微信扫码
与创始人交个朋友
我要投稿
日前,与星纪组成员-汤攀一起做分享,很多生动的例子,非常接地气!
后面,我们会深入全栈项目的各个模块,学习底层的技术是怎样构建的!
后面也会做一个rag项目总结!
预告一下~
在Llamaindex的全栈项目分享会上,我多次提到要优先使用RAG,尽量不要微调或增量,大规模的+数据质量错位的,微调+增量技术,不靠谱,很难收到结果!
在会议末尾讲了一下什么情况下用RAG,也分享了一些RAG的坑和经验,刚刚不想让会议显得太长,我这里再补充一下:
重申技术背后:
RAG技术是通过从外部来源检索信息,将内容添加到提示中,然后调用LLM!
目标是为模型提供其参数化上下文(或基本知识)中可能没有的信息。
存在问题与经验:
① 交互问题
通常需要三四轮对话才能理解客户的问题,因为一开始消息没有深入,都是客套话!没用!
当然,可以设置马上开始检索,但!过早检索数据时,检索的文本没有足够上下文,是很容易检索到垃圾信息的,除非你可以一条提示词,办完事!否则,这时,大模型的注意力集中在错误内容上,降低了生成的准确度!
② 尝试优化想法
基于以上,我们设计了一个确定对话意图过程,然后切换到对应+专门的RAG提示词!有效,但很呆!
③ 最终方案
我们需要多个提示词和状态来模拟对话!基于以上的升级!
LLM Agent(带工具)
与一组操作(工具)配对的提示词
在对话过程中,提示可以返回一个响应,指示应该调用一个带有参数的操作
例如:管理代理的软件执行该操作(“调用baidu.com”)并将结果作为新消息返回到提示词。使用新结果继续与用户进行对话!
④ RAG有两种模式的
第一种:静态,使用提示词和已向量的数据,检索交互
第二种:动态,一边交互,一边把交互内容,生成搜索词,会呼吸的RAG,实现自主更新!提高生成质量!
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
2024-08-18
当产品经理谈到用LLM Agent构建新一代智能体的时候,他们在说什么?
2024-08-15
对话AI教育从业者们:AI如何解决因材施教的难题?
2024-08-03
工业应用中的向量数据库与知识向量化存储方案
2024-07-25
两大深度学习框架TensorFlow与PyTorch对比
2024-07-17
让生成式 AI 触手可及:NVIDIA NIM on VKE 部署实践
2024-07-16
中文大模型基准测评2024上半年报告
2024-07-16
一文看懂人工智能的起源、发展、三次浪潮与未来趋势
2024-07-14
"自拍" 秒变 "证件照" 看Coze如何实现
2024-05-14
2024-04-26
2024-05-22
2024-04-12
2024-07-18
2024-03-30
2024-05-10
2024-08-13
2024-04-25
2024-04-26