保存位置和预期结果。