下载掌阅APP，畅读海量书库
立即打开
高级RAG（advanced RAG）在基础RAG的基础上进行了增强，旨在通过优化查询内容和检索结果来提高检索准确性及输出质量。它包括以下3个主要方面的优化。
● 索引优化：在文本数据切分和向量化过程中应用优化技术，目标是创建包含完整语义信息的最小文本分块，并计算这些分块的嵌入向量，以便在高维向量空间中准确定位，为后续检索任务做准备。
● 检索预处理：在执行向量搜索或其他搜索之前对查询文本进行优化，使问题表述更加清晰，从而提高检索精度。常见的做法包括查询压缩、路由和重写等技术。
● 检索后处理：在获得相关上下文分块之后，对其进行优化以减少“噪声”影响，避免LLM产生“幻觉”。此外，动态自适应地优化提示词，可以显著提高LLM的回答质量。
高级RAG同样保持了通用性和灵活性，对于高级RAG的支持是选择合适开发框架的重要考量之一。LlamaIndex、LangChain等主流框架通常会提供必要的功能特性来支持高级RAG的实现。在后续章节中，我们将结合具体示例介绍高级RAG的多种实现方式。