自定义检索插件
把本地文本文件变成 ChatGPT 可调用的插件，让模型能读取提示词之外的数据，不再受上下文长度限制。
GitHub ↗
Gold Retriever
AI TOOL PROFILE工具资料把博客、讲义等个人资料变成 ChatGPT 可调用的检索插件。
官网地址 https://jina.ai/news/gold-retriever-let-chatgpt-talk-to-your-data
价格开源免费，需自备 OpenAI 密钥
平台Web / API
归类其他 AI 工具
收录2023-05-23
复核2023-05-23
编辑评分
4.2 / 5
★★★★☆
Gold Retriever编辑总结
Gold Retriever 是 Jina 与 DocArray 推出的开源工具，让 ChatGPT 能读取并推理你自己的数据。它解决的是大模型常见痛点：知识截止日期之后的新内容、超出提示词长度的长文档，以及需要引用个人资料才能完成的问答。使用方式围绕 pip 安装、部署插件、索引本地文件、在 ChatGPT 中填入 Gateway 地址和 Bearer token 这几步展开，全程面向有基本命令行经验的开发者或技术型用户。局限在于安装流程依赖 Python 环境和 OpenAI 密钥，普通用户无法一键完成。
Gold Retriever是什么？
Gold Retriever 由 Jina 与 DocArray 推出，是一个开源工具，用来创建并托管 ChatGPT 的检索插件，让 ChatGPT 能够存储、检索并推理用户自己的数据。
它主要解决两类问题：语言模型有知识截止日期，无法覆盖新近事件或特定领域内容；同时课程讲义、笔记等材料往往超过 ChatGPT 的提示词长度上限，无法直接粘贴提问。Gold Retriever 充当 ChatGPT 与用户数据之间的桥，把本地文件索引后供模型调用。
实际使用分四步：pip 安装 Gold Retriever；部署插件并提供 OpenAI 密钥；用索引命令处理准备好的文本文件；最后在 ChatGPT 插件入口选择 Develop your own plugin，填入部署时得到的 Gateway (HTTP) URL 与 Bearer token。官方博客以 MIT 开放课程 Ecology I: The Earth System 的讲义为例，演示了让 ChatGPT 从笔记中提取内容并生成抽认卡。
Gold Retriever核心功能
Python 一键安装
通过 pip 即可安装 Gold Retriever，无需手动搭建检索服务，降低自建插件的门槛。
官方说明 ↗带密钥部署
部署插件时提供 OpenAI 密钥，部署完成后会返回 Gateway (HTTP) URL 和 Bearer token，供 ChatGPT 接入使用。
官方说明 ↗本地数据索引
将准备好的所有文本文件放在同一目录，用索引命令处理，完成后插件即可检索这些内容。
官方说明 ↗接入 ChatGPT 插件
在 ChatGPT 的插件入口选择 Develop your own plugin，填入 Gateway URL 和 Bearer token 即可完成安装并测试。
官方说明 ↗基于 DocArray 构建
由 Jina 与 DocArray 驱动，复用其检索与数据承载能力，官方定位是创建并托管检索插件的一键方案。
官方说明 ↗Gold Retriever值不值得用？
当你有成堆的文本资料、想让 ChatGPT 基于这些资料而不是通用知识回答时，Gold Retriever 值得一试，它把「超出提示词长度」这个硬问题变成可操作的四步流程。官方示例用 MIT 公开课讲义做抽认卡，说明它在课程复习、资料问答这类场景里能跑通。如果你的资料不是文本文件、或你不想自己部署服务，它就不合适，因为整套流程要求本机有 Python 环境并能拿到 OpenAI 密钥，也没有托管版本可以直接订阅。
建议选它的情况
- 有大量课程讲义或笔记需要 ChatGPT 辅助复习的学生
- 想把内部文档接入 ChatGPT 做问答的开发者
- 需要为特定领域数据搭建检索插件的技术团队
不建议选它的情况
- 不具备命令行操作经验的普通用户
- 不希望自行部署服务、只想要开箱即用产品的人
- 数据不是本地文本文件、需要复杂数据源接入的场景
Gold Retriever使用建议
入门先把路子走对
- 先把文件归到一处把要检索的所有文本文件放进同一个目录，作为数据源，避免索引时漏掉文件。
- 记下两个接入参数部署插件后会得到 Gateway (HTTP) URL 和 Bearer token，务必先记下来，后面接入 ChatGPT 要用。
- 从插件入口安装在 ChatGPT 中进入 plugins，选择 Develop your own plugin，填入 URL 和 token 即可完成安装。
进阶省时间也省钱
- 按主题切分数据像官方示例那样把材料按主题组织，提问时模型更容易定位到正确段落，回答更聚焦。
- 用抽认卡自测让 ChatGPT 从索引好的笔记里提取内容生成抽认卡，把检索插件当成复习工具用。
- 持续追问细节对回答中不清楚的概念继续追问，模型会回到已索引的资料里找出处并展开解释。
Gold Retriever适合谁用？
课程复习的学生
推荐讲义超过 ChatGPT 提示词长度时，可先索引再让模型基于笔记生成抽认卡、解释概念。
搭建内部问答的开发者
推荐有 Python 环境、能提供 OpenAI 密钥，想快速把文档变成可检索插件，官方流程可直接复用。
研究特定领域的分析师
推荐各类报告、论文以文本文件形式存在时，索引后让 ChatGPT 基于这些材料作答，减少通用知识的偏差。
不熟悉命令行的普通用户
不推荐安装、部署、索引都通过命令行完成，没有图形界面，缺少这些经验会比较吃力。
需要实时数据的用户
有条件插件检索的是你索引进去的文件，不会自动接入新闻或股价等实时数据源。
Gold Retriever优点和缺点
优点
- 开源免费，代码托管在 GitHub，可按需自行修改
- 四步流程清晰：安装、部署、索引、接入 ChatGPT
- 官方给出 MIT 公开课讲义的完整示例，可照着复现
- 由 Jina 与 DocArray 驱动，复用成熟的检索能力
缺点
- 需要本机 Python 环境，并自备 OpenAI 密钥
- 数据源以文本文件为主，其他格式未在示例中覆盖
- 没有托管版本，部署和维护都要自己完成
- 从安装到接入都走命令行，非技术用户上手门槛高
Gold Retriever常见问题
Gold Retriever 是免费的吗？＋
它是开源工具，代码公开在 GitHub，使用本身不收费。但部署插件时要提供自己的 OpenAI 密钥，相关调用费用由 OpenAI 账号承担。
它能解决什么问题？＋
主要解决语言模型知识截止日期之后的新内容无法覆盖，以及资料太长超过 ChatGPT 提示词长度无法直接提问的问题，让模型基于你索引的数据回答。
怎么把它接到 ChatGPT 上？＋
先用 pip 安装，再部署插件并提供 OpenAI 密钥，记下返回的 Gateway (HTTP) URL 和 Bearer token；索引数据后，在 ChatGPT 的 plugins 里选择 Develop your own plugin，填入这两个参数即可。
官方示例用的是什么数据？＋
用的是 MIT 开放课程 Ecology I: The Earth System 的材料，演示让 ChatGPT 从笔记中提取内容并生成抽认卡，也能对指定概念做详细解释。
需要什么前置条件？＋
需要能运行 pip 的 Python 环境，以及一个 OpenAI 密钥用于部署插件。整个过程通过命令行完成。
数据放在哪里？＋
先把所有相关文本文件收集到同一个目录，作为索引的数据源，再执行索引命令让插件可以检索这些内容。
它和直接给 ChatGPT 粘贴资料有什么区别？＋
直接粘贴受提示词长度限制，资料一长就放不下。Gold Retriever 先把文件索引，再让 ChatGPT 按需检索，因此能处理超出上下文长度的材料。
