iT邦幫忙

2025 iThome 鐵人賽

DAY 14
0
生成式 AI

「打造專屬小幫手:生成式 AI 的從零到一實戰」系列 第 14

查詢 + 生成:完成 RAG 最小雛型

  • 分享至 

  • xImage
  •  

之前的幾天我們已經把基礎都準備好了:文件切分、向量化、資料庫(pgvector 或 FAISS)。今天就來拼拼圖,完成一個最小版的 RAG(Retrieval-Augmented Generation)。

流程相當的簡單,可以分成三步:

查詢(Retrieval)
使用者丟問題進來,我們先把問題轉成向量,然後到資料庫裡找出最相關的幾段內容。

組合(Augment)
把找到的內容整理成一個「小抄」,附在 Prompt 裡交給模型。

生成(Generation)
模型再根據問題 + 小抄,生出最終答案。

舉例來說,如果我問「Python 適合做什麼?」

系統會先從資料庫找出「Python 特點、應用領域」的段落。

接著把這些內容附在問題後面。

最後模型輸出答案:「Python 常用於資料分析、AI、網頁後端…」。

這樣,模型就不是「憑印象回答」,而是「依資料回覆」。

雖然這只是最小雛型,功能還很陽春,但已經能解決一大痛點:減少 AI 胡說八道的機會。之後我們還能加入更聰明的檢索、rerank、甚至多資料來源整合,讓小幫手更強大。

就像蓋房子一樣,今天我們總算把第一層地基打好了!


上一篇
建立本地資料庫(pgvector / FAISS)
下一篇
評估小幫手的回覆品質
系列文
「打造專屬小幫手:生成式 AI 的從零到一實戰」18
圖片
  熱門推薦
圖片
{{ item.channelVendor }} | {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言