基于 RAG 架构的大模型知识库优化方案

为了缓解大语言模型（LLM）的幻觉问题，检索增强生成（RAG）技术应运而生。该方案的核心在于向量检索。首先，利用 Embedding 模型将非结构化文档转化为高维向量。随后，这些向量会被存入专门的向量数据库（如 Milvus 或 Pinecone）。当用户提问时，系统通过余弦相似度算法寻找最相关的知识片段。为了进一步提升准确率，还可以引入 Rerank 重排序模型对候选结果进行二次筛选。