微信扫码
与创始人交个朋友
我要投稿
SimpleRAG是基于WPF与Semantic Kernel实现的一个简单的RAG应用,可用于学习与理解如何使用Semantic Kernel构建RAG应用。
GitHub地址:https://github.com/Ming-jiayou/SimpleRAG
支持所有兼容OpenAI格式的大语言模型:
支持所有兼容OpenAI格式的嵌入模型:
简单的RAG回答效果:
对比不使用RAG的回答:
git clone到本地,打开appsettings.example.json文件:
如下所示:
ChatAI用于配置对话模型,Embedding用于配置嵌入模型,TextChunker用于配置文档切片大小。
还是以SiliconCloud为例,只需填入你的api key 并将文件名改为appsettings.json,或者新建一个appsettings.json即可。
配置完成如下所示:
IDE:VS2022
.NET 版本:.NET 8
打开解决方案,项目结构如下所示:
运行程序:
测试AI聊天:
测试嵌入:
使用的是Sqlite保存向量,可以在Debug文件夹下找到这个数据库:
打开该数据库,如下所示:
测试RAG回答:
您还可以自由的进行其他配置,比如使用Ollama中的对话模型与嵌入模型用于本地离线场景,配置其他的在线对话模型,使用本地Ollama中的嵌入模型等。
53AI,企业落地应用大模型首选服务商
产品:大模型应用平台+智能体定制开发+落地咨询服务
承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业
2024-09-20
RAG+Agent人工智能平台:RAGflow实现GraphRA知识库问答,打造极致多模态问答与AI编排流体验
2024-09-20
HippoRAG:模拟大脑记忆思索机制的 RAG
2024-09-20
在长上下文LLM的时代,RAG是否仍然必要?
2024-09-18
Golden-Retriever:提升工业知识库检索准确性
2024-09-18
大模型RAG最佳实践指南
2024-09-18
360视角:大模型幻觉问题及其解决方案的深度探索与实践
2024-09-18
快速理解 GraphRAG:构建更可靠、更智能的 Chatbot
2024-09-18
大模型+RAG如何提高问答准确率?5家互联网大厂RAG落地实践
2024-07-18
2024-07-08
2024-07-09
2024-06-20
2024-05-05
2024-07-09
2024-06-13
2024-07-07
2024-07-07
2024-07-14
2024-09-20
2024-09-16
2024-09-12
2024-09-11
2024-09-10
2024-09-09
2024-09-07
2024-09-04