茴香豆：搭建智能RAG智能助理（书生大模型第三节课笔记）

最新推荐文章于 2024-09-16 20:51:41 发布
最新推荐文章于 2024-09-16 20:51:41 发布
阅读量444 收藏 7
点赞数 18
文章标签： 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_60895722/article/details/137484798
版权

RAG简介：

帮助用户管理特定领域和专业领域的知识，建立领域、行业、个人专属的快速检索知识库。rag可以在用户输入问题时，结合特定的本地知识库，使大模型基于知识库中现有的信息，生成更精准细致的答案。

原理：

首先将构成知识库的文档切片并转化为向量存储在数据库中，之后把输入的问题编码成向量，在文档数据库中检索与问题向量最接近的那一部分，把它们作为提示词输入到大模型中，从而大模型能够根据知识数据库中的信息来更有效地回答特定的问题。

具体实现过程可以参考Tutorial/huixiangdou at camp2 · InternLM/Tutorial · GitHub

教程讲得非常详细

草履虫-.-
关注
【 书生·浦语大模型实战营】学习笔记（三）：“茴香豆” 搭建你的RAG 智能助理
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-12 1063
本篇笔记内容主要分为RAG理论介绍和“茴香豆” RAG 智能助理实战。前半部分对RAG流程、向量数据库、优化等展开介绍，后半部分实战任务分为以web页面及Internlm框架进行茴香豆实战，欢迎大家交流学习！
学习笔记 | 茴香豆：搭建你的RAG智能助理
DrFlown的博客
04-18 930
拒答分数在检索过程中通过与示例问题的相似性检索得出，高质量的问题得分高，无关、低质量的问题得分低。需要注意的是，这里启用的远程模型，只用在问答分析和问题生成，依然需要本地嵌入、重排序模型进行特征提取。检索过程中，茴香豆会将输入问题与两个列表中的问题在向量空间进行相似性比较，判断该问题是否应该回答，避免群聊过程中的问答泛滥。增强搜索利用知识领域的源文件建立图数据库，当模型判断问题为无关问题或回答失败时，增强搜索功能将利用 LLM 提取的关键词在该图数据库中搜索，并尝试用搜索到的内容重新生成答案。
书生浦语第二期第三节课笔记（茴香豆：搭建你的 RAG 智能助理）
Gotwant的博客
04-08 2114
RAG（Retrieval Augmented Generation）技术，通过检索与用户输入相关的信息片段，并结合外部知识库来生成更准确、更丰富的回答。解决 LLMs 在处理知识密集型任务时可能遇到的挑战, 如幻觉、知识过时和缺乏透明、可追溯的推理过程等。提供更准确的回答、降低推理成本、实现外部记忆。 LLM会产生误导性的 “幻觉”，依赖的信息可能过时，处理特定知识时效率不高，缺乏专业领域的深度洞察，同时在推理能力上也有所欠缺。 RAG 通过在语言模型生成答案之前，先从广泛的文
书生·浦语大模型 第三课 茴香豆:搭建你的RAG智能助理
weixin_42542228的博客
04-19 294
通俗点来说，RAG作为一个搜索引擎，用户输入的内容作为索引，在外部知识库中搜寻相关内容结合大语言模型的能力生成回答构建一个向量数据库（Vector-DB），关于向量数据库的存储、检索、及向量数据库的优化。
书生浦语第三节茴香豆：搭建你的RAG智能助理笔记
han____shuai的专栏
05-06 277
RAG（Retrieval Augmented Generation）是一项通过检索与用户输入相关的信息片段，并结合外部知识库来生成更准确、更丰富的回答的技术。解决 LLMs 在处理知识密集型任务时可能遇到的挑战, 如幻觉、知识过时和缺乏透明、可追溯的推理过程等。提供更准确的回答、降低推理成本、实现外部记忆。下面介绍一个开源的rag产品：茴香豆。rag与微调，各自适用场景不同。大模型常用优化方法的比较。rag常见的优化方法。
茴香豆：搭建RAG智能助手 第三课实战
weixin_62638966的博客
06-08 791
RAG 生态、三种范式、RAG优化方法、RAG关键问题（检索什么？何时检索？如何检索？）、RAG 发展前景、RAG评测（目标、评测维度、评测框架）茴香豆是基于LLMs的领域知识助手，由书生浦语团队开发的开源大语言模型的应用。专为即时通讯工具IM中的群聊场景优化的工作流，提供及时准确的技术支持和自动化问答服务。应用RAG技术，茴香豆能理解和高效准确回应与特定知识领域相关的复杂查询。应用场景 & 场景难点智能客服：技术支持、领域知识对话IM工具中创建用户群组，讨论、解答相关问题。
《书生·浦语大模型实战营》第三节课《茴香豆：搭建你的 RAG 智能助理》实践笔记
胡争辉
04-12 755
`RAG` ( `Retrieval Augmented Generation` ) 是一种结合了检索( `Retrieval` ) 和生成 ( `Generation` ) 的技术， 旨在通过利用**外部知识库**来增强大型语言模型 ( `LLMs` ) 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。 通俗的讲，可以将 `RAG` 理解为一个搜索引擎，将用户输入的内容作为索引，在外部知识库中搜寻相关的内容，结合大语言模型的能力生成回答。
书生·浦语大模型第二期实战营第三节-茴香豆：搭建你的 RAG 智能助理 笔记和作业
aaaccc444的博客
04-23 1003
书生·浦语大模型第二期实战营第三节-茴香豆：搭建你的 RAG 智能助理
【InternLM 实战营第二期-笔记3】茴香豆：搭建你的 RAG 智能助理
Oven_maizi的博客
04-12 1280
大模型的训练时间在前，无法解答针对新增知识的问题，如何解决大模型的幻觉？传统方法：采集新增语料，通过微调等方式对模型进行再训练。缺陷：知识新增太快，语料太多，语料难以收集，训练成本太大。rag技术的提出。（不需要训练，解决新增知识的问题）Rag(retrieval augmented generation)是一种结合了检索（retrieval)和生成（generation)的技术，旨在通过利用外部知识库来增强大型语言模型（llms)的性能。
Task 3：源大模型RAG实战-注释版.rar
08-19
【Datawhale AI夏令营第四期】 浪潮源大模型应用开发方向笔记 RAG实战教程代码注释版 在通义千问的帮助下详细解读的教程代码。
【 书生·浦语大模型实战营】作业（三）：“茴香豆” 搭建你的RAG 智能助理
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-12 296
本次作业内容： 在茴香豆 Web 版中创建自己领域的知识问答助手 - 参考视频零编程玩转大模型，学习茴香豆部署群聊助手。 - 线上茴香豆助手对话截图(不少于5轮) - 参考代码在自己的服务器部署茴香豆 Web 版（可选） 在 InternLM Studio 上部署茴香豆技术助手 - 根据教程文档搭建 茴香豆技术助手，针对问题"茴香豆怎么部署到微信群？"进行提问
【第3节】“茴香豆“：搭建你的 RAG 智能助理
熊猫小妖的AI世界
04-24 1206
RAG（Retrieval Augmented Generation）技术，通过检索与用户输入相关的信息片段，并结合外部知识库来生成更准确、更丰富的回答。解决 LLMs 在处理知识密集型任务时可能遇到的挑战, 如幻觉、知识过时和缺乏透明、可追溯的推理过程等。提供更准确的回答、降低推理成本、实现外部记忆。LLM会产生误导性的 “幻觉”，依赖的信息可能过时，处理特定知识时效率不高，缺乏专业领域的深度洞察，同时在推理能力上也有所欠缺。
shader 案例学习笔记之将坐标系分成4个象限
localhost
09-13 293
坐标系被分成了4个单元格，每个单元格都有唯一的索引，后续就可以根据索引去渲染。
arm和riscv系统调用对比(笔记)
maosql
09-13 666
相似之处: ecall 和 SVC 都是用于从用户模式切换到内核模式，执行系统调用。它们的作用和使用方式非常相似，都是触发内核级别的处理，以处理用户请求的特权操作。不同之处: PendSV 是一个用于任务切换的中断机制，与 ecall 和 SVC 的作用不同。PendSV 主要用于上下文切换，而 ecall 和 SVC 是用于请求系统服务的机制。
JUC学习笔记(二)
最新发布
zhouDonQuixote的博客
09-16 1621
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录四、共享模型之内存4.1 Java 内存模型4.2 可见性退不出的循环解决方法可见性 vs 原子性模式之 Balking1.定义2.实现4.3 有序性原理之指令级并行1. 名词2.鱼罐头的故事3.指令重排序优化4.支持流水线的处理器诡异的结果解决方法原理之 volatile1.如何保证可见性2.如何保证有序性3.double-checked locking 问题4.double-checked locking 解决happens-
C++学习笔记----7、使用类与对象获得高性能（一）---- 书写类（1）
weixin_71738303的博客
09-13 1111
public:private:第一行指出这是一个叫做spreadsheet_cell的模块的定义。每一类的定义都是以class关键字开始后接类的名字。如果类定义在一个模块中，该类一定要import进来才可见，定义时一定要在class关键字之前加上export。类的定义就是声明并且以分号结束。类的定义通常在一个其名字的文件中。例如，SpreadsheetCell类定义在一个叫做SpreadsheetCell.cppm的文件中。有些编译器要求使用特定的扩展名；有些则不要求。
Netty笔记03-组件Channel
weixin_46425661的博客
09-12 939
本文主要讲解Netty中的组件Channel、ChannelFuture和CloseFuture
17、电科院FTU检测标准学习笔记-录波性能
sixtome
09-14 722
作者简介：本人从事电力系统多年，岗位包含研发，测试，工程等，具有丰富的经验在配电自动化验收测试以及电科院测试中，本人全程参与，积累了不少现场的经验。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值