4.2 RAG配置与应用实现

1 RAG 简介

RAG（Retrieval Augmented Generation），即检索增强生成。它通过结合检索模型和生成模型来增强大型语言模型（LLM）的性能。RAG 的核心思想是利用检索模型从大型数据集或知识库中检索相关信息，并将其作为生成模型的输入，以生成更准确、更相关的文本回复。

2 RAG 配置

2.1 创建知识库

进入 Dify 页面后，点击 “知识库” -> “创建知识库”。

2.2 选择数据源

上传文本文件。

在这里，我们选择了一个 RAG 的综述作为示例。

2.3 文本分段与数据清洗

点击“保存并处理”。

处理并完成。

3 应用实现

3.1 创建

“工作室” -> “创建空白应用” -> “聊天助手” -> “基础编排” -> “输入名称” -> “创建”。

3.2 编排

输入提示词。

请阅读以下SCI论文，并总结论文中的知识点。确保你的回答客观，不依赖于刻板印象。

## 待处理内容

`markdown
{{paper}}
`

## 输出结果
​

“添加功能” -> “对话开场白”。

3.3 调试与预览

无上下文的调试与预览。

有上下文的调试与预览。

3.4 发布

发布应用并运行。

进行对话。

参考文献

[1] Gao, Yunfan, et al. Retrieval-augmented generation for large language models: A survey. arXiv preprint arXiv:2312.10997 (2023).