第三节笔记 基于 InternLM 和 LangChain 搭建知识库

本文探讨了LLM(语言模型)在知识时效性、专业能力和定制化成本方面的局限,以及RAG模型的优缺点。同时,介绍开源工具LangChai如何通过通用接口简化LLM应用开发,提及了文档处理过程中的分块和向量化技术。
摘要由CSDN通过智能技术生成

LLM的局限:

知识的时效性(最新知识)

专业能力有限(垂直领域)

定制化成本高(个人专属)

RAG:检索增强生成。低成本、可实时更新、受基座模型影响大、单次回答知识有限。

LangChai:开源工具,通过为各种LLM提供通用接口来简化应用程序的开发流程,帮助开发者自由构建LLM应用。其核心组成模块是Chains,可以见各种组建组合实现应用。


加载个人数据
加载源文件--文档分块--文档向量化

虽然源文件可以是各种格式的,但是存入向量数据库之后都会成为纯的以向量形式存储的字符串。

  • 3
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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