大模型——使用 Embedding 模型和向量数据库的 Spring AI RAG

标签：RAG Embedding AI 模型 LLM Retrieval

大模型——使用 Embedding 模型和向量数据库的 Spring AI RAG

本文主要介绍以下内容：

• 嵌入式模型简介。
• 使用 DocumentReader 加载数据。
• 在 VectorStore 中存储 Embedding。
• 实现 RAG（Retrieval-Augmented Generation，检索增强生成），又名 Prompt Stuffing。

你可以在 GitHub 中找到本文的示例代码

大型语言模型（LLM），如 OpenAI、Azure Open AI、Google Vertex 等，都是在大型数据集上训练出来的。但这些模型并不是在你的私人数据上训练出来的，因此它们可能无法回答你所在领域的特定问题。但是，在你的私人数据上训练模型可能既昂贵又耗时。那么，我们该如何使用这些 LLM 来回答我们领域的特定问题呢？

其中一种方法是使用 RAG（Retrieval-Augmented Generation，检索增强生成），

标签：RAG,Embedding,AI,模型,LLM,Retrieval
From： https://blog.csdn.net/king14bhhb/article/details/146081905