粤ICP备17114055号
微信扫码
与创始人交个朋友
支持私有云部署
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
回到顶部