【大模型部署及其应用 】RAG检索技术和生成模型的应用程序架构:RAG 使用 Meta AI 的 Llama 3
目录
- RAG检索技术和生成模型的应用程序架构
- 1. **基本概念**
- 2. **工作原理**
- 3. **RAG的优势**
- 4. **常见应用场景**
- 5. **RAG的挑战**
- 6. **技术实现**
- 参考
- RAG 使用 Meta AI 的 Llama 3
- 亲自尝试
- 运行主笔记本
- 与文档应用聊天
- 关键架构组件
- 1. 自定义知识库
- 2. 分块
- 3. 嵌入模型
- 4. 矢量数据库
- 5. 用户聊天界面
- 6. 查询引擎
- 7. 提示模板
- 结论
- 后续步骤Next steps
RAG检索技术和生成模型的应用程序架构
RAG（Retrieval-Augmented Generation）是一种结合检索技术和生成模型的应用程序架构，常用于自然语言处理领域。它通过将大型语言模型（LLM）与信息检索系统结合，使生成的文本能够基于真实的数据源，从而提高生成内容的准确性和相关性。以下是RAG应用程序的完整介绍：
参考来自：
https://luxiangdong.com/2023/09/25/ragone/
https://blog.csdn.net/baidu_33256174/article/details/139574571
开源的RAG应用
QAnything: https://github.com/netease-youdao/QAnything
AnythingLLM：https://github.com/Mintplex-Labs/anything-llm
ragflow：https://github.com/infiniflow/ragflow/blob/main/README_zh.md