跳到主要内容

什么是RAG-Cloudflare

跳到内容

检索增强生成（RAG）是一种将您自己的数据与大型语言模型（LLM）结合使用的方法。RAG 不仅依赖于模型训练时的数据，而是从您的数据源中搜索相关信息，并利用这些信息来帮助回答问题。

RAG 的工作原理​

以下是 RAG 流程的简化概述：

  1. 索引： 您的内容（例如文档、维基、产品信息）被拆分成较小的块，并使用嵌入模型转换为向量。这些向量存储在向量数据库中。
  2. 检索： 当用户提出问题时，该问题也会被嵌入到一个向量中，并用于从向量数据库中找到最相关的片段。
  3. 生成： 检索到的内容和用户的原始问题被组合成一个单一的提示。一个 LLM 使用该提示生成响应。

生成的响应应该是准确的、相关的，并基于您自己的数据。

What is RAG

为什么使用 RAG？​

RAG 允许您在 LLM 生成中引入自己的数据，而无需重新训练或微调模型。它通过在查询时检索相关内容并将其作为响应的基础，从而提高了准确性和可信度。

使用 RAG 的好处：

  • 准确和最新的答案： 回复基于您最新的内容，而不是过时的训练数据。
  • 对信息来源的控制： 您定义知识库，因此答案来自您信任的内容。
  • 更少的幻觉： 回复基于真实的、检索到的数据，减少虚构或误导性的答案。
  • 无需模型训练： 您可以获得高质量的结果，而无需构建或微调自己的 LLM，这可能耗时且成本高昂。

RAG 非常适合构建以下类型的 AI 驱动应用：

  • 用于内部知识的 AI 助手
  • 连接到您最新内容的支持聊天机器人
  • 跨文档和文件的企业搜索