从RAG到KAG，利用知识图谱大幅提升检索性能

全方位解析KAG。

微信搜索关注《AI科技论谈》  

随着人工智能技术的不断演进，知识增强生成（KAG）作为一项创新型技术，正在逐步取代传统的检索增强生成（RAG）系统，增强了专业精确度和领域智能。

本文带大家详细解析KAG的架构、优势及其在实际应用中的表现。

RAG

RAG，即检索增强生成，是一种为大型语言模型（LLM）提供额外知识的技术，提供了模型训练之外的信息。

其核心步骤包括：

• 文档：使用个人或定制的数据。

• 块：从小规模到大规模文档中提取信息片段。

• 嵌入：将文本信息转化为向量形式。

• 检索数据：用户提问后，问题转化为向量，并通过语义搜索在数据库中匹配答案，然后与问题一起输入模型以生成回答。

GraphRAG

RAG在向量检索中存在一些限制，主要是缺乏深入的上下文理解和复杂的推理能力。

现在，先稍微了解一下GraphRAG，这样才能更好地理解KAG。