【学习LangChain】04. RAG基础

文章预览

RAG：为什么需要 RAG 在之前的教程中，我们介绍了如何通过 LangChain 的 PromptTemplate、ChatOpenAI、StrOutputParser 等 Runnable 组件来与 LLM（大语言模型）对话，实现各种各样的 GenAI（生成式人工智能）功能。LLM 虽然强大，让人们看到了 AGI 的花火，但是它也有着自身的一些缺陷，主要表现在： LLM 的训练数据有一个截止时间，因此欠缺这个截止时间之后的知识。下面是 20240730 这天在线服务的 Claude 模型的训练数据截止时间，为 2024 年 04 月。因此，它没法知道 Meta 刚刚发布了 Llama 3.1 版本的模型。 image-20240731063132809 LLM 的训练数据以能爬取到的公开数据为主，因此缺乏私有数据。特别是在企业应用或者个人助理等需要特定领域、企业内部或者个人私有数据的场景，LLM 显得捉襟见肘。比如 Claude 不知道“法外狂徒张三”是谁： image-20240731064010038 与 LLM 对话，需要 ………………………………