的是通过某种途径把我们的知识告
RAG可以将私有知识库和AI大模型融合，让大模型“知道我们的私有知识，变得越来越“懂我们。 一、AI大模型的局限性 使用过大模型的小伙伴应该知道，虽然大模型看起来无所不能，但是它也经常胡编乱造，没有足够的确定性，这也限制了大模型在各种场景的落地。 大模型的局限性，可以简单归纳为以下两点： 没有实时性：AI大模型的知识不是实时的，最新的GPT- Turbo也只是把知识库更新到年月，所以无从得知该时间之后发生的事情。无法获取私有知识：大模型的训练数据主要来源于 冰岛手机号码数据 互联网，不可能拿到个人或企业的私有数据，所以无法回答私有问题。 针对实时性问题，一般通过Actions或Function Calling函数调用，可以理解为接口回调等方式，让大模型实时调用搜索、地图、甚至企业自己实现的api，获取各种需要的实时信息，减少幻觉，提升确定性。 而RAG可以解决私有知识问题，它通过外挂知识库的方式，让大模型可以根据检索到的内容，回答私有库的相关问题，
https://lh7-us.googleusercontent.com/J8kRrMq_xRqVmX2zf03wK92rBATnTdLQ0m92sLi3snrc40ufoE2plukEpbz0QAGbvpwuUd4E_8q7lTISBN6wWtNvd5r_qSK-nUcyP6Q-UCrTronjTFOmu0E6h9WnXEmF5umBdQCjOTl3keyL
也就是所谓的检索增强，目的同样是提升确定性。 二、基本概念 RAG的核心目诉给AI大模型，其核心流程就是根据用户提问，从私有知识中检索到“包含答案的内容，然后把“包含答案的内容和用户提问一起放到prompt提示词中，提交给大模型，此时大模型的回答就会充分考虑到“包含答案的内容，看起来也就更“懂我们。 产品经理到底该不该选择做B端？ 近几年互联网经历了砸钱做市场的热潮后，越来越意识到，仅靠C端发力是不行的，需要尽快补齐B端的短板。那产品经理到底该不该选择转型做B端呢？ 查看详情 > 那么具体要如何实现呢？
页:
[1]