大模型面经——以医疗领域为例，整理RAG基础与实际应用中的痛点

文章预览

技术总结专栏 作者：喜欢卷卷的瓦力 RAG相关理论知识与经验 整理。 谈到大模型在各垂直领域中的应用，一定离不开RAG，本系列开始分享一些RAG相关使用经验，可以帮助大家在效果不理想的时候找到方向排查或者优化。 本系列以医疗领域为例，用面试题的形式讲解RAG相关知识，开始RAG系列的分享~ 本篇主要是理论知识与经验； 后续会结合最新的优化方法给出详细的优化代码，和实践中衍生的思考。 下面是本篇的快捷目录。 1. RAG思路 2. RAG中的prompt模板 3. 检索架构设计   一、RAG思路    这里有一张经典的图： 具体步骤是： 加载文件  读取文本  文本分割  文本向量化  问句向量化  在文本向量中匹配出与问句向量最相似的top k个  匹配出的文本作为上下文和问题一起添加到 prompt 中 提交给 LLM 生成回答 二、RAG中的prompt模板 已知信息： {context}    ………………………………