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
Larry_Yanan6 小时前
QML学习笔记（四十二）QML的MessageDialog能不能别报错6 小时前
K8s学习笔记(十九) K8s资源限制sulikey7 小时前
【Linux权限机制深入理解】为何没有目录写权限仍能修改文件权限？十安_数学好题速析7 小时前
倍数关系：最多能选出多少个数Hello_Embed8 小时前
STM32 环境监测项目笔记（一）：DHT11 温湿度传感器原理与驱动实现程序员大雄学编程9 小时前
「深度学习笔记4」深度学习优化算法完全指南：从梯度下降到Adam的实战详解新子y9 小时前
【小白笔记】PyTorch 和 Python 基础的这些问题rechol10 小时前
类与对象（中）笔记整理新子y10 小时前
【小白笔记】KNN 核心预测函数 _predict_one 的过程橘子是码猴子10 小时前
LangExtract：基于LLM的信息抽取框架 学习笔记