赛博朋克风格网页Prompt
输入“/”快速插入内容
赛博朋克风格网页Prompt
赛博朋克风格网页Prompt
用户6027用户60272025年4月1日修改
纯公益项目，请自由打赏
效果
Prompt
代码块
将我提供的文章改为国际范儿的可视化HTML页面，可以有其他技术支持，让整体体现出绝佳的可读性来：
设计风格说明：
1. 全新霓虹赛博朋克风格：
▪ 使用深紫色、亮粉色和青色的大胆配色方案
▪ 暗色背景搭配明亮的霓虹色调，营造未来感
▪ 渐变色使用更加激进，增强视觉冲击力
2. 动态视觉元素：
▪ 添加漂浮动画效果，使页面更具动感
▪ 卡片悬停时有更明显的变换效果
▪ 背景添加了径向渐变和图案，增强深度感
3. 更具未来感的UI元素：
▪ 磨砂玻璃效果（backdrop-filter）增强现代感
▪ 按钮添加了内部光影效果和悬停动画
▪ 产品卡片添加了光泽扫过效果
4. 更强的视觉层次：
▪ 增强了标题的视觉效果，添加了文字渐变和阴影
▪ 表格和卡片使用了更大胆的边框和背景
▪ 增加了浮动效果，使页面元素更具立体感
5. 中文优化：
▪ 使用Noto Sans SC字体，专为中文显示优化
▪ 调整了文字间距和行高，提高中文可读性
▪ 所有内容已转换为中文
待处理文章：
2022年底，ChatGPT横空出世。不久后，一项叫做RAG的技术迅速走红。
## 什么是RAG
> Retrieval-Augmented Generation，检索增强生成）
RAG是什么？ 简单说，它让AI能查资料回答问题。
不靠猜，靠事实。
**大概工作原理：**
① 把文档切成小块，将每块转为数字向量。
② 用户提问时，找出最相关内容。
③ AI读取这些内容，组织语言回答。
**这样做有什么好处？**
相当于为大语言模型提供了一个"外部知识库"，不仅更专业，而且能有效减少“幻觉”，让回答有出处，更准确。
受益场景很多，如AI客服，以前是关键词匹配，经常换个问法就答不了。
现在是真正的语义理解回复，而且调内部知识库回答，不会乱编，非常实用。
### AI知识库
随着AI技术发展，Token成本下降，RAG技术应用越来越广。
开始出现大量面向C端用户的AI知识库产品。
这类产品潜在价值巨大，有希望演化为你的第二大脑，最不济也是一个查找资料的好帮手。
之前写过一篇AI知识库文章，提到不少工具：
比如
NotebookLM、Obsidian+Copilot插件、腾讯IMA、Cherry Studio、Get笔记等。
评论区有朋友留言，希望增加AnythingLLM、纳米AI等其他AI知识库产品对比。
最近有空，从易得性、知名度、支持Mac和PC客户端角度出发，选以下产品深度评测：
- 腾讯IMA
- 纳米AI
- CherryStudio
- AnythingLLM
## 支持文档格式
对知识库产品来说，要让用户方便的把已有资料放上去，支持的文档格式种类越多越好。
**腾讯IMA**
**纳米AI**
**CherryStudio**
**AnythingLLM**
# 格式支持对比
# 文档格式支持对比表
| 文档格式 | 腾讯IMA | 纳米AI | CherryStudio | AnythingLLM |
|:---------|:-------:|:------:|:------------:|:-----------:|
| PDF | ✅ | ✅ | ✅ | ❌ |
| WORD | ✅ | ✅ | ✅ | ❌ |
| EXCEL | ❌ | ✅ | ✅ | ✅ |
| PPT | ✅ | ✅ | ❌ | ❌ |
| TXT | ❌ | ✅ | ✅ | ✅ |
| CSV | ❌ | ✅ | ❌ | ✅ |
| Markdown | ✅ | ✅ | ✅ | ❌ |
| HTML | ❌ | ✅ | ✅ | ❌ |
| EPUB | ❌ | ✅ | ✅ | ❌ |
| URL | ❌ | ✅ | ✅ | ✅ |
| 图片 | ✅ | ✅ | ❌ | ❌ |
| 音频 | ❌ | ✅ | ❌ | ❌ |
| 视频 | ❌ | ✅ | ❌ | ❌ |
从表中看，纳米AI支持的格式最多、CherryStudio第二。
尤其是能支持Epub电子书格式，是非常重要的特性，这样就能把整本书丢进去，随时查资料。
Get笔记有点特殊，目前主打移动端场景，不支持文档上传，有点遗憾。
但它能支持抖音、B站地址转文本作为知识库内容，也非常实用。
## 测试方法说明
## 资料素材
为方便判断，除Get笔记，上传了几份相对熟悉的资料。
**简单说明：**
第一个Epub是我给朋友做的电子书。腾讯IMA不支持Epub，所以只能拿纳米AI和CherryStudio比较。
第二个是个人日记，坚持写了三年多，方便我判断检索准确性。
第三个是张小龙饭否发帖记录。
第四个是张一鸣微博记录PDF版。
## 测试模型
为避免模型质量干扰，知识库默认选用Deepseek R1模型，不用官方模型。
为避免上下文干扰，新开会话测每个问题。
注意：
Cherry Stuido用 Deepseek 官网API的推理模型。
但它不直接提供嵌入和重排模型，模型选择不同，可能会有一定偏差。
## 测试问题
- 产品与摇滚乐的关系？
- 张小龙如何评价iPhone？
- 张一鸣如何评价iPhone？
- 有什么好的招人策略？
- 红烧拖鞋如何做？
- 去年3月份我做了什么？
- 有什么关于决策的建议？
- 如何冥想？
**简单评测维度：**
- 文档引用覆盖（召回率）
- 引用标注（可信性）
- 回答准确性（准确率）
- 回答有用性（回答价值）
- 内容排版（可读性）
这些问题，可基本覆盖上面评测维度。
## 产品与摇滚乐的关系？
以前产品经理圈流行一个梗，出自张小龙的一条饭否：
> “面试产品经理，所有技能合格后，要问，你喜欢摇滚吗。回答否的，就算了”
刚好能测试AI知识库“大海捞针”检索能力。
从结果看，纳米AI表现最好，CherryStudio其次。
**腾讯IMA**
**纳米AI**
**Cherry Studio**
**AnythingLLM**
| 评测维度 | 腾讯IMA | 纳米AI | CherryStudio | AnythingLLM |
|:---------|:-------:|:------:|:------------:|:-----------:|
| 文档引用覆盖 | 3分 | 5分 | 4分 | 1分 |
| 引用标注 | 3分 | 4分 | 4分 | 1分 |
| 回答准确性 | 3分 | 5分 | 4分 | 2分 |
| 回答有用性 | 3分 | 5分 | 4分 | 1分 |
| 内容排版 | 2分 | 5分 | 4分 | 1分 |
## 张小龙如何评价iPhone？
针对这个题目，几个工具回复都还行，但IMA引用张小龙对Windows的评价，引申为iPhone可能有类似看法，这样不一定对。
**腾讯IMA**
**纳米AI**
**Cherry Studio**
**AnythingLLM**
| 评测维度 | 腾讯IMA | 纳米AI | CherryStudio | AnythingLLM |
|:---------|:-------:|:------:|:------------:|:-----------:|
| 文档引用覆盖 | 3分 | 5分 | 4分 | 1分 |
| 引用标注 | 3分 | 4分 | 4分 | 1分 |
| 回答准确性 | 3分 | 4分 | 4分 | 2分 |
| 回答有用性 | 3分 | 5分 | 4分 | 1分 |
| 内容排版 | 3分 | 5分 | 4分 | 1分 |
## 张一鸣如何评价iPhone？
问题用来测幻觉和检索能力。
纳米AI和Cherry Studio都算翻车，回答里引用了张小龙饭否提到iPhone的内容，并非张一鸣的言论。
IMA回复：没有找到张一鸣对 iPhone 的任何评价。
AnythingLLM也指出：“张小龙（而非张一鸣）的饭否帖子，其中包含了他对 iPhone 和苹果产品的看法”。
**腾讯IMA**
**纳米AI**
**Cherry Studio**
**AnythingLLM**
| 评测维度 | 腾讯IMA | 纳米AI | CherryStudio | AnythingLLM |
|:---------|:-------:|:------:|:------------:|:-----------:|
| 文档引用覆盖 | 3分 | 5分 | 4分 | 1分 |
| 引用标注 | 3分 | 4分 | 4分 | 1分 |
| 回答准确性 | 3分 | 2分 | 2分 | 3分 |
| 回答有用性 | 3分 | 4分 | 4分 | 1分 |
| 内容排版 | 3分 | 5分 | 4分 | 1分 |
## 有什么好的招人策略？
问题用来测试材料召回，从结果看纳米AI覆盖4条资料，Cherry Studio覆盖5条，其他效果不佳。从回答质量看，Cherry Studio和纳米AI各有千秋。
**腾讯IMA**
**纳米AI**
**Cherry Studio**
**AnythingLLM**
| 评测维度 | 腾讯IMA | 纳米AI | CherryStudio | AnythingLLM |
|:---------|:-------:|:------:|:------------:|:-----------:|
| 文档引用覆盖 | 3分 | 5分 | 4分 | 1分 |
| 引用标注 | 3分 | 4分 | 4分 | 1分 |
| 回答准确性 | 3分 | 4分 | 4分 | 2分 |
| 回答有用性 | 3分 | 5分 | 4分 | 1分 |
| 内容排版 | 3分 | 5分 | 4分 | 1分 |
## 红烧拖鞋如何做？
这个问题用来测幻觉，几个工具都通过测试。
但是，IMA直接回：“没有找到相关的知识库内容”。
而纳米AI和CherryStudio、AnythingLLM都给了补充说明，用户体验更好。
从补充信息价值看，纳米AI和CherryStudio差不多。
**腾讯IMA**
**纳米AI**
**Cherry Studio**
**AnythingLLM**
| 评测维度 | 腾讯IMA | 纳米AI | CherryStudio | AnythingLLM |
|:---------|:-------:|:------:|:------------:|:-----------:|
| 文档引用覆盖 | 3分 | 5分 | 5分 | 1分 |
| 引用标注 | 3分 | 4分 | 4分 | 1分 |
| 回答准确性 | 5分 | 5分 | 5分 | 5分 |
| 回答有用性 | 3分 | 5分 | 5分 | 1分 |
| 内容排版 | 3分 | 5分 | 4分 | 1分 |
## 去年3月份我做了什么？
问题测试工具对圈定时间范围的检索。
从准确性和有用性看，纳米AI最佳。
**腾讯IMA**
**纳米AI**
**Cherry Studio**
**AnythingLLM**
| 评测维度 | 腾讯IMA | 纳米AI | CherryStudio | AnythingLLM |
|:---------|:-------:|:------:|:------------:|:-----------:|
| 文档引用覆盖 | 3分 | 4分 | 4分 | 1分 |
| 引用标注 | 3分 | 4分 | 4分 | 1分 |
| 回答准确性 | 3分 | 5分 | 4分 | 2分 |
| 回答有用性 | 3分 | 5分 | 4分 | 1分 |
| 内容排版 | 3分 | 5分 | 4分 | 1分 |
## 有什么关于决策的建议？
问题重点测材料召回和回答质量，纳米AI覆盖3个文档6个片段，Cherry Studio覆盖3个文档4个片段，回答质量纳米AI明显最好。
**腾讯IMA**
**纳米AI**
**Cherry Studio**
**AnythingLLM**
| 评测维度 | 腾讯IMA | 纳米AI | CherryStudio | AnythingLLM |
|:---------|:-------:|:------:|:------------:|:-----------:|
| 文档引用覆盖 | 3分 | 5分 | 4分 | 1分 |
| 引用标注 | 3分 | 5分 | 4分 | 1分 |
| 回答准确性 | 3分 | 4分 | 4分 | 2分 |
| 回答有用性 | 3分 | 5分 | 4分 | 1分 |
| 内容排版 | 3分 | 5分 | 4分 | 1分 |
## 如何冥想？
这个问题重点测试回复质量和内容结构。
纳米AI和Cherry Studio都给出了具体做法步骤，非常清晰。
Cherry Studio在问答结尾还展示了相关书籍和App，回答质量更佳。
**腾讯IMA**
**纳米AI**
**Cherry Studio**
**AnythingLLM**
| 评测维度 | 腾讯IMA | 纳米AI | CherryStudio | AnythingLLM |
|:---------|:-------:|:------:|:------------:|:-----------:|
| 文档引用覆盖 | 3分 | 5分 | 4分 | 1分 |
| 引用标注 | 3分 | 4分 | 4分 | 1分 |
| 回答准确性 | 4分 | 4分 | 4分 | 2分 |
| 回答有用性 | 4分 | 5分 | 4分 | 1分 |
| 内容排版 | 3分 | 5分 | 4分 | 1分 |
## 知识库问答评测总结
基于上面的测试问题，总结评分如下
| 评测维度 | 腾讯IMA | 纳米AI | CherryStudio | AnythingLLM |
|:---------|:-------:|:------:|:------------:|:-----------:|
| 文档引用覆盖 | 3分 | 5分 | 4分 | 1分 |
| 引用标注 | 3分 | 4分 | 4分 | 1分 |
| 回答准确性 | 3分 | 4分 | 4分 | 2分 |
| 回答有用性 | 3分 | 5分 | 4分 | 1分 |
| 内容排版 | 3分 | 5分 | 4分 | 1分 |
结论很直观：
**纳米AI > Cherry Studio > 腾讯IMA > AnythingLLM**
其实还有其他评测维度，比如知识库文件上传操作难度，Embedding处理等待时间，问答响应速度等。
除了AnythingLLM特别拉胯外，其他几个工具，差距不大。
可惜的是Cherry Studio，因为只是工具，无论大模型、嵌入模型、重排模型，都要自己配置，操作成本非常高，对普通小白用户来说，并不友好。
## 深入看看纳米AI
这次评测，没想到纳米AI知识库效果出众，再深入看看它的其他知识库相关功能。
有几个我觉得很实用：
- 知识广场
- 多模态支持
- 个人记忆
- 网站/App/微信内容全打通
### 知识广场
官方收集整理了大量实用的知识库，一键添加学习。
不仅可以学习别人的知识库，还能创建分享自己的知识库。
让知识流动起来，让知识更有价值。
### 多模态支持（图片、音频、视频）
第一次见到支持多模态的知识库。
无论图片、音频、视频，都可以识别转为文本，极大拓展了内容边界。
确实，知识不止是文本文件，未来AI世界一定是多模态的！
1. 提供URL自动抓取网页内容
2. 上传视频转文本
3. 上传音频转文本
### 个人记忆
任何你觉得跟AI有价值的对话，都可以选择加入知识库。
人机协作创作知识，也是未来一大趋势。
这个功能很好的满足了这样的需求。
### 网站/App/微信内容全打通
之前看腾讯IMA，觉得在微信做产品就是好，可以无缝导入聊天记录中的文件。
我看了歸藏的评测，没想到纳米AI的Windows版，同样支持导入桌面文件、公众号和微信聊天文件。
这都是什么黑科技！
不仅如此，Windows版还能自动抓取浏览记录、网页收藏夹，这个Mac很快也会支持。
你只需要收藏内容，AI会自动打标签、分类，实在收藏癖福音。
最近更新发现，知识库空间容量从2G扩容到了36G，真的足够用了。
## 后记
Flomo笔记创始人少楠写了一本书叫《笔记的方法》，里面有一句话广为流传：“让当下的笔记，增援未来的自己”。
笔记产品也是知识库，但有了AI加持后，就可以持续对话，检索提炼萃取。
AI知识库就是这样的产品，非常实用，值得持续关注，深度使用。
在未来，人人都会拥有大量的AI助理或员工。
而他们的知识来源、对你偏好的理解，可能就源于你的一个个知识库。
所以，从今天起，我们就应该肆无忌惮的收藏、持续思考提问、不断记录输出，逐步建立属于自己的知识库，增援未来的自己和“AI们”。