RAG 的评估指标总结 RAG（检索增强生成）系统的评估需覆盖 “检索阶段” 和 “生成阶段” 两个核心环节，同时关注两者的协同效果。以下是主要评估指标，按阶段分类整理： 一、检索阶段评估指标（核心评估 “召回质量”） 指标类型具体指标定义作用 召回能力召回率（Recall）检索到的相关文档数 / 所...
经典RAG应用的范式与架构已经非常流行，我们可以在很短的时间内借助成熟框架开发一个简单能用的RAG应用。 但是传统的RAG系统有个非常大的局限，即不善于处理复杂关系推理、总结性问题和多跳问题。因为传统RAG需要对文本进行分块，然后进行向量化存储，这种处理模式就会天然导致RAG在全局查询或总结上的表现不...
步骤1：构建知识库 数据来源**：文档、数据库、网页、论文等（如PDF、HTML、JSON格式）。** 预处理**：** 文本分块（Chunking）：将长文档切分为短段落（如每段512个token）。 向量化（Embedding）：使用模型（如BERT、OpenAI Embeddings）将文本转...
RAG（检索增强生成） 是一种结合 信息检索（Retrieval） 和 文本生成（Generation） 的 AI 技术，主要用于提升大语言模型（LLM）在知识密集型任务中的表现。 核心思想 检索（Retrieval）****：先从外部知识库（如数据库、文档、网页）检索与问题相关的信息。 增强（Aug...