一文搞懂 RAG 检索增强生成

▼最近直播超级多，预约保你有收获

今晚直播：《大模型应用案例实战》

 —1—

RAG 检索增强介绍

检索增强生成（Retrieval Augmented Generation，RAG）是一种强大的工具，它通过将外部知识整合到生成过程中，增强了大型语言模型（LLM）的性能。

让我们探索 RAG 的关键组成部分。

第一、定制知识库

定制知识库是指一系列紧密关联且始终保持更新的信息集合，它构成了 RAG 的核心基础。这个知识库可以表现为一个结构化的数据库形态，也可以表现为一套详尽的文档体系，甚至可能是两者兼具的综合形式。

第二、分块

第三、Embedding 嵌入 & Embedding Model 嵌入模型

一种将文本数据表示为数值向量的技术，可以输入到机器学习模型中。

嵌入模型负责将文本转换成这些向量。

第四、向量数据库

一系列预先计算的文本数据向量表示，用于快速检索和相似性搜索，具有SQL CRUD 操作、元数据过滤和水平扩展等功能。

第五、用户聊天界面

一个用户友好的界面，允许用户与 RAG 系统互动，提供输入查询并接收输出。

查询转换为嵌入，用于从向量数据库检索相关上下文！

第六、提示模板

为 RAG 系统生成合适提示的过程，可以是用户查询和定制知识库的组合。

这作为输入给 LLM，产生最终回复。

参考引用：https://mp.weixin.qq.com/s/CAcmAOJ6SC7JU80AqAsyuQ

新年领取《AI 大模型技术知识图谱》