LLM - 构建大语言模型的 RAG 的基础流程 教程

欢迎关注我的CSDN：https://spike.blog.csdn.net/
本文地址：https://spike.blog.csdn.net/article/details/146868625

免责声明：本文来源于个人知识与公开资料，仅用于学术交流，欢迎讨论，不支持转载。

RAG(Retrieval-Augmented Generation, 检索增强生成) 是结合信息检索与生成模型的技术，通过引入外部知识库来增强 大语言模型(LLM) 的生成能力。构建 RAG 流程主要包括：需要准备知识文档，转换为文本数据，进行预处理和索引，后续检索。使用嵌入模型，将文本数据转换为向量，存储在向量数据库中。当用户提出查询时，将查询内容，通过嵌入模型转换为向量，然后在向量数据库中，检索与查询最相关的知识片段。检索到的相关信息，与原始查询结合，形成增强的提示词模板，再输入到大语言模型中，最终生成符合用户需求的文本内容。