前言“RAG系统中高质量的文档处理才是RAG系统的核心。”手上有一个基于自然语言对话的系统其功能就是根据提供的文档能通过自然语言对话的方式去询问需要的文档和资料其本质上来说就是一个RAG系统。在之前一直强调说RAG开发是一个入门五分钟但要做好可能要五个月甚至更久的一项技术在之前对这句话还没有特别深刻的体会但经过这个项目算是深有体会了。RAG功能优化刚开始做这个项目的时候觉得技术比较简单就是把文档切片然后通过embedding模型向量化之后保存到向量数据库中然后使用同样的embedding模型对用户问题进行向量化然后使用向量计算的方式匹配相似度再通过rerank重排序的方式检索相关的文档。这一套操作下来虽然完整的实现了一个RAG功能但这仅仅只是把这个RAG系统给做了出来还远远算不上做好。为什么这么说原因就在于经过实际测试之后发现RAG系统的整体效果还不太满意有些问题文档里明明有但召回的时候却召不回来。最后经过检查发现原因基本上都出在文档处理上。为什么会出现这种情况其实从实际的开发经验来看目前大模型应用模型的能力已经可以说是很强了甚至远远超过我们很多人的预料。但很多时候问题就出在我们的数据处理上针对RAG系统来说就是文档的前期处理上。所以只是把整个RAG流程跑通这仅仅只是第一步而比较难得是怎么把RAG做好有更快更准确的召回效率。以个人遇到的实际问题为例针对一个word文档由于其处理起来比较复杂因此我们一般采用两种方式进行处理一种是通过OCR技术把word文档转换成纯文本的markdown文档如果word文档中存在大量的图片或架构数据那么文档的处理质量相对会比较差。还一种方式更粗暴更简单直接找一个开源的文档处理工具把word文档转换成markdown文档其图片或架构图数据直接给丢掉。之后再整体针对markdown文档进行处理比如说根据markdown文档标题进行分段然后每段都带上其上层标题的内容以此来增加检索召回的准确度。虽然这种通用的处理方式能够快速处理文档但由于文档拆分的不够详细就导致部分内容无法召回。比如说一个段落大概在三百到五百个中文字符但用户的问题可能只有几个字这样对召回精度来说是远远不够的但如果拆分的太细也会导致召回的数据条数太多最后会被重排序或其它过滤方式给过滤掉。而且从实际的开发角度来说设计向量库表结构时只会把需要相似度检索的数据放到一两个或两三个字段中然后根据这些字段进行检索但实际开发中我们的文档数据并不都是标准的word或markdown格式也可能是excelcsv等结构化数据亦或者是其它类型的数据。这时怎么把这些数据使用合理的数据格式或结构进行存储也是一个需要考虑的问题原因就在于你不可能把不同的数据格式单独建一个字段进行保存或者单独建一个向量表保存原因就在于太麻烦数据太分散。所以我们目前的处理方式是不论是word文档还是excel文档都把它转化成markdown格式进行存储和向量化然后再通过相似度检索的方式进行匹配。总之在RAG系统中文档处理是重中之重而且需要根据不同的文档格式和内容进行不同的处理只有这样才能不断提升RAG的检索准确性否则RAG就失去了应有的意义。最后为什么要学AI大模型当下⼈⼯智能市场迎来了爆发期并逐渐进⼊以⼈⼯通⽤智能AGI为主导的新时代。企业纷纷官宣“ AI ”战略为新兴技术⼈才创造丰富的就业机会⼈才缺⼝将达 400 万DeepSeek问世以来生成式AI和大模型技术爆发式增长让很多岗位重新成了炙手可热的新星岗位薪资远超很多后端岗位在程序员中稳居前列。与此同时AI与各行各业深度融合飞速发展成为炙手可热的新风口企业非常需要了解AI、懂AI、会用AI的员工纷纷开出高薪招聘AI大模型相关岗位。最近很多程序员朋友都已经学习或者准备学习 AI 大模型后台也经常会有小伙伴咨询学习路线和学习资料我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频全系列的学习资料这些学习资料不仅深入浅出而且非常实用让大家系统而高效地掌握AI大模型的各个知识点。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】AI大模型系统学习路线在面对AI大模型开发领域的复杂与深入精准学习显得尤为重要。一份系统的技术路线图不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点还能提供一条高效、有序的学习路径。但知道是一回事做又是另一回事初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性在这基础上找到高质量的学习资源不浪费时间、不走弯路又是重中之重。AI大模型入门到实战的视频教程项目包看视频学习是一种高效、直观、灵活且富有吸引力的学习方式可以更直观地展示过程能有效提升学习兴趣和理解力是现在获取知识的重要途径光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。海量AI大模型必读的经典书籍PDF阅读AI大模型经典书籍可以帮助读者提高技术水平开拓视野掌握核心技术提高解决问题的能力同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说阅读经典书籍是非常有必要的。600AI大模型报告实时更新这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。AI大模型面试真题答案解析我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】 【AI大模型】怎么优化RAG的检索精确度？一文讲清，零基础小白收藏这一篇就够了！！
前言“RAG系统中高质量的文档处理才是RAG系统的核心。”手上有一个基于自然语言对话的系统其功能就是根据提供的文档能通过自然语言对话的方式去询问需要的文档和资料其本质上来说就是一个RAG系统。在之前一直强调说RAG开发是一个入门五分钟但要做好可能要五个月甚至更久的一项技术在之前对这句话还没有特别深刻的体会但经过这个项目算是深有体会了。RAG功能优化刚开始做这个项目的时候觉得技术比较简单就是把文档切片然后通过embedding模型向量化之后保存到向量数据库中然后使用同样的embedding模型对用户问题进行向量化然后使用向量计算的方式匹配相似度再通过rerank重排序的方式检索相关的文档。这一套操作下来虽然完整的实现了一个RAG功能但这仅仅只是把这个RAG系统给做了出来还远远算不上做好。为什么这么说原因就在于经过实际测试之后发现RAG系统的整体效果还不太满意有些问题文档里明明有但召回的时候却召不回来。最后经过检查发现原因基本上都出在文档处理上。为什么会出现这种情况其实从实际的开发经验来看目前大模型应用模型的能力已经可以说是很强了甚至远远超过我们很多人的预料。但很多时候问题就出在我们的数据处理上针对RAG系统来说就是文档的前期处理上。所以只是把整个RAG流程跑通这仅仅只是第一步而比较难得是怎么把RAG做好有更快更准确的召回效率。以个人遇到的实际问题为例针对一个word文档由于其处理起来比较复杂因此我们一般采用两种方式进行处理一种是通过OCR技术把word文档转换成纯文本的markdown文档如果word文档中存在大量的图片或架构数据那么文档的处理质量相对会比较差。还一种方式更粗暴更简单直接找一个开源的文档处理工具把word文档转换成markdown文档其图片或架构图数据直接给丢掉。之后再整体针对markdown文档进行处理比如说根据markdown文档标题进行分段然后每段都带上其上层标题的内容以此来增加检索召回的准确度。虽然这种通用的处理方式能够快速处理文档但由于文档拆分的不够详细就导致部分内容无法召回。比如说一个段落大概在三百到五百个中文字符但用户的问题可能只有几个字这样对召回精度来说是远远不够的但如果拆分的太细也会导致召回的数据条数太多最后会被重排序或其它过滤方式给过滤掉。而且从实际的开发角度来说设计向量库表结构时只会把需要相似度检索的数据放到一两个或两三个字段中然后根据这些字段进行检索但实际开发中我们的文档数据并不都是标准的word或markdown格式也可能是excelcsv等结构化数据亦或者是其它类型的数据。这时怎么把这些数据使用合理的数据格式或结构进行存储也是一个需要考虑的问题原因就在于你不可能把不同的数据格式单独建一个字段进行保存或者单独建一个向量表保存原因就在于太麻烦数据太分散。所以我们目前的处理方式是不论是word文档还是excel文档都把它转化成markdown格式进行存储和向量化然后再通过相似度检索的方式进行匹配。总之在RAG系统中文档处理是重中之重而且需要根据不同的文档格式和内容进行不同的处理只有这样才能不断提升RAG的检索准确性否则RAG就失去了应有的意义。最后为什么要学AI大模型当下⼈⼯智能市场迎来了爆发期并逐渐进⼊以⼈⼯通⽤智能AGI为主导的新时代。企业纷纷官宣“ AI ”战略为新兴技术⼈才创造丰富的就业机会⼈才缺⼝将达 400 万DeepSeek问世以来生成式AI和大模型技术爆发式增长让很多岗位重新成了炙手可热的新星岗位薪资远超很多后端岗位在程序员中稳居前列。与此同时AI与各行各业深度融合飞速发展成为炙手可热的新风口企业非常需要了解AI、懂AI、会用AI的员工纷纷开出高薪招聘AI大模型相关岗位。最近很多程序员朋友都已经学习或者准备学习 AI 大模型后台也经常会有小伙伴咨询学习路线和学习资料我特别拜托北京清华大学学士和美国加州理工学院博士学位的鲁为民老师给大家这里给大家准备了一份涵盖了AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频全系列的学习资料这些学习资料不仅深入浅出而且非常实用让大家系统而高效地掌握AI大模型的各个知识点。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】AI大模型系统学习路线在面对AI大模型开发领域的复杂与深入精准学习显得尤为重要。一份系统的技术路线图不仅能够帮助开发者清晰地了解从入门到精通所需掌握的知识点还能提供一条高效、有序的学习路径。但知道是一回事做又是另一回事初学者最常遇到的问题主要是理论知识缺乏、资源和工具的限制、模型理解和调试的复杂性在这基础上找到高质量的学习资源不浪费时间、不走弯路又是重中之重。AI大模型入门到实战的视频教程项目包看视频学习是一种高效、直观、灵活且富有吸引力的学习方式可以更直观地展示过程能有效提升学习兴趣和理解力是现在获取知识的重要途径光学理论是没用的要学会跟着一起敲要动手实操才能将自己的所学运用到实际当中去这时候可以搞点实战案例来学习。海量AI大模型必读的经典书籍PDF阅读AI大模型经典书籍可以帮助读者提高技术水平开拓视野掌握核心技术提高解决问题的能力同时也可以借鉴他人的经验。对于想要深入学习AI大模型开发的读者来说阅读经典书籍是非常有必要的。600AI大模型报告实时更新这套包含640份报告的合集涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师还是对AI大模型感兴趣的爱好者这套报告合集都将为您提供宝贵的信息和启示。AI大模型面试真题答案解析我们学习AI大模型必然是想找到高薪的工作下面这些面试题都是总结当前最新、最热、最高频的面试题并且每道题都有详细的答案面试前刷完这套面试题资料小小offer不在话下这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】