使用RAG构建高质量知识库ai网站

348 0 0

在AI技术飞速发展的当下，RAG（检索增强生成）作为实用的前沿技术，正助力高效构建高质量知识库。本文深入浅出地解析RAG的定义、优势、技术原理，从知识入库到检索的全流程，并结合公司考勤管理制度实例演示其应用，助你轻松掌握RAG技术。豆包ai赚钱

在AI应用领域，各种新技术新名词层出不穷，但最实用的技术莫过于RAG了。chartgpt

相信稍微接触过AI的同学都不会陌生，但要想用好RAG，还是有一定门槛。deepsee

今天咱们就来聊一聊RAG。搜狐简单ai

RAG是什么？魔剪a i

检索增强生成runway

Retrieval-Augmented Generation定制分身中国

一般用户在使用大模型的时候，其实只需要使用自然语言问问题，大模型就会返回相应的答案。搜狐简单ai

普通人使用大模型的方式纳米ai官网入口

所以只要掌握好提示词工程，大多数场景就已经可以让大模型乖乖给你干活了。想了解提示词的同学，可以去看上一篇文章。搜狐简单ai

你真的会写提示词吗？高质量提示词指南来了！ai网站

但是大模型能回答的仅限于公域知识。如果你有一个私域文档，希望大模型根据文档的内容回答问题。要怎么搞？随变ai下载安装

[fancyad id=”45″]open ai官网

也很简单，只要把文档丢给大模型让他参考就可以了。open ai官网

带知识库的交互方式百度ai下载

比如，你有一个文档《公司考勤管理制度》，只需要把文档的内容全部复制粘贴到提示词中，并要求大模型参考知识回答问题即可。边界ai

但是，如果文档非常长，比如是一本书，没办法一次性丢给大模型参考，该怎么办？chartgpt

这个时候就需要用到我们的 RAG（检索增强生成）技术了。豆包ai赚钱

RAG边界ai

核心是把知识进行模块化存储，使用时按需召回最匹配的知识并作为上下文提供给大模型。边界ai

RAG的好处豆包的使用教程

提高准确性：通过引用外部知识库，RAG能够弥补LLM在特定领域知识或最新信息方面的不足，从而提高生成响应的准确性。
更新鲜的信息：RAG能够访问实时更新的外部数据源，使得模型生成的响应更加及时和符合最新情况。
降低成本：与重新训练LLM相比，RAG是一种更具成本效益的方式来增强LLM的能力，因为它无需对模型进行大规模的重新训练。
增强可解释性：RAG可以提供生成响应所依据的外部来源，增强了响应的可解释性和可信度。
消除幻觉：基于确定性的知识能够让大模型的回答更加稳定，大幅度降低胡编乱造的可能性。

RAG的技术原理百度ai下载

RAG技术入门非常简单，现在市面上很多的AI开发框架和智能体开发平台都内置了知识库能力，轻轻松松就可以搞出一个企业知识库，并且知识库的检索也能达到及格水平。百度智能体怎么搭建

但AI技术的特点往往就是上手容易但深入困难，想要进一步优化你的私域知识库，就得适当了解RAG的技术原理，根据自己的实际情况选择更好的技术路径。open ai官网

RAG的技术路径有很多种，但总体来说，可以划分为“知识入库”和“知识检索”两个大的板块。怎么安装豆包

知识入库定制分身中国

知识入库质量的好坏，决定了知识检索的效果。百度ai下载

知识入库环节说明数据清洗去除无效数据，例如：外部链接、重复数据、特殊符号、无效信息等。数据分块针对不同的文档类型进行分块处理。比如按段落分块、按固定长度分块等。向量化把分块后的数据转化成向量并存储在向量数据库。百度ai下载

这里每一个步骤都足够复杂，咱们后面的系列文章会逐步进行讲解。魔剪a i

知识检索搜狐简单ai

从向量数据库中查找对应的知识并作为上下文输入到大模型中。搜狐简单ai

知识检索环节说明向量检索把要检索的内容转化成向量，通过全文检索、稀疏向量检索、稠密向量检索等方式获得最相关的TopK个结果。重排通过对向量检索中召回的TopK歌结果进行二次精排和加工，最终找出最符合的几个结果。搜狐简单ai

举个例子chartgpt

现在有一个私域知识库文件”公司考勤管理制度.pdf”玻尔学术ai

<html>ai下载安装

<body>玻尔学术ai

<div>问天ai下载

XXX公司考勤管理制度ai获客

# 第一条目的open ai官网

为规范员工考勤管理，维护正常工作秩序，保障企业和员工的合法权益，根据《中华人民共和国劳动法》及相关法律法规，结合公司实际情况，制定本制度。怎么安装豆包

# 第二条适用范围ai网站

本制度适用于公司全体正式员工、试用期员工及兼职员工。豆包ai赚钱

# 第三条标准工作时间ai网站

公司实行标准工时制，工作日为周一至周五，每日工作时间为：魔剪a i

上午 09:00-12:00ai下载安装

下午 13:00-18:00（含1小时午休）ai获客

特殊岗位或因工作需要调整工作时间的，需经人力资源部审批后执行。纳米ai官网入口

# 第四条考勤方式豆包ai赚钱

员工需通过指纹打卡/人脸识别/企业微信签到等方式记录考勤，每日上下班各打卡一次。ai网站

因公外出或出差需提前提交<a href=”http://xxx.erp.cn”>《外出申请单》</a>，经部门负责人审批后备案。百度智能体怎么搭建

</div>豆包的使用教程

<div>豆包ai赚钱

…问天ai下载

附件：deepsee

<a href=”http://xxx.erp.cn”>《外出申请单》</a>chartgpt

人力资源部豆包的使用教程

XXXX年XX月XX日百度ai下载

</div>豆包的使用教程

</body>runway

</html>百度ai下载

1. 数据清洗定制分身中国

删除文档中多余的链接、无效的文本、链接等。并且进行结构化的分段。方便后续分块。chartgpt

清洗后的文档:ai获客

XXX公司考勤管理制度豆包ai赚钱

# 第一条目的为规范员工…ai获客

# 第二条适用范围…百度ai下载

# 第三条标准工作时间…runway

# 第四条考勤方式员工需通过指纹打卡/人脸识别/企业微信签到等方式记录考勤，每日上下班各打卡一次。魔剪a i

因公外出或出差需提前提交《外出申请单》，经部门负责人审批后备案。runway

…runway

人力资源部搜狐简单ai

XXXX年XX月XX日百度智能体怎么搭建

2. 数据分块魔剪a i

咱们采用根据段落分块，既每个段落作为一个独立的分块。open ai官网

# block_01豆包ai赚钱

XXX公司考勤管理制度豆包ai赚钱

# block_02魔剪a i

第一条目的豆包的使用教程

为规范员工…百度ai下载

# block_03魔剪a i

第二条适用范围ai获客

本制度适用于…魔剪a i

# block_04边界ai

第三条标准工作时间runway

公司实行标准工时制，工作日为周一至周五，每日工作时间为：chartgpt

上午 09:00-12:00搜狐简单ai

下午 13:00-18:00（含1小时午休）。豆包ai赚钱

…玻尔学术ai

# block_05豆包的使用教程

…边界ai

3. 向量化定制分身中国

使用嵌入模型（Embedding Model）把文档中的每个分块（block）转化成向量，并存储在向量数据库中。随变ai下载安装

转化后的向量大概长这样:豆包的使用教程

# block_01搜狐简单ai

{定制分身中国

context: ‘XXX公司考勤管理制度’,豆包ai赚钱

vector: [怎么安装豆包

0.11878310581111173, 0.9694947902934701, 0.16443679307243175,ai网站

0.5484226189097237, 0.9839246709011924, 0.5178387104937776,纳米ai官网入口

0.8716926129208069, 0.5616972243831446,百度智能体怎么搭建

…chartgpt

]搜狐简单ai

}deepsee

# block_02ai下载安装

…怎么安装豆包

到这一步，我们的向量数据库中已经存储了完整的文档信息。豆包的使用教程

4. 向量检索边界ai

现在用户问了一个问题:搜狐简单ai

公司的上班时间是?百度ai下载

首先需要把”公司的上班时间是?”也转化成向量：定制分身中国

{百度智能体怎么搭建

context: ‘公司的上班时间是?’,豆包的使用教程

vector: [open ai官网

0.24878310581111173, 0.5694947902934701, 0.58943679307243175,搜狐简单ai

0.2354226189097237, 0.4469246709011924, 0.3138387104937776,deepsee

0.6786926129208069, 0.4436972243831446,豆包的使用教程

…豆包ai赚钱

]问天ai下载

}玻尔学术ai

然后去向量数据库检索，得到如下结果:百度智能体怎么搭建

[{搜狐简单ai

id: “block_01”,ai下载安装

context: “XXX公司考勤管理制度”,百度ai下载

score: “0.7843”搜狐简单ai

},{搜狐简单ai

id: “block_05”,边界ai

context: “公司考勤方式…”,怎么安装豆包

score: “0.334”百度智能体怎么搭建

}, {deepsee

id: “block_04”,ai网站

context: “第三条标准工作时间…”,魔剪a i

score: “0.103”chartgpt

}deepsee

]定制分身中国

其中score是当前分块与待查询值的距离，值越小，语义上越接近。chartgpt

5. 重排边界ai

其实经过第四步，就已经可以找到我们想要的数据了，但很多时候文档会召回大量非常相似的内容。百度智能体怎么搭建

向量数据库检索的时候，为了性能会牺牲部分检索的精度，也就意味着可能会召回许多完全不相关的内容，那么这个时候就需要用到重排。ai网站

重排简单来说就是优中选优，从之前召回的内容中，选择更加符合要求的TopK个结果。搜狐简单ai

重排后的结果:豆包ai赚钱

[{百度智能体怎么搭建

id: “block_04”,ai网站

context: “第三条，标准工作时间…”豆包的使用教程

}]ai获客

6. 大模型回答chartgpt

有了知识库的筛选结果，那么只需要把结果返回给大模型，由大模型进行回复即可。边界ai

# Dataai网站

第三条标准工作时间怎么安装豆包

公司实行标准工时制，工作日为周一至周五，每日工作时间为：问天ai下载

上午 09:00-12:00豆包的使用教程

下午 13:00-18:00（含1小时午休）。定制分身中国

# Source豆包ai赚钱

《XXX公司考勤管理制度》chartgpt

# Question搜狐简单ai

公司上班时间是？定制分身中国

# Answer纳米ai官网入口

工作日为周一至周五ai下载安装

上午 09:00-12:00纳米ai官网入口

下午 13:00-18:00chartgpt

午休1小时。ai获客

数据来源于XXX公司考勤管理制度。魔剪a i