网站建设亿玛酷信赖百度seo关键词排名优化

RAG 工程

        RAG 工程是一种将信息检索技术与大语言模型（LLM）相结合的工程实践方法，旨在增强大语言模型生成内容的准确性、可靠性和知识相关性。在传统的大语言模型中，其知识是在预训练阶段学到的，存在知识更新不及时、缺乏特定领域最新信息等问题。而 RAG 工程通过引入外部知识库，在生成文本时先从知识库中检索与用户查询相关的信息，再将这些信息与查询一起输入到语言模型中，以此来生成更有事实依据、更符合实际需求的文本。

GraphRAG

        GraphRAG 则是 RAG 工程的一种扩展和改进形式，它在传统 RAG 的基础上引入了图数据结构。图由节点和边组成，节点可以表示各种实体（如人物、地点、事件等），边则表示实体之间的关系（如关联、从属、因果等）。GraphRAG 利用图的结构和语义信息，更高效地进行信息检索和知识推理，从而为大语言模型提供更丰富、更结构化的上下文信息，进一步提升生成内容的质量和准确性。

项目简介

        Tiny-GraphRAG 是一个简洁版本的 GraphRAG 实现，旨在提供一个最简单的 GraphRAG 系统，包含所有必要的功能。我们实现了添加文档的全部流程，以及本地查询和全局查询的功能。

开源项目地址

https://github.com/limafang/tiny-graphrag

RAG-知识库项目构建基础架构

图1 RAG-知识库项目构建基础架构

• 由图1可知RAG整体技术路线可分为3个模块8个技术实现点。

• 3个模块分别为知识库构建模块，知识检索模块和智能问答模块。        

• 知识库