📄 麦麦知识库（LPMM）使用指南
简介
欢迎使用全新升级的麦麦知识库（LPMM）！我们引入了一款强大的一体化学习工具，它将以往复杂的多步操作整合进一个简单的交互式菜单。现在，为你的 MoFox 注入知识，就像与一位智能助手对话一样轻松自然。
新版 LPMM 的核心优势：
- 一键启动：告别繁琐的命令，一个脚本就能搞定一切。
- 交互式菜单：清晰的选项引导，让你准确知道每一步在做什么。
- 自动化流程：从数据清洗、信息提取到最终导入，全程自动化，省时省力。
- 零配置：不再需要复杂的配置文件，开箱即用。
注意事项
WARNING
请仔细阅读以下注意事项，以免引起不必要的麻烦与支出
在开始之前，请花几分钟阅读以下提示，这将帮助你获得最佳的知识学习效果，并避免不必要的开销：
- 文本质量：知识源的质量是关键。请确保你的
.txt文件分段清晰，没有无关的符号或格式，这将直接影响 AI 的理解和提取效果。 - 模型选择与费用：知识提取是一个计算密集型任务。我们推荐使用性能均衡的大模型（如 32B 至 72B 级别），以在效果和成本之间找到最佳平衡点。
- API 速率：知识学习过程会向模型 API 发起大量请求。请留意你所选模型服务的速率限制，避免因请求过快而被暂时封禁。
- 系统资源：在进行知识导入时，脚本会大量占用 CPU 和内存资源。建议在性能较好的计算机上运行此工具。
快速上手：三步构建你的专属知识库
第一步：准备你的“教材”
首先，你需要为你的人工智能准备学习材料。
创建目录：在项目根目录的
data文件夹下，创建一个名为lpmm_raw_data的新文件夹。准备文件：将你的知识源文件整理成一个或多个
.txt文件。内容格式：
- 一个主题一段落：将相关联的内容组织在同一个段落中。
- 空行分隔：使用一个空行来分隔不同的段落。这能帮助 AI 更好地理解上下文。
优秀示例：
精神状态良好：这是一种网络流行语，通常用来反讽自己实际上精神状态非常不稳定，是年轻人在高压生活下的一种幽默自嘲。 躺平：指无论外界如何变化，内心都毫无波澜，不再进行无谓的挣扎和反抗。它体现了一种顺从和“佛系”的心态，表示对激烈竞争的厌倦。放入文件：将准备好的
.txt文件全部放入data/lpmm_raw_data文件夹中。
第二步：启动“智能学习助手”
现在，让我们唤醒这位智能学习助手。
- 激活虚拟环境：打开终端，并激活你的 Python 虚拟环境。bash
# 如果你在 Windows 上 .\venv\Scripts\activate # 如果你在 Linux 或 macOS 上 source ./venv/bin/activate - 运行学习工具：执行以下命令，启动 LPMM 学习工具。bash
cd MoFox-Bot #CD到你的机器人目录下面 python ./scripts/lpmm_learning_tool.py #uv用户使用这个 uv python ./scripts/lpmm_learning_tool.py
第三步：选择学习模式
运行脚本后，你会看到一个清晰的功能菜单。这就像是给你的 AI 助手下达指令：
=== LPMM 知识库学习工具 ===
1. [数据预处理] -> 读取 .txt 文件 (来源: ./mmc/data/lpmm_raw_data/)
2. [信息提取] -> 提取信息并存为 .json (输出至: ./mmc/data/openie/)
3. [数据导入] -> 从 openie 文件夹自动导入最新知识
4. [全流程] -> 按顺序执行 1 -> 2 -> 3
5. [指定导入] -> 从特定的 openie.json 文件导入知识
0. [退出]
------------------------------
请输入你的选择 (0-5):菜单功能导览：
选项 1: [数据预处理]
- 它做什么？ 帮你通读并整理一遍“教材”，去除所有重复的内容。
- 何时使用？ 如果你只想检查一下数据，或者分步执行，可以先选择它。
选项 2: [信息提取]
- 它做什么？ 启动 AI 进行深度阅读，从你的文本中划出所有的“知识点”（即实体和它们之间的关系）。
- 何时使用？ 当你完成了数据预处理，或者想单独进行信息提取时。
选项 3: [数据导入]
- 它做什么？ 将所有划好的“知识点”正式、永久地记入 AI 的“大脑”（知识图谱和向量数据库）中。
- 何时使用？ 当你已经生成了知识点文件（.json），并希望将其导入系统时。
选项 4: [全流程]
- 它做什么？ 一键托管模式！ 它会自动按顺序完成“整理教材 -> 划重点 -> 记入大脑”的全过程。
- 何时使用？ 强烈推荐初次使用者或希望一次性完成所有操作的用户选择此项。
选项 5: [指定导入]
- 它做什么？ 如果你手头有一份之前提取好的“知识点笔记”（特定的
openie.json文件），这个选项可以让你直接将其导入。 - 何时使用？ 用于数据迁移或从特定备份文件恢复。
- 它做什么？ 如果你手头有一份之前提取好的“知识点笔记”（特定的
进阶技巧
GPU 加速
如果你的电脑配备了 NVIDIA 显卡（RTX 20系及以上，仅限 Linux），可以通过安装 GPU 版本的 faiss 库来大幅提升知识导入的速度。
bash
# 首先，卸载可能已存在的 CPU 版本
pip uninstall faiss-cpu
# 然后，根据你的 CUDA 版本选择安装
# CUDA 11.x
pip install faiss-gpu-cu11
# CUDA 12.x
pip install faiss-gpu-cu12疑难解答 (FAQ)
问：我运行脚本时失败了，好像提示和 quick_algo 有关的错误？
答：quick_algo 是一个用于加速某些算法的依赖库。在大多数情况下，你不需要手动处理它。但如果脚本确实因为缺少它而失败，你可以按照以下步骤手动安装：
对于 Windows (x86_64):
bashpip install quick_algo对于 Linux:
- 确保你安装了 C++ 编译器（GCC/G++）：bash
# Debian/Ubuntu sudo apt update && sudo apt install build-essential # Red Hat/Fedora/CentOS sudo dnf install gcc gcc-c++ - 然后，在你的虚拟环境中安装：bash
pip install quick-algo
- 确保你安装了 C++ 编译器（GCC/G++）：
对于 macOS: 请参考 MaiCore官方的手动编译文档 进行安装。
贡献者
minecraft1024a