大模型实战营Day3 基于 InternLM 和 LangChain 搭建你的知识库

发布时间：2024年01月13日

LLM的局限性： 知识时效性，专业能力，定制化成本


两种大模型开发范式： RAG FineTune

RAG: 检索问答生成 外挂知识库 成本低

FineTune： 更新成本高 GPU算力要求高


RAG开发框图： 用户输入 文本向量化 匹配相似文本段


LangChain框架介绍

开源工具 提供LLM通用接口 简化应用程序开发

核心组件： 链（chains） 例如 检索问答链 覆盖RAG的全部流程


基于LangChain搭建RAG应用

加载源文件 文档分块 文档向量化

InternLM接入LangChain

向量数据库构建

基于RAG问答系统可能的优化点： 检索方向 Prompt

文章来源:https://blog.csdn.net/li4692625/article/details/135565829
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章