Semantic Kernel:用Embedding做客服（RAG）

文章预览

RAG（Retrieval-Augmented Generation）是一种结合信息检索和生成模型的自然语言处理方法。它通过检索相关文档片段作为生成模型的上下文，提高生成文本的准确性和相关性。RAG广泛应用于问答系统、对话系统和文本摘要等领域，兼具高效性和灵活性。公司的客户机器人都特别适合。 下面的案例是使用GPT的embedding来向量化相关信息，然后通过关键字检索，最后把这些信息，结合用户问题送给gpt-4o，得到一个相对友好的回复结果。 具体实现如下： using Azure.AI.OpenAI; using Microsoft.SemanticKernel; using Microsoft.SemanticKernel.ChatCompletion; using Microsoft.SemanticKernel.Connectors.OpenAI; using Microsoft.SemanticKernel.Connectors.Redis; using Microsoft.SemanticKernel.Memory; using StackExchange.Redis; using System.Runtime.CompilerServices; using System.Text; var chatModelId = "gpt-4o" ; var embeddingId = "text-embedding-ada-002" ; var ………………………………