RAG

文档

描述

• 大模型RAG对话系统

为您介绍如何搭建大模型RAG对话系统。

RAG（Retrieval-Augmented Generation）技术架构的核心为检索和生成：

• 在检索方面，EAS支持多种向量检索库，包括开源的Faiss和阿里云的Milvus、Elasticsearch、Hologres、OpenSearch以及RDS PostgreSQL。

• 在生成方面，EAS支持丰富的开源模型，例如通义千问、Llama、Mistral、百川等，同时支持ChatGPT调用。

RAG应用服务部署成功后，您可以通过WebUI或API调用RAG服务。WebUI界面提供了丰富的推理参数配置选项，并支持上传知识库文件，以实现更个性化和精准化的LLM定制。

• 面向金融和医疗场景的大模型RAG检索增强解决方案

为您介绍如何在LangStudio中开发和部署RAG应用。

• 基于EAS&Elasticsearch搭建RAG检索增强对话系统

• 基于EAS&Milvus搭建RAG检索增强对话系统

• 基于EAS&OpenSearch搭建RAG检索增强对话系统

• 基于EAS&RDS PostgreSQL搭建RAG检索增强对话系统

为您介绍如何在使用EAS部署RAG服务时关联向量检索库，并详细说明了RAG对话系统的基础功能和对应向量检索库的特色功能。

• 基于AppFlow集成钉钉与PAI RAG构建AI机器人指南

以搭建钉钉答疑机器人为例，为您介绍PAI RAG+AppFlow的部署方案。

• 基于AppFlow集成微信公众号与PAI RAG构建智能客服

以微信公众号为例，为您介绍PAI RAG+AppFlow的部署方案。

• 基于AppFlow集成企业微信与PAI RAG构建AI助手

以企业微信为例，为您介绍PAI RAG+AppFlow的部署方案。