Loading...
对于Embedding来说，用流行的Embedding模型和Vector Store就是够够的了（对于大部分应用来说）。对于应用侧有比较大的优化空间的就是...
前面的文章，我们搞定了数据加载和切分，接下来就不是小打小闹了，是RAG的精髓Embedding，也是我学下来，认为影响RAG上限和想象空间最关键的地方这里...
受限于常见LLM的上下文大小，比如GPT4的128K，我们很多时候都不能把完整的数据整个塞到对话的上下文里。而且，就算数据源接近了LLM的上下文窗口，在读...
Azure OpenAI和OpenAI同源，并且在国内付款也很方便。所以如果使用官方的OpenAI服务的话，这个是最优解。注册登录Azure Link点击...
之前讲解RAG的本质的时候提到过数据加载，实际上就是给Chat Bot外挂数个数据源，考虑到各种应用场景，数据源的形式也就是多种多样了。比如说：文件、网络...