标准 RAG 方法

ayesha983

这样的 RAG 管道很容易实现，并且可以生成相当好的答案。然而，在某些情况下，潜在问题的范围可能非常广泛，以至于不可能先验地选择和预处理所有相关文档。如果这些相关文档频繁演变，那么保持我们的索引最新也可能具有挑战性。  

幸运的是，我们可以利用有史以来最大的知识库：互联网！互联网不断被强大的搜索引擎探索和索引，这让我们能够非常直接地检索相关信息，这对我们来说非常方便。

基于 Web 的 RAG 管道的主要设计选择
我们现在重点关注在实 丹麦电报数据 现利用网络搜索引擎的 RAG 管道时需要回答的主要技术问题。

提示中应包含什么？
假设我们想要回答以下问题：“Dataiku 为生成式 AI 用例带来了哪些好处？”我们可以将此问题用作搜索查询，并通过搜索引擎提供商提供的 API 检索相应的网络搜索结果。

基于 Web 的 RAG 方法的两个示例
基于 Web 的 RAG 方法的两个示例
这些搜索结果的格式因 API 而异，但结果通常包括标题、文本片段和 URL。第一种选择是直接在我们的提示中包含这些搜索结果，特别是标题和片段。Google 和马萨诸塞大学阿默斯特分校最近发表的一篇学术论文提出了这种方法，并将其命名为FreshPrompt。