说明
RAG 是一种将检索与语言模型生成相结合的技术架构，旨在利用外部知识来增强语言模型的生成能力。它通过在生成文本时检索相关的知识信息，并将其融入到生成过程中，使生成的内容更准确、更有依据、更符合实际需求。
应用场景
- 智能问答
- 客服系统
选配组件：One API
通过标准的 OpenAI API 格式访问所有的大模型，开箱即用
简单讲就是模型api网关，可以把共用云的模型api，本地的api都配置到One api中
1. 配置
默认密码：root/123456
例如：添加ollama的api
创建访问密钥
2. 接口使用
接口的访问地址：http://xxx.xxx.xxx.xxx:3000/
One api中的接口可以用代码调用，或者使用封装好的图形界面，例如：ChatGPT-Next-Web
https://github.com/ChatGPTNextWeb/NextChat/releases
实现方案：FastGPT
介绍
官网：https://fastgpt.in/zh
GitHub：https://github.com/labring/FastGPT
FastGPT 是一个基于 LLM 大语言模型的知识库问答系统，提供开箱即用的数据处理、模型调用等能力。同时可以通过 Flow 可视化进行工作流编排，从而实现复杂的问答场景！
轻量级中文向量模型： dmeta-embedding-zh
实现方案：SpringAI
介绍
Spring AI+Ollama+pgvector实现本地RAG：https://github.com/jianyuan1991/ragdemo
参考文章
检索增强生成(RAG)实践：基于LlamaIndex和Qwen1.5搭建智能问答系统：https://www.zhihu.com/tardis/bd/art/696331293?source_id=1001