菜鸟毅战

通过优化RAG在检索、语义和生成方面的性能，可以显著提升企业在不同业务场景中的数据处理效率和准确性。合理选择检索模式、解决语义问题以及引入先进的生成架构是实现这一目标的关键步骤。

使用langchain搭建RAG框架

本文使用openai提供的embedding模型作为框架基础模型，知识库的搭建目的就是为了让大模型减少幻觉出现，实现起来也很简单，假如你要做一个大模型的客服问答系统，那么就把历史客服问答数据整理好，先做数据处理，在做数据向量化，最后保存到向量库中就可以了，下面文章中只是一个简单工作流程，只能用来参考，希望对大家有所帮助！上传知识库的文档不限于txt,pdf,markdown等数据格式，不同的数据格式用不同的方法来处理，文章内仅使用pdf文件做测试。

检索增强生成（Retrieval-Augmented Generation），主要是通过从外部给大模型补充一些知识，相当于给模型外挂了一个知识库，让模型减少幻觉，生成更加精确的答案LangChain 是一个用于开发由语言模型驱动的应用程序的框架。他主要拥有 2 个能力：1.可以将 LLM 模型与外部数据源进行连接2.允许与 LLM 模型进行交互基本概念：loader加载器：从哪里加载数据document文档：将数据转换为Document对象。

简单写了一下关于文本生成接口的调用，其余更多的调用方法可在官网查看。