前言“多模态与RAG的结合是一个应用的实践过程其实际操作远比理论要复杂得多。”这段时间一直在搞RAG和Agent然后使用的基本上都是基于文本处理的推理模型基本上没用过多模态模型而最近突然有个想法那就是把多模态应用于当前的RAG系统。虽然说之前对多模态有些基础认识但并没有在真实的业务系统中实践过然后网络上关于多模态应用的内容又很少因此等真正尝试去做的时候才发现多模态应用好像没有那么简单。多模态模型的应用既然要应用多模态那么首先要了解什么是多模态在对多模态最粗浅的认知就是多模态支持多种模态的数据也就是文本视频音频图片等。在作者个人的认知中多模态应该是能接受任何形式的数据输入然后可以输出任何自己想要的数据格式事实上多模态也是这么做的但并不是我们想象中的那样。观察了几家模型厂商之后发现一个问题很多所谓的多模态模型都仅仅支持两种模态或三种模态比如说根据文本生成语音图片理解视频理解图片生成视频生成等等。而那种能够支持所有模态数据的模型叫做——全模态。以具体的例子来看在日常办公场景中会议纪要是一个很重要的东西现在基于人工智能的会议纪要产品已经有很多了其原理就是把音频数据(会议的录音)通过音频转文字的模型把音频转成文字然后再基于文字做总结提炼最后形成会议纪要。同样的图片理解视频理解图片生成视频生成等所谓的多模态模型都是如此。OK那么怎么把多模态模型应用于RAG系统呢在非多模态模式下的RAG系统是把所有的数据都转成文字的形式然后进行相似度检索包括图片表格等。但是我们都知道图片架构图等表达的内容有时很难用文字描述出来因此经过转换之后的文档会丢失大量的有效信息。那么如果能把多模态应用到RAG中那么就可以让多模态模型来识别文档中的内容这样就可以尽量保证信息的完整性但具体应该怎么做呢在刚开始作者的认知中多模态应用于RAG应该是把文档丢给模型然后让模型把里面的文字图片架构图表格等给抠出来并维护其内在的关联关系比如说那些文字和那些图片是关联的然后把这些不同模态的数据再通过向量化的方式保存到向量库中。但是看了模型厂商的一些模型之后发现好像不是这么做的它们的方式是把文档丢给模型然后让模型按照要求总结出我们所需要的东西当然也有那种能够确定文档中文字和图片的位置然后通过截图的方式拿到文档中的图片或架构图等数据。但是这种处理方式并没有维护文档中的关联关系不同数据之间依然是独立的内容而且这样的话在做数据召回时应该怎么召回总不能不同的数据还有去不同的地方做召回最重要的是不同模态数据之间的关联关系怎么处理果然是纸上得来终觉浅绝知此事要躬行多模态好像看起来很简单但等真正想上手去做的时候才发现远远没有那么简单。当然也可能是作者没有多模态应用的经验暂时还无法理解多模态在RAG中的使用流程。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】 一文详解多模态应用的几个疑问，以及多模态应该怎么应用于RAG？零基础小白收藏这一篇就够了！！
前言“多模态与RAG的结合是一个应用的实践过程其实际操作远比理论要复杂得多。”这段时间一直在搞RAG和Agent然后使用的基本上都是基于文本处理的推理模型基本上没用过多模态模型而最近突然有个想法那就是把多模态应用于当前的RAG系统。虽然说之前对多模态有些基础认识但并没有在真实的业务系统中实践过然后网络上关于多模态应用的内容又很少因此等真正尝试去做的时候才发现多模态应用好像没有那么简单。多模态模型的应用既然要应用多模态那么首先要了解什么是多模态在对多模态最粗浅的认知就是多模态支持多种模态的数据也就是文本视频音频图片等。在作者个人的认知中多模态应该是能接受任何形式的数据输入然后可以输出任何自己想要的数据格式事实上多模态也是这么做的但并不是我们想象中的那样。观察了几家模型厂商之后发现一个问题很多所谓的多模态模型都仅仅支持两种模态或三种模态比如说根据文本生成语音图片理解视频理解图片生成视频生成等等。而那种能够支持所有模态数据的模型叫做——全模态。以具体的例子来看在日常办公场景中会议纪要是一个很重要的东西现在基于人工智能的会议纪要产品已经有很多了其原理就是把音频数据(会议的录音)通过音频转文字的模型把音频转成文字然后再基于文字做总结提炼最后形成会议纪要。同样的图片理解视频理解图片生成视频生成等所谓的多模态模型都是如此。OK那么怎么把多模态模型应用于RAG系统呢在非多模态模式下的RAG系统是把所有的数据都转成文字的形式然后进行相似度检索包括图片表格等。但是我们都知道图片架构图等表达的内容有时很难用文字描述出来因此经过转换之后的文档会丢失大量的有效信息。那么如果能把多模态应用到RAG中那么就可以让多模态模型来识别文档中的内容这样就可以尽量保证信息的完整性但具体应该怎么做呢在刚开始作者的认知中多模态应用于RAG应该是把文档丢给模型然后让模型把里面的文字图片架构图表格等给抠出来并维护其内在的关联关系比如说那些文字和那些图片是关联的然后把这些不同模态的数据再通过向量化的方式保存到向量库中。但是看了模型厂商的一些模型之后发现好像不是这么做的它们的方式是把文档丢给模型然后让模型按照要求总结出我们所需要的东西当然也有那种能够确定文档中文字和图片的位置然后通过截图的方式拿到文档中的图片或架构图等数据。但是这种处理方式并没有维护文档中的关联关系不同数据之间依然是独立的内容而且这样的话在做数据召回时应该怎么召回总不能不同的数据还有去不同的地方做召回最重要的是不同模态数据之间的关联关系怎么处理果然是纸上得来终觉浅绝知此事要躬行多模态好像看起来很简单但等真正想上手去做的时候才发现远远没有那么简单。当然也可能是作者没有多模态应用的经验暂时还无法理解多模态在RAG中的使用流程。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】