Rag - 标签 - 研发日志 · R&D Log

LLM Retrieval-Augmented Generation(RAG)

Fri, 14 Feb 2025 00:00:00 +0800

相关论文: Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks(Lewis et al., 2020)。此外，还有一个手搓的 RAG GitHub 项目，可以一窥 RAG 的全貌。

什么是检索增强生成?

检索增强生成（Retrieval-Augmented Generation,RAG）是一个概念，它旨在为大语言模型（Large Language Model,LLM）提供额外的、来自外部知识源的信息。这样，LLM 在生成更精确、更贴合上下文的答案的同时，也能有效减少产生误导性信息（即"幻觉"）的可能。

LLM 工作流编排方案

Fri, 14 Feb 2025 00:00:00 +0800

单纯调用一个大语言模型（Large Language Model,LLM）的 API 只能解决一次性问答。当业务需要把"检索知识库 → 调用 LLM → 执行工具 → 分支判断 → 输出结构化结果"串联成一条流水线时，就需要工作流编排(Workflow Orchestration)。围绕 LLM 的编排能力，业界通常也称之为 LLMOps 平台或 AI Agent(智能体)平台。

DeepSeek 联网搜索方案

Sat, 08 Feb 2025 00:00:00 +0800

DeepSeek 的训练语料存在截止时间，模型本身并不知道"今天发生了什么"。要让它回答股价、新闻、最新文档这类实时问题，必须额外接一条通往互联网的通道。常见的做法不是去训练一个新模型，而是通过 Function Calling(函数调用) 让模型在需要时主动触发一次外部搜索，再把结果作为上下文喂回去，这本质上是一种轻量级的 RAG(Retrieval-Augmented Generation，检索增强生成)。