开发RAG系统，知识库的文档应该如何切分？有哪些注意事项

开发RAG系统时，知识库文档的切分是关键步骤之一，以下是我整理的关于如何切分知识库文档以及相关注意事项，供您参考。

一、切分方法的选择

① 智能切分：智能切分是推荐的策略，通过系统内置的分句标识符将文档划分为若干段落，再根据语义相关性自适应地选择切点进行语义切分，而非固定长度切分。 这种方法能够确保文档各部分的语义完整性，避免不必要的划分和切分。

*② 自定义切分***：**用户可以根据具体需求设置切分参数，如分句标识符、标点符号等，将文档分割成小的文本块。

*③ 多级切分***：**切分可以分为句子级、段落级、章节级、文档级和多文档级切分，不同层次的切分适用于不同的场景。 例如，句子级切分适合需要精准语义检索的场景，而段落级切分则能提供更丰富的语义环境。

二、切分策略的优化

*① 避免信息丢失***：**切分时应尽量减少语义缺失或信息丢失。 例如，避免文本切片过短导致语义不完整，或过长导致召回时返回无关信息。

*② 保持语义连贯性***：**切分后的文本块应尽量保持语义连贯性，避免因切分导致的上下文断裂。 可以通过设置块大小 chunk_size 和块重叠 chunk_overlap 来实现。

*③ 模块化切分***：**对于复杂文档 如表格、图片等，可以采用模块化切分的方式，分别处理不同类型的文档内容。

三、注意事项

*① 文档类型的影响***：**不同类型的文档，如结构化数据和非结构化数据，可能需要不同的切分策略。 例如，结构化数据可以采用优化后的切分方法，而非结构化数据则可以使用默认的切分策略。

*② 关键词和实体的保护***：**在切分过程中，应确保文档中的关键词和实体不会被分割到不同的块中，以保证检索时能够准确匹配相关信息。

*③ 文档质量的影响***：**知识库的质量直接影响最终效果。 因此，在切分前需要对文档进行预处理，包括清洗、格式化等操作。

*④ 定制化需求***：**针对特定领域或应用场景，可能需要设计定制化的切分算法。 例如，某些领域可能需要更细粒度的切分，而另一些领域则需要更粗粒度的切分。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】