全栈纸伞

本文探讨了基于RAG的客群圈选规则推荐系统中遇到的问题及解决方案。作者发现直接使用完整问题文本进行检索效果不佳，因为包含干扰词语。通过测试发现，使用小参数大模型（如qwen2.5:1.5b）提取关键词的方法能有效改善检索效果，并构建了Dify工作流实现这一过程。尽管该方法提高了检索合理性，但仍面临知识库中存在大量相似结果导致模型偏差的问题。文章强调了在向量检索前进行关键词提取的重要性，为优化客群圈选系统提供了实践思路。

本文介绍了如何利用Neo4j 5.11+的向量索引功能实现简单的RAG系统。主要内容包括：1）在Neo4j中创建向量索引表，设置1024维度和余弦相似度；2）使用Java调用Embedding模型（bge-large-zh-v1.5）将文本转换为向量并存入Neo4j；3）实现语义搜索功能，通过向量相似度检索相关文档。文中提供了完整的SQL和Java代码示例，以及所需的Maven依赖配置（基于JDK17）。该方法为开发者提供了一种轻量级的RAG实现方案，可直接应用于实际项目。