mingupup的博客

PostgreSQL是一个功能强大的开源对象关系型数据库管理系统（RDBMS）。最初于1986年在加州大学伯克利分校的POSTGRES项目中诞生，PostgreSQL以其稳定性、灵活性和扩展性而著称。它支持丰富的数据类型、复杂的查询、事务完整性、多版本并发控制（MVCC）、存储过程等高级功能。PostgreSQL完全遵循SQL标准，支持ACID属性（原子性、一致性、隔离性、持久性），适用于高并发和数据量大的应用场景。此外，它具有广泛的可扩展性，允许用户定义自己的数据类型、索引方法、函数、操作符等。

上一篇文章介绍了使用SemanticKernel/C#的RAG简易实践，在上篇文章中我使用的是兼容OpenAI格式的在线API，但实际上会有很多本地离线的场景。今天跟大家介绍一下在SemanticKernel/C#中如何使用Ollama中的对话模型与嵌入模型用于本地离线场景。本次实践的主要收获是如何在SemanticKernel中使用Ollama中的对话模型与嵌入模型用于本地离线场景。在实践RAG的过程中，发现影响效果的最主要在两个地方。

这只是个简单的例子，所以文本先取的很短，实际上可以换成是你的一些私有文档，然后让大语言模型根据你的私有文档进行回答，现在你如果问大语言模型，“小X创建的公司叫什么？“等等一些根据私有文档才能回答的问题，大语言模型是不知道的，但是通过RAG就可以让大语言模型回答诸如此类的需要根据私有文档才能回答的问题。首先需要有一个嵌入模型，这里使用的是OpenAI的text-embedding-ada-002模型，也尝试过使用硅基流动平台提供的嵌入模型，生成向量是没有问题的，但是在搜索的时候会报错，还没有解决。