高级RAG
输入“/”快速插入内容
高级RAG
高级RAG
飞书用户2749一、In simple, What is simple RAG?
💾
基本RAG需要从外部知识数据库中获取文档，然后，将这些文档与用户的查询一起被传输到LLM，用于生成响应。从本质上讲，RAG包括一个检索组件、一个外部知识数据库和一个生成组件。
在基本的RAG场景中，大致有如下步骤：
首先将文本划分为多个块，使用Transformer Encoder模型将这些块嵌入到向量中，将这些向量存储到向量数据库并建立索引，查询会检索向量数据库中相关的上下文，这些上下文和查询一起生成最终的LLM提示，并引导LLM合成响应。
RAG系统包含三个关键模块：
💾
Retriever：从上下文相关的知识源中检索文本段落；
Reranker（可选）：对检索到的段落重新打分和重新排序；
Generator：将上下文与检索到的段落集成以生成输出文本
二、使用LangChain和Huggingface实现基本RAG
三、高级RAG
最基本、最简单的RAG系统有时候会检索不到相关的上下文，因此需要一些更高级的方法来增强RAG系统，比如：查询转换、重排序等。
3.1 高级RAG（检索增强生成）技术涵盖以下内容：
💾
•
基本RAG：它涉及从外部知识数据库中检索文档，并将这些文档与用户的查询一起传递给LLM以生成响应。主要组件是检索组件、外部知识数据库和生成组件。
•
RAG的成功要求：一个成功的RAG系统应该有两个主要功能：检索必须找到与用户查询最相关的文档，生成必须有效地利用这些文档来回答用户查询。
•
高级RAG：构建高级RAG需要应用更复杂的技术和策略来满足成功要求。这些技术既可以独立地满足其中一个高级成功需求，也可以同时满足这两个需求。