目录

一、前言

二、RAG技术介绍

2.1 RAG是什么

2.2 RAG工作原理

2.3 RAG优势

2.4 RAG应用场景

三、在线大模型平台RAG技术使用

3.1 阿里百炼平台

3.1.1 创建知识库

3.1.2 导入文档数据

3.1.3 文档数据解析

3.1.4 查看数据

3.2 百度文心智能体

3.2.1 创建知识库

3.3 智谱AI开放平台

3.3.1 新建知识库

3.3.2 上传文档

四、Java对接RAG技术

4.1 向量数据库介绍

4.1.1 什么是向量数据库

4.1.2 向量数据库基本概念

4.1.3 向量数据库主要功能

4.1.4 向量数据库优势

4.1.5 向量数据库应用场景

4.2 Java对接阿里向量数据库

4.2.1 maven工程中导入核心依赖

4.2.2 文本嵌入模型

4.3 百炼平台通用向量数据库

4.3.1 使用SDK嵌入文本

4.3.2 HTTP调用

4.4 自建向量数据库Milvus

4.4.1 获取Docker Compose文件

4.4.2 启动容器

4.5 Java代码操作Milvus

4.5.1 引入依赖

4.5.2 创建集合

4.5.3 集合插入数据

五、写在文末

一、前言

随着AI大模型的兴起和运用，企业或个人对于大模型的定制化能力的需求也越来越明显。像GPT刚问世时，大家对大模型的认知为模型对话，语言理解等，到当前的阶段，人们开始希望大模型能够私有化、个性化、定制化的提供特定的能力，以满足日益增长的个性化需求。举例来说，企业或个人都希望拥有一款属于自己的AI助手，能够帮自己随时解决一些特定场景或特定领域的问题，在这种场景下，AI大模型中的RAG技术就派上用场了，简单来说，它就是一款可以问你量身打造的大模型知识库，当你需要某个知识的时候为你提供比较精准的答案，本文将详细介绍下RAG技术和实战。

二、RAG技术介绍

2.1 RAG是什么

RAG（Retrieval-Augmented Generation）是一种结合了检索和生成模型的技术，用于提高自然语言处理任务的性能。它由Face