RAG是如何工作以及开发栈是什么样的？

最新推荐文章于 2025-12-02 09:06:09 发布

原创最新推荐文章于 2025-12-02 09:06:09 发布 · 617 阅读

19 ·

CC 4.0 BY-SA版权

文章标签：

#自然语言处理 #AI大模型 #人工智能 #langchain #LLM

RAG 是如何工作的？

RAG 包括四个步骤，即索引、检索、增强和生成。索引步骤仅执行一次，而检索、增强和生成步骤会针对每个用户查询重复执行。

索引

RAG 中的索引涉及处理原始文档，首先提取其内容（解析），然后将它们拆分为更小且有意义的块。这些块随后使用嵌入模型转换为向量嵌入，并存储在向量数据库中，以便在查询时进行高效检索。

解析
：从文档（PDF、网页等）中提取原始文本。
分块
：将文本拆分为更小且有意义的段落以供检索。
编码
：使用嵌入模型将块转换为密集向量嵌入。
存储
：将嵌入保存在向量数据库中，以实现快速相似性搜索。

qjXrrr

检索

用户提出一个查询，该查询使用索引步骤中使用的相同嵌入模型转换为密集向量（嵌入）。然后使用此向量表示进行 语义搜索，以从向量数据库中找到最相关的块信息。

查询
：用户输入一个问题或提示。
编码
：使用嵌入模型将查询转换为密集向量表示。
语义搜索
：将编码后的查询与向量数据库中的嵌入进行比较，以找到最相关的嵌入。
相关块
：检索到的文本块作为生成响应的上下文返回。

在这里插入图片描述

增强

在此步骤中，检索到的相关块被组合形成上下文。然后将查询与该上下文合并，以构建 LLM 的提示。

组合
：相关块被组合以形成上下文。
增强
：查询与上下文合并以创建 LLM 的提示。

在这里插入图片描述

生成

在此步骤中，提示被传递给 LLM。LLM 处理提示并根据查询和上下文生成响应。

传递
：包含查询和上下文以及指令的提示被传递给 LLM。
生成
：LLM 处理提示并根据查询和提供的上下文生成响应。

在这里插入图片描述

RAG 开发者栈

RAG 开发者的栈包括大型语言模型（LLMs）、LLM 框架、向量数据库、数据提取库、开源 LLM 访问平台、文本嵌入和评估库。

在这里插入图片描述

LLMs（大型语言模型）

强大的 AI 模型，基于大量文本数据训练生成类似人类的响应。LLMs 是 RAG 的核心，支持自然语言理解和生成。

LLM 框架

像 LangChain、Llama Index 等 LLM 框架通过提供内置工具简化了使用 LLM 构建应用程序的过程。这些框架避免了从零开始编写代码，并加速了 LLM 应用程序的开发。

向量数据库

一种专门的数据库，将文本嵌入存储和索引为高维向量。它能够快速高效地检索语义相似的内容，适用于 RAG 应用程序。

数据提取库

数据提取库帮助从各种文档中提取数据，例如网页、PDF、Word 文档、图像、PowerPoint 演示文稿等。一旦数据被提取，数据会被分块、编码，然后作为嵌入存储在向量数据库中。

开源 LLM 访问

开源 LLM 访问平台提供了对开源 LLM 的访问，使其能够在本地或自定义设置上运行。这些平台使开发者能够为 RAG 应用程序使用成本效益高且可定制的模型。

文本嵌入

这些技术将文本转换为数值向量，捕捉用于相似性比较的语义意义。它们在 RAG 的检索步骤中检索相关文档或块时至关重要。

评估

评估 RAG 应用程序的性能以了解其优缺点至关重要。为此，我们有如 RAGAS、Giskard、Trulens 等库。

如何系统的去学习大模型LLM ？

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。

基于此，我用做产品的心态来打磨这份大模型教程，深挖痛点并持续修改了近70次后，终于把整个AI大模型的学习门槛，降到了最低！

在这个版本当中：

第一您不需要具备任何算法和数学的基础
第二不要求准备高配置的电脑
第三不必懂Python等任何编程语言

您只需要听我讲，跟着我做即可，为了让学习的道路变得更简单，这份大模型教程已经给大家整理并打包，现在将这份 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🆓↓↓↓

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。

在这里插入图片描述

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)
在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

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

在这里插入图片描述

五、AI产品经理大模型教程

在这里插入图片描述

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