2026年7月9日 周四晚上19:30,报名腾讯会议了解“如何构建自进化的动态知识库(Brain)”(限30人)
免费POC, 零成本试错
FDE知识库

FDE知识库

学习大模型的前沿技术与行业落地应用


收藏

从0-1构建一个RAG(检索增强)系统

发布日期:2024-08-03 22:07:23 浏览次数: 3050
作者:AI研习所

微信搜一搜,关注“AI研习所”

昨日,Openai 推出Searchgpt,将 AI 与实时网络信息结合提供生成式UI结果.其背后的技术就是RAG. RAG(Retrieve Augment Generation,检索增强)是“驯服”大语言模型的主要手段之一。它允许大语言模型在从固定的数据库中抽取相关内容的基础上生成答案,从而限制随意发挥,提升答案的可靠性。


核心组件:


RAG(检索增强生成)系统的核心组件主要包括以下三个部分:


检索(Retrieval)组件:负责从外部数据源或知识库中获取与用户查询相关的信息。包括对输入查询的理解和解析,以及使用索引和检索算法从文本数据中提取相关内容。检索的质量和效率直接影响生成文本的准确性和相关性。


增强(Augmentation)组件:处理检索到的信息,将其与原始查询结合,形成丰富的上下文。可能涉及数据清洗、分块和使用嵌入模型等优化技术。目的是为生成模型提供更全面、准确的信息基础。


生成(Generation)组件:通常是一个大型语言模型(LLM)。利用检索和增强阶段提供的信息作为上下文。生成符合用户需求的自然语言文本或回答。


检索组件首先从知识库中获取相关信息。增强组件处理和整合这些信息。生成组件最后利用这些增强的信息来生成最终的输出。RAG系统的优势在于它结合了信息检索的准确性和自然语言生成的灵活性,能够提供更准确、相关和知情的回答,特别是在处理需要最新或专门知识的查询时。


构建过程:


  • 文档处理


开发 RAG 系统的第一步是准备文档。这些文档将作为系统的基础数据。
  • 文本提取


接下来,使用 OCR(光学字符识别)模型处理文档。如果需要,该模型可以从图像中提取文本。
  • 文本分块


将提取的文本分解为更小、更易管理的部分。这种分块处理有助于提高后续处理和分析的效率。
  • 嵌入模型


将每个文本块通过嵌入模型转换为向量。这些向量是捕捉文本语义含义的数字表示。
  • 向量存储


将生成的向量存储在一个向量数据库中。这个数据库使系统能够根据语义相似性高效地检索相关信息。



  • 用户输入问题


用户通过系统输入问题。这个问题将用于从向量数据库中检索最相关的信息。



  • 问题嵌入


将用户输入的问题使用相同的嵌入模型进行处理,确保问题和文本块都在同一个向量空间中。
  • 向量匹配


系统根据相似性将嵌入的问题与数据库中的向量进行匹配,并检索出最相似的文本块。
  • 信息处理


系统根据相似度得分检索最相关的文档。然后,LLM(大语言模型)处理这些相关信息,生成对用户问题的详细回答。
  • 最终答案


最终答案呈现给用户。这些答案是从检索到的文档中最相关的信息生成的,确保了准确性和相关性。

优势与挑战


优势


  • 提高准确性:通过结合外部知识库的信息,RAG能够提供更准确和相关的答案。


  • 增强可解释性:由于生成答案时参考了具体的上下文信息,因此答案的可解释性也得到了提升。


  • 解决知识局限性:RAG弥补了大语言模型在专业领域知识理解和最新知识掌握方面的不足。


挑战


  • 计算资源需求高:大规模的知识库检索和信息整合需要大量的计算资源。


  • 实时性问题:对于需要快速响应的应用场景,RAG可能面临延迟的问题。


总之,RAG技术通过结合检索和生成两大关键技术,为自然语言处理领域带来了革命性的进步,并在多个应用场景中展现了卓越的潜力。随着技术的不断发展,RAG有望在未来发挥更大的作用。

53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询

扫码登录
登录即表示您同意《53AI网站服务协议》
服务协议

欢迎您使用【53AI 官方网站】(以下简称“本网站”或“我们”)。本《会员服务协议》(以下简称“本协议”)是您(以下简称“会员”或“用户”)与【深圳市博思协创网络科技有限公司】之间关于注册、登录及使用本网站会员服务所订立的法律协议。

在您注册或登录前,请务必审慎阅读、充分理解各条款内容,特别是免除或限制责任的条款、知识产权条款、争议解决条款等。此类条款将以加粗形式提示您注意。 当您通过微信公众号授权、手机验证码验证或其他方式成功登录本网站时,即视为您已完全理解并同意接受本协议的全部内容。

一、 定义

本网站:指由【深圳市博思协创网络科技有限公司】运营的,域名为【53ai.com】的网站及相关移动端页面。

会员服务:指本网站向注册会员提供的知识库文章查阅、内容检索及其他相关增值服务。

知识库内容:指本网站发布的包括但不限于文字、图表、数据、研究报告、行业分析等数字化内容资源。

二、 账号注册与登录

登录方式:本网站支持以下登录方式,您可根据实际情况选择:

微信公众号授权登录:您同意将您的微信OpenID信息授权给本网站,用于创建或关联会员账号。

手机验证码登录:您需提供真实有效的手机号码,并通过短信验证码完成身份验证与登录/注册。

账号安全:您的账号仅限您本人使用,禁止赠与、借用、租用、转让或售卖。因您保管不善导致的账号被盗、密码泄露等损失,由您自行承担。

实名认证:根据相关法律法规要求,我们可能要求您在特定功能下完成实名认证。如您拒绝提供,可能无法使用部分或全部服务。

未成年人保护:若您未满18周岁,请在法定监护人的陪同下阅读本协议,并在征得监护人同意后使用本服务。

三、 服务内容与规范

知识库查阅权限:会员登录后,有权按照其会员等级对应的权限范围,在线浏览、检索本网站知识库中的相关文章及内容。

服务变更:我们有权根据业务发展需要,调整、变更或终止部分服务内容,并将以网站公告、公众号消息等方式提前通知。

禁止行为:您在使用服务时不得实施以下行为:

利用技术手段批量爬取、下载、转存知识库内容;

将知识库内容用于商业目的或未经授权地向第三方传播;

干扰本网站正常运行或侵犯其他用户合法权益;

发布违法违规信息或从事违反公序良俗的活动。

四、 知识产权声明

权利归属:本网站知识库中的排版设计、软件代码等内容的知识产权均归【公司全称】或原权利人所有,受《中华人民共和国著作权法》等法律保护。

有限许可:本网站授予会员一项非独占、不可转让、不可转授权的普通许可,仅限于个人学习、研究之目的在线查阅知识库内容。

侵权追责:未经书面许可,任何单位或个人不得以任何形式复制、转载、摘编、镜像、汇编或以其他方式使用上述内容。一经发现,我们保留追究其法律责任的权利。

五、 个人信息保护

我们重视对您个人信息的保护。关于我们如何收集、使用、存储和保护您的个人信息,请单独阅读 《隐私政策》。

您通过微信公众号授权或手机号验证所提供的信息,我们将严格按照《个人信息保护法》的规定处理,仅用于身份识别、服务提供及安全验证等必要用途。

您可以随时通过网站设置或联系客服行使查阅、更正、删除个人信息及撤回授权同意的权利。

六、 免责声明

内容准确性:知识库内容仅供参考,不构成专业建议。我们不对其完整性、准确性、时效性作任何明示或暗示的保证,您应自行判断并承担使用风险。

不可抗力:因自然灾害、政策法规变化、网络故障、第三方平台接口异常(如微信接口维护、运营商短信通道故障)等不可抗力导致的服务中断或延迟,我们不承担违约责任。

第三方链接:本网站可能包含指向第三方网站的链接,该等网站的内容和服务不受我们控制,请您自行甄别风险。

七、 违约责任

如您违反本协议约定,我们有权视情节采取警告、限制功能、暂停服务、注销账号等措施,并保留要求赔偿损失的权利。

如因您的违约行为导致我们遭受行政处罚、第三方索赔或商誉损失,您应承担全部赔偿责任(包括但不限于罚款、赔偿金、律师费、公证费等)。

八、 法律适用与争议解决

本协议的订立、执行和解释均适用中华人民共和国大陆地区法律。

因本协议产生的或与本协议有关的任何争议,双方应友好协商解决;协商不成的,任何一方均可向【公司所在地】有管辖权的人民法院提起诉讼。

九、 其他

本协议构成双方就本服务达成的完整协议,取代此前任何口头或书面约定。

本协议任一条款被认定为无效或不可执行的,不影响其他条款的效力。

我们对本协议享有最终解释权,并在法律允许的范围内保留随时修改的权利。修改后的协议一经公布即生效,继续使用服务即视为同意修订内容。


已查阅