详看Langchain框架中的RAG多阶段优化策略

文章预览

今天，我们系统性的看看RAG在真实langchain中实践的一些策略，推荐大家看看。 一、关于RAG的整体架构设计 关于RAG，可以看看langchain出品的RAG系列，地址在：https://github.com/langchain-ai/rag-from-scratch系列，其做了很细致的拆分和讲解，并且有对应的代码，如下概览： 大体可以切分成如下部分： ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ ‍ 一个是索引Indexing部分： 另一个是生成Generation部分： 二、Query Transformations 优化策略 Query Transformations查询转换侧重于重写和/或修改问题以便检索，整体流程如下： 其中重要的流程如下： 1、Multi Query多查询策略 该方法从多个角度重写用户问题，为每个重写的问题检索文档，返回所有查询的唯一文档。在实现上，将一个查询变成多个查询：https://python.langchain.com/docs/modules/data_connection/retrievers/MultiQueryRetriever 对应的代 ………………………………