⁠‌​‍​​​⁠‬‍​‍​​​‌​​‌⁠‌​​⁠‌​​​⁠​⁠​​​​​⁠​‬​​​​​提交作品规则 & Task1案例：智能编程助手 - 飞书云文档 (feishu.cn)

1. RAG概念理解

• 定义：RAG是结合检索和生成的方法，引入外部知识增强模型回答。
• 目的：解决大模型知识局限、数据安全和模型幻觉问题。

2. RAG基本步骤

• 索引：文档分割成文本块，构建向量索引。
• 检索：问题与文本块相似度计算，检索相关片段。
• 生成：检索片段作为背景，生成问题回答。

3. RAG链路构建

• 离线计算：

  • 文档解析、切割，形成知识库。
  • 文档片段向量化。
  • 向量存入数据库管理。

• 在线计算：

  • 根据Query检索知识。
  • 召回大概率相关文档片段。
  • 精排与重排提升检索效果。

4. 检索过程详解

• 召回：基于字符串匹配快速筛选文档。
• 精排：Query向量与Chunk向量相似度计算。
• 重排：重排模型提升检索准确性。

5. RAG效果提升

• 二阶段检索：重排模型优化结果，稳定准确率增长。
• 向量检索技术：faiss、annoy等提高检索速度。

6. RAG应用

• 检索文档片段与Query结合，形成prompt。
• 大模型利用知识生成有效回答。