RAG

介绍

是一个结合 信息检索 和 文本生成的技术， 通过实时检索相关文档和信息，并将其作为上下文输入到生成模型中去，从而增强生成内容的 时效性 和 准确性。

RAG存在的三个局限性问题

1. 切片很粗暴
2. 检索不精准
3. 没有大局观

优化方法

检索不精准 --->1.引入重排序模型，按照问题的相关性重新排序 没有大局观 --->2.引入mcp server，这个例子比如一个成绩excle表... 更换上下文token比较大的模型，比如Gemini

AI知识库目前依旧是一个较为复杂的系统性工程，没有银弹式的通用解决方案，具体工程与项目落地，还需要多种工具共同解决，目前有一个公认效果较好的方案，是使用自适应RAG，通过查询类型，自动选择最合适的检索策略，这种方案结合了多种检索方式，提高了知识库的精度

什么叫做自适应RAG