系统介绍

SurveyKing是一款功能强大、易于操作、灵活性高、安全性好的开源问卷系统。无论是企业、组织还是个人开发者，都可以通过SurveyKing轻松搭建起一个功能完备的线上考试和调查问卷平台，满足各种场景下的需求。

系统特点

• 功能丰富：SurveyKing支持多种题型，包括单选、多选、填空、判断、简答等20多种常用题型，满足了不同场景下的需求。同时，该系统提供了多种创建问卷的方式，如Excel导入问卷、文本导入创建问卷以及问卷编辑器拖拽创建等，极大地提高了问卷制作的效率和便捷性。

• 易于操作：SurveyKing的操作界面简洁直观，大部分操作都支持快捷键，如复制、粘贴、剪切、删除、撤销、回退等，提高了用户的使用体验。此外，该系统还提供了所见即所得的问卷编辑能力，所有问题和选项标题都可以使用富文本格式，支持插入视频、音频、图片、数学公式等，使得问卷的呈现更加生动和丰富。

• 数据收集与分析：SurveyKing内置了详尽的数据统计与分析工具，便于用户实时获取并解读反馈信息。系统支持多种设备，方便不同终端用户填写问卷，有效提升数据采集效率。

• 灵活性与定制性：SurveyKing提供了灵活的问卷、问题和选项设置能力，精确到选项级别的控制。无论是单行文本填空、横向填空、单选填空、矩阵填空等，都能精确控制每个选项的输入类型、值范围、值格式等。此外，系统还支持条件组可视化配置，支持多层逻辑嵌套，满足复杂问卷逻辑的需求。

• 安全性与权限控制：SurveyKing支持白名单答题功能，可以设置系统内用户白名单和外部导入用户白名单，确保只有授权的用户才能参与答题。同时，公开查询功能也支持自定义查询条件、自定义要显示的查询结果以及查询签名、查询字段权限控制等，有效保护了用户数据的安全性和隐私性。

应用场景

SurveyKing适用于各种需要进行数据采集和评估的场景，如企业市场调研、学术研究、组织内部员工培训、在线考试等。无论您是想要收集客户反馈、评估员工绩效还是进行学术研究调查，SurveyKing都能满足您的需求。

如需了解更多信息，可以访问其官方网站或查阅相关的技术文档。

官方GitHub

https://hub.docker.com/r/surveyking/surveyking

Docker镜像

https://hub.docker.com/r/yacy/yacy_search_server

安装教程

安装与部署

SurveyKing的安装和部署非常简单，支持多种部署方式，包括一键Windows部署、一键Docker部署、前后端分离部署、单JAR部署和二级目录部署等。用户可以根据自己的需求和实际情况选择合适的部署方式。

Docker部署操作步骤：安装Docker、拉取镜像、安装部署。

| 安装docker

sudo apt update  
sudo apt install -y docker.io docker-compose

| 拉取镜像

sudo docker pull surveyking/surveyking  

| 安装部署

sudo docker run -p 1991:1991 surveyking/surveyking  

指令执行完成后，在浏览器访问IP:1991即可。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】