掌握商業人工智慧：使用 RAG 和 CRAG 建構企業級人工智慧平台-人工智慧-PHP中文網

首頁

科技週邊

人工智慧

掌握商業人工智慧：使用 RAG 和 CRAG 建構企業級人工智慧平台

王林

Feb 26, 2024 am 10:46 AM

人工智慧排列

瀏覽我們的指南，掌握如何讓您的企業充分利用人工智慧技術。了解 RAG 和 CRAG 整合、向量嵌入、LLM 和提示工程等內容，這對那些希望負責任地應用人工智慧的企業來說非常有益。

為企業打造AI-Ready平台

企業在引入生成式人工智慧時，會遇到許多需要策略管理的業務風險。這些風險通常是相互關聯的，範圍從導致合規問題的潛在偏見到缺乏領域知識。主要問題包括聲譽損害、遵守法律和監管標準（尤其是與客戶互動有關）、智慧財產權侵權、道德問題和隱私問題（尤其是在處理個人或可識別資料時）。

為了回應這些挑戰，提議採用檢索增強生成（RAG）等混合策略。 RAG技術能夠提升人工智慧生成內容的質量，讓企業人工智慧計畫更安全可靠。這項策略能夠有效解決知識缺失和錯誤訊息等問題，同時也確保遵守法律和道德準則，防止聲譽受損和違規行為的發生。

掌握商业人工智能：使用 RAG 和 CRAG 构建企业级人工智能平台

#了解檢索增強產生( RAG)

檢索增強生成（RAG）是一種先進方法，透過整合企業知識庫中的信息來提高人工智慧內容創建的準確性和可靠性。將 RAG 視為一位大廚，他依靠與生俱來的天賦、全面的培訓和創意天賦，所有這些都得到了對烹飪基礎知識的透徹理解的支持。當需要使用不尋常的香料或滿足對新穎菜餚的要求時，廚師會查閱可靠的烹飪參考資料，以確保食材得到最佳利用。

就像是一位主廚可以烹調出多元的美食一樣，GPT和LLaMA-2等人工智慧系統也能產生各種主題的內容。然而，當需要提供詳細且準確的資訊時，尤其是在處理新穎的美食或瀏覽大量企業數據時，它們會藉助特殊工具來確保資訊的準確性和深度。

#如果 RAG 的檢索階段不充分怎麼辦？

CRAG是一種矯正性幹預，旨在加強RAG設定的穩定性。 CRAG利用T5來評估檢索到的文件的相關性。當企業來源的文件被視為不相關時，可能會透過網路搜尋來填補資訊空白。

企業級產生人工智慧解決方案的架構注意事項

架構從根本上是圍繞著三個核心支柱建構的：資料攝取、查詢和智慧檢索、產生提示工程和大語言模型。

掌握商业人工智能：使用 RAG 和 CRAG 构建企业级人工智能平台

#Eli盤攝

入

：第一步是將公司文件的內容轉換為易於查詢的格式。此轉換是使用嵌入模型完成的，遵循以下操作序列#資料分段：
#來自企業知識來源（例如Confluence、Jira 和PDF）的各種文件被提取
#到系統中。此步驟涉及將文件分解為可管理的部分，通常稱為「區塊」。嵌入模型：

#然後將這些文件區塊傳遞給嵌入模型。嵌入模型是一種神經網絡，它將文字轉換為表示文字語義的數位形式（向量），使其能夠被機器理解。

掌握商业人工智能：使用 RAG 和 CRAG 构建企业级人工智能平台

索引區塊：

####接著對嵌入模型產生的向量進行索引。索引是以有利於高效率檢索的方式組織資料的過程。 #####################向量資料庫：##########將所有向量嵌入保存在向量資料庫中。並將每個嵌入表示的文字保存在不同的文件中，確保包含對相應嵌入的引用。 ###########################################

查詢和智慧檢索：推理伺服器收到使用者的問題後，就會透過嵌入過程將其轉換為向量，該過程使用相同的模型在知識庫中嵌入文件。然後，向量資料庫進行搜索，以識別與使用者意圖密切相關的向量，並將其提供給大型語言模型 (LLM) 以豐富上下文。

5.##從應用程式和API層查詢。該查詢是用戶或其他應用程式在搜尋資訊時輸入的內容。

6.嵌入查詢檢索：利用產生的Vector.Embedding 在向量資料庫的索引中開始搜尋。選擇您想要從向量資料庫中檢索的向量數量；這個數字將與您計劃編譯和用於解決問題的上下文數量成正比。

7.向量（相似向量）：此過程識別相似向量，這些向量表示與查詢上下文相關的文件區塊。

8.檢索相關向量：
從向量資料庫檢索相關向量。例如，在廚師的背景下，它可能相當於兩個相關向量：食譜和準備步驟。相應的片段將被收集並隨提示一起提供。

9.檢索相關區塊：系統取得與被辨識為與查詢相關的向量相符的文件部分。一旦評估了資訊的相關性，系統就會確定後續步驟。如果訊息完全一致，它會根據重要性進行排列。如果資訊不正確，系統會將其丟棄並在線上找到更好的資訊。

掌握商业人工智能：使用 RAG 和 CRAG 构建企业级人工智能平台