大家好，检索增强生成是大模型时代非常火热的概念，之前在检索增强生成『Retrieval-Augmented Generation，RAG』入门的文章中，我们提到了这门技术的本质就是检索+生成。今天，我们来更详细的解释这门技术的核心流程。
检索增强生成核心流程
目前已经有很多开源的项目和大模型厂商都提供了 RAG 相关的功能，整体的结构设计都比较相似，具体如下图所示：
数据处理：主要包括加载文件、读取文本、文本切割、文本向量化这几个步骤。
向量检索：用户 query 向量化、根据 query 向量进行检索最相似的 K 个文本向量。
大模型生成：根据文本向量查找召回的上下文和问题一起，根据提示词模板拼接成提示词、将提示词提交给 LLM 生成回答。
好啦，今天的分享就到此结束了，你学废了嘛？
对检索增强技术不了解的，欢迎查阅下面的文章：
新增福利，欢迎查收！
永久免费星球『算法·成长·一人企业』，在这里我会高频输出和算法，个人成长，副业相关的知识以及资源分享，欢迎围观~，微信扫码就可以加入。
END
好了，今天的分享就到这里，希望对你有所帮助。
你的每一个『点赞』，都是鼓励我进步的勇气，点个『在看』，加油吧，一起成长！
来交个朋友
我是雨飞，一名工作 6 年的算法工程师，目前在探索大模型应用编程以及搜推算法。未来的愿景是做 AI 算法时代的引路人，致力于带领 AI 小白入门和学习算法。
在这个充满机遇与挑战的时代，能让我们一起成长，满帆迎接 AI 时代，让未来的日子，不再平庸。同时，践行终身学习的理念，也尝试在职场外探索副业和人生的第二曲线。
欢迎，扫码或者添加微信 10606087688 和我做朋友，一起成长进步。
原文作者：雨飞AI笔记；如有侵权，请联系管理员删除。
