Extious’ Notes加载中
RAG
什么是RAG
RAG（Retrieval Augmented Generation）是基于LLM的一种检索增强生成技术
具体流程
索引（Indexing）
加载（LOAD）：首先我们需要加载数据。这是通过 DocumentLoaders 完成的。
分割（SPLIT）：文本分割器将大文档分成更小的块。这对于索引数据和将其传递到模型都很有用，因为大块更难搜索并且不适合模型的有限上下文窗口。
存储（STORE）：我们需要某个地方来存储和索引我们的分割，以便以后可以搜索它们。这通常是使用 VectorStore 和 Embeddings 模型来完成的。
检索和生成（Retrieval and generation）
检索（RETRIEVE）：给定用户输入，使用检索器从存储中检索相关分割。
生成（GENERATE）：ChatModel / LLM 使用包含问题和检索到的数据的提示生成答案
总结
具体RAG流程如下：
![[RAG-20250710125537925.png]]
可以快速通过python框架Langchain实现
上一篇
Deep Learning
下一篇
Attention
Loading...