神农架林区网站建设_网站建设公司_博客网站_seo优化

大模型的训练需要准备大量数据集，这些数据虽广泛涉猎，但缺少细节，缺乏垂直领域和行业信息。

训练和微调，可以解决这一问题，但需要消耗算力和时间，不适合需要频繁更新内容的场景。

简单来说，如果用于训练的数据集中没有我们想要的内容，大模型就无法回答相应的问题。那么有没有办法解决呢？

文本嵌入，可以让大模型拥有暂时的“记忆”。联网搜索就是典型案例，通过将搜索结果嵌入提示词，实现内容的灌注，让大模型能够结合搜索结果进行回答。

虽然联网搜索能解决大模型知识有限的情况，但通过搜索获得数据质量取决于互联网上的内容，有时甚至因为大模型的幻觉问题，导致张冠李戴、东拼西凑的问题。

为了解决这些问题，将联网搜索换成本地知识库的搜索，再加上一点点“处理”，就得到了RAG（Retrieval-Augmented Generation，检索信息增强）。

RAG的原理

为了得到高质量的知识库，大多数RAG的流程分为以下几步：

（1）文件处理（内容清洗）

（2）上传文件

（3）分段

（4）向量化（嵌入模型，Embedding）

（5）保存向量数据

在使用知识库问答时，通过以下几步进行结果输出：

（1）知识库向量检索

（2）检索结果重排序（重排序模型，Rerank）

（3）数据筛选

（4）筛选数据嵌入提示词

（5）大模型生成答案（大语言模型，LLM）

看起来RAG的过程似乎有点复杂，不过不用担心，有很多开源工具已经帮我们实现了这些功能，比如Cherry Studio、Dify。现在只需要专注文件处理和工具的选择。

实战环节

以Cherry Studio为例，添加一个知识库，使用本地部署的嵌入模型bge-m3和重排序模型bge-reranker-v2-m3。

上传一个测试文件，并等待向量化完成。

进入聊天界面，选择刚才添加的知识库。

使用问题“聚葡萄糖食品标准是什么时候发布和实施的？”进行测试，结果显示正确，并给出引用的内容。

原理补充

看到这里，相信你已经对RAG有了一定的了解，但距离应用还很远。Cherry Studio提供的知识库功能非常有限，经过前面的使用仅仅是跑通了流程。随着知识库中内容的增加，可能会出现知识混淆、回答不准确的问题。

Dify，提供了更强大的知识库，RAG的流程更全面，细节更完整。Cherry Studio中没有的文件处理、分段、数据筛选、筛选数据嵌入提示词等工作，在Dify中也得到了体现。

首先是文件处理和分段，它提供了丰富的分段设置和处理选项。

其次，在通过向量检索和重排序后，还增加了进一步的数据筛选。

最后通过工作流的方式，自行编排知识库处理流程和文本嵌入。

总结

看到这里，RAG原理中的所有内容基本都得到了运用，已经具备应对一些简单文档的知识库构建了，为什么要说简单呢？这里先卖个关子。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！