第三节笔记-作业

利用茴香豆网页版上传了自己的知识库，并根据知识库的内容进行相关对话问答。

以下是截图：

通过自己实际操作，发现由于知识库的内容太少，因此某些问题得不到准确的回答，但只要是提问有关上传文档中的问题，得出的回答还是较完整、准确的。当然，实践中只是使用了一个很简单的知识库，主要在于体验了利用茴香豆搭建自己知识库的过程，还是有一定的收获。

RAG

检索增强生成（Retrieval Augmented Generation, RAG）是一种技术，它通过从数据源中检索信息来辅助大语言模型（Large Language Model, LLM）生成答案。旨在通过利用外部知识库来增强大型语言模型的性能。它通过检索与用户输入相关的信息片段，并结合这些信息来生成更准确、更丰富的回答。

可以应用于：问答系统、文本生成、信息检索、图片描述

三个重要的部分：Indexing，Retrieval，Generation.（索引，检索，生成）

1. indexing : 将知识源分割成chunk，编码成向量然后储存在向量数据库中。
2. retrieval: 将接收到的用户的问题也编码成向量，然后在indexing生成的向量数据库里找与问题最相关的文档块（top-k chunks）。
3. Generation: 将retrieval里检索到的文档块与原始问题一起作为提示（prompt）输入到LLM在，生成最终答案

• RAG工作流具体示意：
•