大模型学习-RAG Query Construction

什么是Query Construction

典型的RAG方法将用户query转换为向量表示，然后将该向量与源文档的向量表示进行比较，找到具有最相似的向量表示的源文档。这种方式对非结构化数据相当有效，但对结构化数据呢？

世界上大部分数据都有一定的结构，这些数据大多存储在关系数据库（例如SQL）或图形数据库中，甚至非结构化数据也经常与结构化元数据（例如，作者、流派、发布时间等）相关联。许多用户query的最佳答案不仅是通过在embedding空间中找到相似的文档或数据，而且还利用数据中固有的以及在用户query中表达的结构。

例如，对于“what are movies about aliens in the year 1980”这个查询，一部分（aliens ）可能要从语义上查找，但也有一部分（"year == 1980"）我们想以精确的方式查找。Query construction就是将自然语言查询转换为与之交互的数据库的查询语言。

下面我们将介绍三种典型的Query Construction的示例。

Text-to-metadata-filter

将query转换为合适的结构化语言，一以便进行有效地搜索和过滤。

Text-to-SQL

关系型数据库是