第三节““茴香豆“：搭建你的 RAG 智能助理”作业

基础作业

在茴香豆 Web 版中创建自己领域的知识问答助手

要求：

• 参考视频零编程玩转大模型，学习茴香豆部署群聊助手
• 完成不少于 400 字的笔记 + 线上茴香豆助手对话截图(不少于5轮)

笔记

茴香豆助手是一个基于RAG技术的智能问答助手。它的主要原理是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。这种技术解决了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。RAG技术能够实现非参数知识更新，让基础模型无需训练就可以掌握新领域的知识。

茴香豆助手的主要功能包括利用检索增强生成技术，结合外部知识库，生成更准确、丰富的回答。它无需重新训练即可实现非参数知识更新，快速掌握新领域的知识。它利用向量数据库存储知识，提高问答的效率和准确性。它还可以判断问题的相关性，避免回答与主题无关的问题，实现精准问答。它支持群聊场景，避免问答泛滥。它内置了接受和拒绝问题列表，提高系统的智能判断能力。它支持连续对话，可以针对上下文生成回答。它可以自定义知识库，不断扩充系统的知识面。它支持命令行和API两种调用方式。

茴香豆助手具有明显的优势。首先，它基于RAG技术，能够结合外部知识库，生成更准确、丰富的回答。其次，它能够实现非参数知识更新，无需重新训练即可掌握新领域的知识，具有很好的灵活性和扩展性。再次，它利用向量数据库存储知识，提高了问答的效率和准确性。此外，它还可以判断问题的相关性，避免回答与主题无关的问题，实现精准问答。它支持群聊场景，避免问答泛滥。它内置了接受和拒绝问题列表，提高系统的智能判断能力。最后，它支持命令行和API两种调用方式，方便用户使用和集成。

综上所述，茴香豆助手是一个基于RAG技术的智能问答助手，它具有很好的灵活性、扩展性和准确性，可以广泛用于技术问答、智能客服等场景。

茴香豆Web

上传测试文档，选择行为决策与轨迹规划相关课程PPT上传

添加回答反例，避免过多响应

多轮问答

在 InternLM Studio 上部署茴香豆技术助手、

问答

# 填入问题
sed -i '74s/.*/    queries = ["huixiangdou 是什么？", "茴香豆怎么部署到微信群", "你知道小米SU7吗？"]/' /root/huixiangdou/huixiangdou/main.py

# 运行茴香豆
cd /root/huixiangdou/
python3 -m huixiangdou.main --standalone

回答：

进阶作业

【算法方向】尝试修改 good_questions.json、调试 prompt 或应用其他 NLP 技术，如其他 chunk 方法，提高个人工作助手的表现。

要求：

• 完成不少于 400 字的笔记 ，记录自己的尝试和调试思路，涵盖全过程和改进效果截图