锁RAG架构：必知的6种提升AI内容生成的检索增强技术（一）

近年来，检索增强生成（RAG）技术重新定义了AI模型的工作方式，将生成式AI的创作能力与检索真实世界数据的精确性结合在一起。通过从外部数据源提取相关信息，RAG 使AI能够生成更加准确且上下文相关的响应。

随着这项技术的不断发展，RAG 也衍生出多种变体，每种变体针对不同的挑战，进一步提升了AI的整体性能。在本文中，我将深入探讨六种关键的RAG技术，重点说明它们如何通过各自独特的方法提升AI生成内容的质量。

Simple RAG

在 Simple RAG 中，LLM 接收用户查询，在向量存储中执行相似性搜索或在知识图谱中执行关系搜索，然后根据检索到的信息生成响应。

以下是它的工作原理：

用户查询：用户提供查询或输入，并将其输入到系统的检索部分。

搜索与检索：模型在向量存储或知识图谱中搜索相关文档或文本，检索器根据相关性对文档进行排名，并选择前 k（例如前 5）个最相关的段落。

响应：所选的文档将传递给大型语言模型（LLM），后者利用这些文档作为上下文，为用户的查询生成格式正确且相关的响应。

Corrective RAG

在 Corrective RAG 中，系统不仅检索和生成响应，还验证和纠正它们。

以下是该过程的工作原理：

搜索和检索：与 Simple RAG 类似，系统根据查询检索相关文档。

评分：将检索到的上下文与受信任的数据集（如测试集或具有预定义规则的提示）进行比较。此步骤的方法会根据项目目标的不同而有所变化。

更正：如果在评分过程中发现任何不准确或不一致之处，模型将通过从查询中提取的关键字进行 Web 搜索，以生成新的响应或优化之前的响应。

Self RAG

自我 RAG 通过自我反思或自我批评来提高 RAG 结果的质量。

以下是该过程的工作原理：

搜索和检索：模型首先通过输入的查询检索相关信息，并生成响应。

评分：为了对文档进行评分或评估，LLM 会对每个答案进行分析，判断其是否与查询相关。如果文档不相关，模型将使用外部来源；如果相关，模型会检查幻觉现象和准确性。

幻觉检查：幻觉节点会检查答案是否有文档支持。有时，AI 模型会“产生幻觉”，即生成看似正确但实际上没有真实数据或文档支持的答案。幻觉节点通过确保模型的响应有文档支持来避免这种情况，确保答案的准确性和可靠性。

回答问题：回答问题节点会检查生成的答案是否确实回答了问题。它会查看生成的响应，检查其在回答原始问题时是否相关且完整。如果不符合要求，模型会改进或调整答案，以确保其准确性。

输出：随着每次迭代，模型生成的响应会更加准确且符合上下文。迭代次数取决于项目规模和可用的处理能力。

如何学习AI大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

想正式转到一些新兴的 AI 行业，不仅需要系统的学习AI大模型。同时也要跟已有的技能结合，辅助编程提效，或上手实操应用，增加自己的职场竞争力。

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高

那么针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉[CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）]()👈

学习路线

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓