结合私有数据+RAG+千帆大模型，构建一个医生问答系统

RAG技术，即检索增强生成（Retrieval Augmented Generation），是一种结合搜索技术和大型语言模型（LLMs）的技术。

它通过从数据源中检索信息来辅助LLM生成答案。具体来说，RAG利用搜索算法找到的信息作为背景上下文，将这些查询和检索到的上下文信息整合进发送给LLM的提示中。

这样，模型在回答提出的问题时，可以在搜索到的信息的基础上进行生成，从而提供更准确和全面的答案

RAG原理 ：将文本分割成块，然后使用一些 Transformer Encoder 模型将这些块嵌入到向量中，将所有这些向量放入索引中，最后创建一个 LLM 提示，告诉模型回答给定我们在搜索步骤中找到的上下文的用户查询。
在运行时，我们使用同一编码器模型对用户的查询进行向量化，然后搜索该查询向量的索引，找到 top-k 个结果，从我们的数据库中检索相应的文本块，并将它们作为上下文输入到 LLM 提示中

百度智能云千帆平台上线的RAG系统，简单方便使用，比如你可以将微信女盆友聊天记录导出来整理成文档喂进去，实现自动回复

这里以私有数据构建一个可以是实现知识问答的医生角色为例

使用百度千帆大模型平台，1分钟搭建一个agent应用

1 进入百度千帆大模型平台

百度智能云-千帆大模型平台
https://console.bce.baidu.com/qianfan/overview

里面由很多大模型，这里推荐 ERNIE 4.0，内部支持RAG

2 点击 百度智能云千帆 AppBuilder

https://console.bce.baidu.com/ai_apaas/dialogHome

点击创建应用，选择知识问答应用（RAG框架）,点击零代码创建

3 配置角色，上传知识库

你现在开始扮演一个医生顾问的角色，用我上传的知识库内容为我解答问题。不要回答就医话题以外的内容。

4 配置要选择知识增强

5 确认后等待几分钟，等他处理完上传文档，等待如下成功后

6 开始测试

在这里插入图片描述

而且他还支持配置到微信公众号，可以实现自动回复与问答；

如果在加上AI声音克隆技术，就能实现AI实时语音聊天，目前市场的的复活亲人 基本也是用的这些技术，虚拟主播，聊天带货也是这个原理，通过RAG服务+AI声音克隆服务，调用API实现

关于测试效果，我感觉回复的水平还是距离gpt这种大模型还是有差距，但是千帆大模型降低了每个人接入llm的门槛，

很方便的可以通过检索增强生成RAG技术结合自己的私有数据库，期待百度未来越来越好！

程序员为什么要学大模型？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。(几乎涵盖所有行业)

三、LLM大模型系列视频教程

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

• 目标：了解AI大模型的基本概念、发展历程和核心原理。

• 内容：

  • L1.1 人工智能简述与大模型起源
  • L1.2 大模型与通用人工智能
  • L1.3 GPT模型的发展历程
  • L1.4 模型工程
  • L1.4.1 知识大模型
  • L1.4.2 生产大模型
  • L1.4.3 模型工程方法论
  • L1.4.4 模型工程实践
  • L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

• 目标：掌握AI大模型API的使用和开发，以及相关的编程技能。

• 内容：

  • L2.1 API接口
  • L2.1.1 OpenAI API接口
  • L2.1.2 Python接口接入
  • L2.1.3 BOT工具类框架
  • L2.1.4 代码示例
  • L2.2 Prompt框架
  • L2.3 流水线工程
  • L2.4 总结与展望

阶段3：AI大模型应用架构实践

• 目标：深入理解AI大模型的应用架构，并能够进行私有化部署。

• 内容：

  • L3.1 Agent模型框架
  • L3.2 MetaGPT
  • L3.3 ChatGLM
  • L3.4 LLAMA
  • L3.5 其他大模型介绍

阶段4：AI大模型私有化部署

• 目标：掌握多种AI大模型的私有化部署，包括多模态和特定领域模型。

• 内容：

  • L4.1 模型私有化部署概述
  • L4.2 模型私有化部署的关键技术
  • L4.3 模型私有化部署的实施步骤
  • L4.4 模型私有化部署的应用场景

这份 LLM大模型资料 包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉优快云大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

​