检索增强生成技术原理10课件讲解.pptxVIP

检索增强生成技术原理

01理解RAG技术的原理和流程学习目标

RAG的基本原理核心思想首先，根据用户查询，从外部知识库（如向量数据库）中检索出最相关的信息片段作为证据然后，将这些检索到的上下文与原始查询动态集成，形成增强提示最后，模型严格依据此增强上下文生成答案，显著提高答案的准确性与时效性，并有效减少事实性幻觉

RAG的核心流程反馈优化：根据用户反馈调整检索/生成策略生成阶段：结合检索信息+问题生成回答知识库预处理：把原始数据变成可检索的格式检索阶段：根据用户问题找知识库的相关信息

第一阶段：知识预处理1.数据收集与拆分收集所有相关文档（如PDF、Word、网页、数据库记录等）将文档切分成大小合适的“块”（Chunks），例如一段文字或一个章节。块的大小是平衡检索精度和上下文完整性的关键参数拆分原则：保持语义完整性（如按段落、章节）；常用方法：固定长度拆分（如每200字一段）、语义拆分（用大模型判断语义边界）一篇5000字的“2025手机发布会文档发布会时间地点（100字）新品参数（800字）价格政策（300字）......

第一阶段：知识预处理2.文本向量化把文本片段转化为数值向量（Embedding），让计算机能计算“语义相似度”，语义相似的文本，向量距离更近将所有文本块的向量及其对应的原始文本，存储到向量数据库中2025新款手机电池容量5