超级会员免费看
专栏：大模型应用开发：从原理到生产
篇号：20
建议权限：付费
建议标签：Embedding、向量检索、RAG、语义搜索、AI应用开发
上一篇我们讲了文档解析与分块。
一句话总结：
RAG 的地基，是一块一块干净、完整、可追溯的知识块。
但知识块准备好以后，还有一个问题：
系统怎么知道用户的问题和哪个知识块相关？
最朴素的办法是关键词搜索。
用户问“审计日志”，系统就找包含“审计日志”的文本块。
这个办法有用，但不够。
因为用户不会永远使用和文档一样的词。
用户可能问：
企业版能不能查看成员操作记录？
而文档里写的是：
企业版支持审计日志，管理员可以查看成员登录、权限变更、数据导出等操作记录。
这两段文本里，用户没有直接说“审计日志”。
但人一看就知道，它们在讲同一件事。
问题是，计算机怎么知道？
这就是 Embedding 和向量检索要解决的问题。
订阅专栏 解锁全文
扫一扫
5156
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
