问问AI

概念

问问节点作为画布中最核心的节点，问问AI 通过使用大模型来串联其他资源通过提示词完成用户需求：

添加上下文：通过添加上下文来将上一个节点生成的内容作为问问AI节点的待处理资源
选择知识库：在问问中同样可以添加知识库，实现大模型对知识库内容的检索，结合提示词生成新内容
选择模型：根据业务需求选择不同模型，包括：
- 多模态模型（可处理图片）
- Think模型（支持思维链思考）
- 普通大模型

模型选择

根据业务需要选择合适的模型,需要添加图片的请注意选择对应的视觉支持模型

模型介绍

模型类别	模型特性	模型名称	模型描述 (基于公开信息补充)	模型擅长 (基于公开信息补充)
高级模型	多模态	Claude 3.5 Sonnet	Anthropic 推出的模型，作为 Claude 3 Sonnet 的升级版，在多个基准测试中表现优于 GPT-4o 和 Gemini 1.5 Pro。擅长编码、写作和视觉数据提取（包括从不完美图像中提取文本），并引入了创新的 Artifacts 功能。是首个公开测试计算机使用功能的前沿模型。	编码、写作、视觉数据提取（尤其擅长处理不完美图像）、代理任务、工具使用、计算机使用（测试版）。在软件工程和图像信息提取方面能力突出。
高级模型	多模态, 混合推理 (Hybrid Reasoning)	Claude 3.7 Sonnet	Anthropic 当时发布的最智能模型，是市场上首款混合推理模型。引入了“扩展思考”能力，能以可见的、细致的步骤解决复杂问题，并可快速响应。在编码和驱动 AI 代理方面表现优异。	复杂问题求解（通过扩展思考）、高级编码、驱动 AI 代理、快速响应生成、长文本输出（高达 128K token，部分测试版）、支持 200K 上下文窗口。
高级模型	多模态, 混合推理 (可选扩展思考模式)	Claude 3.7 Sonnet (扩展思考模式)	Claude 3.7 Sonnet 的一个可选工作模式。启用后，模型会投入更多时间进行问题分解、方案规划和多角度探索，通过可见的、逐步的推理过程来解决复杂问题，尤其在数学和科学领域表现更佳。无需显式提供思维链提示。	复杂问题求解、需要详细推理过程的任务（尤其是数学、科学）、需要解释思考步骤的场景、深度分析与规划。
高级模型	Think 模型 (推理中心)	DeepSeek R1	由 DeepSeek 推出的以推理为中心的模型（早期版本为 R1-Lite-Preview），采用强化学习优先的训练方法。旨在与 OpenAI o1 等模型竞争，在逻辑推理、数学和编码方面表现突出，具备事实核查和复杂问题规划能力。	逻辑推理、代码生成与补全、数学问题求解 (在 AIME, MATH-500 等基准测试中表现优异)、复杂问题规划与解决、事实核查。
高级模型	多模态, 强推理 (可进行响应前思考)	Gemini 2.5 Pro Preview	Google 当时发布的最智能、推理能力最强的模型预览版。能够在响应前进行思考推理，提升性能和准确性。在 LMArena 人类偏好排行榜上名列前茅，具备强大的编码、数学和科学能力，并支持多模态处理和超长上下文。	复杂推理（包括响应前思考）、高级代码生成与理解、数学与科学问题求解、多模态信息处理、长上下文任务、深度研究 (Deep Research)。
高级模型	多模态, 编码优化, 超长上下文	GPT-4.1	OpenAI 推出的专注于编码能力提升的模型系列 (包括 standard, mini, nano)。相比 GPT-4o，在编码、指令遵循和长上下文处理方面有重大改进，支持高达 100 万 token 的上下文窗口。在格式遵循、减少幻觉和记忆方面更稳健，主要通过 API 提供。	高级代码生成与理解、严格的指令遵循、超长文本处理 (1M token 上下文)、企业级应用、需要高格式遵循度和低幻觉率的任务。
高级模型	多模态 (文本, 语音/音频, 图像, 视频能力), 快速响应	GPT-4o ("omni")	OpenAI 的旗舰模型 ("o" 代表 "omni")，原生集成了文本、语音/音频和视觉处理能力。提供 GPT-4 级别的智能，但速度更快，尤其在实时语音交互和图像理解方面有显著提升。	实时多模态交互（语音对话、图像讨论）、文本生成与理解、代码生成、数学与逻辑推理、快速响应任务。
高级模型	多模态, 推理增强, 图像理解	o3 Mini (OpenAI)	OpenAI 推出的新型推理模型，能够“用图像思考”，即分析图像并用于推理。专门设计用于处理需要逐步逻辑推理的问题，擅长科学、数学和编码任务。	图像理解与推理、复杂问题求解、科学/数学/编码任务、逐步逻辑推理。
高级模型	大规模 MoE 模型, 多模态 (Qwen-VL), 20T tokens 训练	Qwen2.5-Max (通义千问2.5-Max)	阿里巴巴云通义千问大语言模型系列的最新版本。在多个基准测试中超越 DeepSeek V3 和 Llama-3.1-405B。使用 20 万亿 tokens 训练，拥有广阔的知识库和强大的通用 AI 能力。Qwen-VL 是该系列的多模态版本，支持图像、文本和 bounding box 输入输出。	中文自然语言处理、长文本摘要与生成、文档问答、代码生成、图像理解、数学 (提升 75%)、代码能力 (提升 102%)、指令遵循 (提升 105%)。
高级模型	实时信息获取, 1M token 上下文, 强化学习, 图像分析	Grok 3 Beta	xAI 推出的旗舰模型，能够分析图像并回答问题。在多个 AI 基准测试中优于 GPT-4o，拥有 100 万 token 的上下文窗口，并通过大规模强化学习改进了高级推理能力。具备 DeepSearch (实时互联网分析) 和 Big Brain Mode (复杂任务) 等功能。	实时信息获取、复杂问题推理、数学问题求解 (AIME)、知识密集型问题 (GPQA)、图像分析、个性化对话。
标准模型	速度最快, 低延迟, 高效, 200K 上下文	Claude 3.5 Haiku	Anthropic 推出的速度最快的模型，以极低的延迟提供高级编码、工具使用和推理能力。适用于面向用户的产品、专门的子代理任务，以及从海量数据中生成个性化体验。	快速响应的客户服务、内容审核、简单问答、实时翻译、轻量级视觉任务、编码推荐、数据提取和标注、内容审核、处理大型数据集、分析财务文档、从长上下文信息中生成输出。
标准模型	671B MoE, 128K 上下文, 推理增强, 代码优化	DeepSeek v3 0324	DeepSeek V3 的更新版本，显著提升了推理性能、编码能力和工具使用能力。支持函数调用、JSON 输出和 FIM 完成等功能。	代码生成与补全、数学问题求解、技术文档写作、长篇对话、文档分析、基于检索的 AI 应用、逻辑推理。
标准模型	轻量级, 高效, 多模态, 1M token 上下文, 原生工具使用	Gemini Flash 2.0	Google 推出的轻量级、高效率模型，针对速度和成本进行了优化，支持多模态输入和原生工具使用。具有 100 万 token 的上下文窗口。	高吞吐量任务、需要快速响应的应用 (如聊天机器人、摘要生成)、成本敏感型应用、多模态推理、大规模信息处理。
标准模型	编码优化, 1M token 上下文, 低成本, 低延迟	GPT-4.1 Mini	OpenAI 推出的 GPT-4.1 模型家族中的一员，专注于编码能力，旨在以更低的成本和延迟提供接近 GPT-4 级别的能力。具有高达 100 万 token 的上下文处理能力。	平衡性能与成本的任务、通用文本生成、数据分析辅助、需要较好理解能力但对速度有要求的场景、长文本处理 (1M token 上下文)、编码任务。
标准模型	多模态, 性能与成本平衡	Qwen-Plus (通义千问-Plus)	阿里巴巴达摩院的模型，性能介于 Qwen-Max 和 Qwen-Turbo 之间，提供较好的性能和成本平衡。	通用中文任务、文档处理、代码编写、简单图像描述、自然语言处理、计算机视觉、音频理解。
标准模型	32B 参数, 强化学习微调, 推理增强	QWQ-32B (通义千问)	阿里巴巴 Qwen 团队推出的实验性研究模型，基于 Qwen2.5-32B 构建，通过强化学习微调以增强推理能力。	数学推理 (AIME 24)、编码能力 (LiveCodeBench)、复杂问题求解、思维链生成。
免费模型	轻量级, 推理增强, 实时信息访问	Grok 3 Mini Beta	xAI 推出的 Grok 3 的轻量级版本，保留了 Grok 的部分特性，如实时信息访问，但规模更小，响应更快。	快速获取信息摘要、进行非正式对话、适用于对实时性有一定要求但计算资源有限的场景、数学问题求解、图像分析。
免费模型	多模态	Gemini 2.0 Flash Thinking	Gemini 2.0 Flash 的一个变体，强调了推理能力，能够在响应前进行思考推理，从而提高性能和准确性。	需要快速响应且涉及一定推理步骤的任务、教育场景 (展示思考过程)、轻量级多模态分析、复杂推理、长文本处理。

添加上下文

**操作:**通过鼠标点击添加上下文来将其他节点添加到问问AI节点中让大模型作为让大模型来处理的内容

添加图片

**操作:**方法1,点击问问AI 组件上的图片添加图标按钮触发图片添加动作.方法2,也可以直接剪切图片使用CTRL+V 在问问对话框或者直接粘贴通过连线方式让图片成为问问AI的上下文.方法3 直接拖拽图片到画布

技能

小组件生成

概念:小组件为系统对一些功能的分装,当你选择某个小组件后会调用系统对这部分的封装功能,例如当你调用 Mind Map 小组件时,会做2件事 1.将你的问问AI输出格式化成 Mind Map要求的格式 2.会创建出来一个 Mind Map 的代码块. 注意:你在不选择任何组件时候默认会使用markdown进行输出组件介绍:

名称	描述	适用场景
React	用于创建可复用的React组件，支持Hooks和UI库集成，使用Tailwind CSS进行样式设计	需要构建交互式UI组件时；展示带有状态管理的复杂组件；集成shadcn/ui等组件库时
SVG	创建矢量图形，自动渲染为可视化图像	需要展示logo、图标等矢量图形时；替代位图图像请求时；创建可缩放图形元素时
Mermaid	生成流程图、时序图等可视化图表	需要展示系统架构、业务流程时；制作技术文档中的示意图时；可视化复杂流程关系时
Markdown	支持富文本格式的文档内容	创建技术文档、说明文件时；需要结构化展示文本内容时；制作带格式的说明性材料时
Code	展示各类编程语言代码片段，支持语法高亮	分享可复用的代码示例时；需要保留代码原格式时；展示算法实现或工具脚本时
HTML	渲染完整网页（单文件包含HTML/CSS/JS）	展示完整网页原型时；需要交互式演示UI设计时；创建自包含的网页案例时（禁用外部资源引用）
Mind Map	创建层级化思维导图，支持富文本节点和交互式操作	知识体系梳理时；项目规划脑暴时；复杂概念可视化时；教学材料的结构化展示时

操作:
点击页面右上角的 "问问AI" → 选择"小组件生成" → 选择对应小组件

在任意问问AI的提问框输入 "/"触发组件列表 → 选择"小组件生成" → 后续步骤与方式1相同

网络搜索

概念:

分为两个步骤：
1. 在网络上搜索用户提出的问题
2. 根据搜索结果调用大模型进行处理并输出结果
深度搜索：采用 Deep Search 技术进行深度多轮检索获取内容

操作:
点击页面右上角的 "问问AI" → 选择"网络搜索" → 直接输入搜索内容
注意：可开启深度搜索开关进行深度搜索

在任意问问AI的提问框输入 "/"触发组件列表 → 选择"网络搜索" → 后续步骤与方式1相同

知识库搜索

概念:对你选择添加的知识库内的画布,文件,利用emb实现召回,在结合大语言模型处理召回后的额内容,最终输出 markdown 结果(注意:当选择知识库搜索时候,默认会搜索全部知识库知识,当你选择下方的知识库开关选择对应的知识库,哪儿这个时候会选择对应的知识库作为检索对象)

操作:
点击页面右上角的 "问问AI" → 选择"知识库搜索"

在"问问AI"节点中 → 在对话框输入"/"激活小组件 → 选择"知识库搜索"

自定义提示

概念:替换掉系统的提示词,让你可以在定义系统提示词,同时可以定义Temperature 和 Top P 参数参数详解:

名称	描述	适用场景
系统提示词	定义AI的角色、限制和行为规范，设定对话基调和上下文	需要明确模型角色定位的场景（如客服助手、内容创作、专业领域问答）
Temperature	控制生成随机性的参数（0-2），值越高输出越多样，值越低输出越保守	高值适用创意写作，低值适用事实问答；默认0.7适用于大多数通用场景
Top P	核采样参数（0-1），仅从累积概率达阈值的候选词中选取，控制输出多样性	需要平衡创造性与相关性的场景；与temperature配合使用效果更佳（建议只调整其中一个参数）