上方页面左侧画红框的地方，是这个“问答机器人”的配置，右侧是与“机器人”的一轮对话。

• AI模型
• 提示词
• 知识库。
  
  

• 大语言模型：是一个学习过无数本书、拥有无穷智慧的人。他读过无数的书、看过无数的段子，因此对公共知识、学识技能、日常聊天十分擅长。然而，在工作场景下，只会聊天侃大山可不行，你想让他帮你干活。这个时候，就需要“提示词”出场了，

• 提示词：是你告诉这个全知全能的人，他是一个什么样的角色、他要专注于哪些技能，让他能够按照你的想法，变成一个你需要的“员工”。

• 知识库：相当于你给这个“聪明”员工的发放了一本工作手册。即使是看过再多的书、浏览过再多的文字，也不会准确的知道见到老板娘过来吃饭要打三折，张梦飞过去吃饭要打骨折。而知识库，就是把这些内容写在了工作手册上。让这个聪明的员工，见到有人来的时候，就翻一翻手册，然后再做出反应。

  
  

• AI模型：这里使用的是阿里千问模型。
• 提示词：这里设定的角色是“美嘉”，是按照美嘉的人设、背景和对话风格做的设定。
• 知识库：这里放的是《爱情公寓》全季的剧情，让“美嘉”拥有了自己过往的“记忆”，知道自己做过什么、好朋友是谁等等。
  
  

图中右侧是一个十分简单的问答，

我问：“你是谁？你和子乔在台球厅吵架那次是为了什么吵架？”

她的回复是：“我是陈美嘉，那次在台球厅和吕子乔吵架是因为他约会被人撞见，我讽刺他脸大影响信号，他还反击我。后来谈到过去的事情，我指责他忘恩负义，他就说我平。最后，我伤心地说要分手，因为他之前甩过我。”

其中，她是陈美嘉，这里是人设中的设定。吵架的经过是知识库中的内容。

在我提问了之后，大模型去知识库里找到了相关内容，然后回复了我。这就是一个简单的正确回复的demo示例。

然而，我们会发现，有时候她的回答会十分不准确。

这，就是基于知识库问答中的一个非常常见的错误场景。在其他情况下，甚至有可能出现报价错误、胡编乱造等等。这在严肃场景中，是不能接受的出错。

现在应该能够直观的理解，为什么需要让大模型根据知识库回答的更加准确、更符合我们的要求。

• RAG（Retrieval-Augmented Generation），即检索增强生成，是一种结合信息检索和文本生成能力的技术，它由两部分组成：一个“检索器”和一个“生成器”。检索器从外部知识中快速找到与问题相关的信息，生成器则利用这些信息来制作精确和连贯的答案。这种结合使得RAG非常适合处理需要广泛知识的任务，如问答系统，能够提供详细而准确的回答。

简单来说，就是通过检索的模式，为大语言模型的生成提供更多信息，从而使大模型生成的答案更符合要求。

2、检索原理

简单来说，通过比较这些点的距离，检索器可以快速找到语义上接近的词语或信息，从而高效地检索相关内容。这就像在一个城市地图上找最近的餐馆，距离越近，越可能是你想去的地方。