1.说明

RAG结合LLM(通用大预言模型)构件基于私有文档、专业领域知识、实时信息的charbot。

2.RAG的主要步骤

• 知识切片成chunk
• 向量化chunk入库
• query检索知识chunk
• 构件prompts
• 调用llm生成回答

3.优势

• 快速构件demo
• 快速理解rag
• 社区支持

4.痛点

• 投入大
• 效果差
• 调优难

5.RAG应用的效果

整体效果=文档处理效果*embedding效果*retrieval效果*LLM效果

6.数据处理的难点：解析和拆分

1.PDF格式的多样性（eg:标准格式、跨页表格、离散等），会有复杂多变的文档格式，提高效果的困难度。

解决办法：

2.文档内容质量将很有程度影响最终效果。