背景：
1.国外搞原型基础研究，我们只负责实现快速应用商业变现"赚钱遨游世界买房子"
2.利用huggingface等上的文本(text)，audio(语音)，video(视频)识别开源模型
3.懒人每天5分钟系列文章:一种套路(embedding model非结构化数据+vectorDB向量数据库)，广泛解决用户内容推荐，知识产权甄别侵权，异常侵入检测告警等很广泛场景应用问题
4.”大千世界“皆可向量化
5.因为本人也偷懒没有自己画架构图(Milvus上有很好的例子场景举例)，借抛砖引玉解析原理套路疑问。
声明:懒人系列文章插图皆来自Milvus官方网站。如需引用，请标明出处。
不用ChatGPT LLM等大模型也能做个对话问答机器人(Question Answering)
1.整理你的问答数据集，此步骤非常基础重要，格式如下：你也可以扩展自己的属性。
2.利用embedding(本文是bert模型)将question 向量化标识存储到milvus。mysql挂着id+question+answners。下图借用towhee框架里模型实现QA向量化存储，黄色箭头方向
--此步骤可借用qdrant替换milvus+mysql等
3.用户输入问题，转化向量查询milvus 返回相似的question vector的ID，然后将id mapping的answners返回给用户，如上图的下部分黄色箭头