RAG（Retrieval Augmented Generation, 检索增强生成）是一种技术框架，其核心在于当 LLM 面对解答问题或创作文本任务时，首先会在大规模文档库中搜索并筛选出与任务紧密相关的素材，继而依据这些素材精准指导后续的回答生成或文本构造过程，旨在通过此种方式提升模型输出的准确性和可靠性。
RAG 主要包含哪些模块？
模块一：版面分析
本地知识文件读取（pdf、txt、html、doc、excel、png、jpg、语音等）
知识文件复原
模块二：知识库构建
知识文本分割，并构建Doc文本
Doc文本 embedding
Doc文本 构建索引
模块三：大模型微调
模块四：基于RAG的知识问答
用户query embedding
query 召回
query 排序
将 Top K 个相关的 Doc 进行拼接，构建 context
基于 query 和 context 构建 Prompt
将 prompt 喂给大模型生成答案
声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。
评论(0)