文章预览
本文3095字,预计7分钟读完。 一、前言 上篇文章 《一文读懂RAG(检索增强生成)》 中,笔者分享了有关RAG技术的看法。 RAG在to B领域一般应用在 知识库问答,智能客服 等场景,大概流程是:把知识内容进行分块,建立索引后存储于向量数据库中,通过相似度检索的方式,召回与提问匹配度较高的知识片段后输入给大模型,再让大模型基于提问进行针对性的回答。 RAG+大模型构建的机器人相比于传统机器人,有更强的语义理解能力与生成组织能力,在“解决问题”层面上整体表现更加“拟人化”。 除了以上两个场景外,RAG在to B软件领域中仍存在很多值得探索的应用场景。 本篇文章,计划通过笔者在产品工作中落地的一个项目跟大家分享如何 基于RAG构建一款to B智能体(Agent)应用 。 二、背景 在CRM系统中,“ 筛选 ”是一个极其高频的操作,拿“
………………………………