《向量数据库指南》让「引用」为 RAG 机器人回答增加可信度

在之前的文章中，我们已经介绍了如何用 Milvus 向量数据库以及 LlamaIndex 搭建基础的聊天机器人《Chat Towards Data Science ｜如何用个人数据知识库构建 RAG 聊天机器人？》《书接上回，如何用 LlamaIndex 搭建聊天机器人？》。

本文将继续使用 LlamaIndex，并在前两篇文章的基础上，修改代码来为我们的结果添加引用。TruEra 在他们的一篇 RAG 评估博客介绍了结果依据（Groundness），有兴趣的朋友可以点击链接查看。
 

• 准备步骤

首先，安装 llama-index、python-dotenv、pymilvus 和 openai
 。

! pip install llama-index python-dotenv openai pymilvus

接着，设置 OpenAI 和 Zilliz Cloud (全托管的 Milvus 向量数据库)，用 load_dotenv 函数拉取存储在.env 文件中的环境变量。随后，传入环境变量，使用os获取变量值。我们用 OpenAI 作为 LLM，Zilliz Cloud(https://zilliz.com.cn/cloud) 作为向量数据库。本例中，我们用 Zilliz Cloud 及 Collection 实现数据持久化。

import osfrom dotenv import load_dote