本节课主要是跟着教程做的，操作的东西放到作业里记录了。
这里主要记录一些视频里讲的非操作性的东西。
RAG=外挂知识库？优点是成本低，不用重新训练
RAG的一个整体流程。
涉及了文本相似度匹配，是不是和传统的问答系统（直接匹配数据库）有点类似？
区别在于生成了这个prompt，猜测是用数据库里最接近的向量来辅助模型找出答案。
langchain的介绍，用来构建LLM应用
前置步骤介绍
如何构建检索问答链
RAG优化
书生浦语大模型实战营-课程笔记（3）
dooooos2024-02-16 21:37
相关推荐
yuxb735 小时前
Docker学习笔记（二）：镜像与容器管理乖女子@@@8 小时前
React笔记_组件之间进行数据传递要做朋鱼燕9 小时前
【C++】 priority_queue 容器模拟实现解析ST.J9 小时前
swing笔记四谎真好看10 小时前
Java 学习笔记（进阶篇2）Suckerbin12 小时前
DarkHole: 2靶场渗透一枝小雨12 小时前
【C++】Vector完全指南：动态数组高效使用大白的编程日记.13 小时前
【Linux学习笔记】信号的深入理解之软件条件产生信号Wilber的技术分享13 小时前
【大模型实战笔记 1】Prompt-Tuning方法来生硬件工程师13 小时前
【硬件笔记】负载是如何烧MOS的？