RAG
简介
- RAG(Retrieval Augmented Generation, 检索增强生成）是指对大型语言模型输出进行优化，使其能够在生成响应之前引用训练数据来源之外的权威知识库。
- RAG通过将数据和模型进行绑定, 在LLM 原有的功能基础上扩展特定领域或组织的内部知识库;
- 无需重新训练模型;
架构
原理
完整的RAG应用流程主要包含两个阶段：
- 数据准备阶段：数据提取——>文本分割——>向量化（embedding）——>数据入库
- 应用阶段：用户提问——>数据检索（召回）——>注入Prompt——>LLM生成答案
