Coding Road

RAG的原理在于利用情境学习（In-Context Learning）的原理，通过检索算法找到的信息作为上下文，帮助大模型回答用户问询。这种数据库优化了处理和存储大规模向量数据的效率，使得在面对海量知识向量时，能够迅速检索出与用户查询最相关的信息。：用户的问题会被输入到嵌入模型中进行向量化处理，然后在向量数据库中搜索与该问题向量语义上相似的知识文本或历史对话记录并返回。：将用户提问和检索到的信息结合，构建出一个提示模版，输入到大语言模型中，生成模型根据这些信息生成答案。