检索增强生成（ RAG ）是指对大型语言模型输出进行优化，使其能够在生成响应之前引用训练数据来源之外的权威知识库。大型语言模型（ LLM ）用海量数据进行训练，使用数十亿个参数为回答问题、翻译语言和完成句子等任务生成原始输出。在 LLM 本就强大的功能基础上，RAG 将其扩展为能访问特定领域或组织的内部知识库，所有这些都无需重新训练模型。这是一种经济高效地改进 LLM 输出的方法，让它在各种情境下都能保持相关性、准确性和实用性。
---来自 AWS
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
This topic created in 705 days ago, the information mentioned may be changed or developed.
 |
mdbDec 6, 2024
1
前段时间试了下 maxkb ，感觉一般，不能进行全局性的总结，后面又试了下 lightrag ，但是一直没运行成功过，同问
|
 |
2
bge-large-zh 做 embedding 模型
配合 bge-reranker-v2-m3 做 reranker 模型 weaviate 作为向量库 基于 dify 平台 目前感觉知识库的质量才是最关键的 |
5 |
luchenwei9266Dec 6, 2024
3
ragflow
|
 |
DonaldoDec 6, 2024
4
lightrag ，但本地模型太慢了。
|
 |
unco020511Dec 6, 2024
6
dify
|
 |
npeDec 6, 2024
7
dify 吧，比 maxkb 灵活
|
 |
dongdong12345Dec 6, 2024
8
|
 |
pengxiaoyuDec 6, 2024
9
dify
|
 |
c466934322Dec 6, 2024
10
奇了怪了，大家怎么不推荐 fastgpt 了
|
 |
mengyaorenDec 6, 2024
11
dify
|
 |
lowerDec 7, 2024
12
langchat
|
 |
GeruzoniAnsasuDec 7, 2024
13
想问问楼上的推荐哪个能解决这个问题：
RAG 只能 embed 知识库「内」的知识，但不能 embed 关于知识库「本身」的知识 —— 嵌入 10 条 A 知识后 LLM 能查询 N(N<10) 条最接近 A 知识向量的内容，但无法回答「关于 A 的知识量有多少」 |
 |
zqqianDec 7, 2024
14
RAG 效果还是不太好，AI 只能看见知识库里片面的数据，无法从一个全局的角度理解知识库中的知识
|
 |
FleetingSoundDec 7, 2024
15
privateGPT
Milvus |
 |
anyinloverDec 7, 2024
16
@GeruzoniAnsasu 关于 A 的知识量有多少不是 RAG 要解决的问题，如果是公域知识直接问 LLM ，如果是私域知识就只能扩展知识库本身了。
|
 |
gitsuckMar 18, 2025
17
@c466934322 开源知识库上限 30 ，用个🔨
|
 |
18
我用 llamaindex ，感觉还不错。
|
Select Language