AI大模型RAG应用_RAG_Prompt

这张 RAG（检索增强生成）应用的工作原理图清晰地展示了其完整的工作流程，主要涵盖数据准备与检索生成两个关键阶段。 在数据准备阶段，首先进行数据提取，从各类数据源中获取原始数据。接着对提取的数据进行分块处理，即将长文本分割成较小的片段，便于后续操作。随后对分块后的数据进行向量化，把文本转换为计算机能够理解的向量形式。最后将向量化后的数据入库存储，为后续的检索提供基础。 在检索生成阶段，当用户提出问题时，先将问题向量化，使其能与已入库的向量数据进行比较。然后根据问题查询匹配数据，找到最相关的数据块。获取这些索引数据后，将其注入到 Prompt 中，为大语言模型（LLM）提供丰富的上下文信息。最终，LLM 依据这些信息生成准确且有针对性的答案。