Dify理论：漫话RAG

兜兜转转，RAG依旧是绕不开的话题。
RAG，检索增强生成。
给大语言模型一个大型图书馆。
大语言模型在回答问题前，不要急于回答。
先去图书馆里查阅一番，再根据所获取的知识进行回答。

大语言模型，由闭卷考试，变成了开卷考试。

第一：减轻了大模型的幻觉。

大模型在不知道答案时，往往会胡编乱造。
如今，有人把答案告诉了它，它只需要整理一下语言即可。
使用大语言模型回答问题时，最极端的情况下，它收到的问题是：

请根据背景知识回答问题。
背景知识：中国的首都在北京。
问题：中国的首都在哪儿？
回答：

整个问题的画风看起来十分地呆滞。

所以这也使得RAG会一不小心走上作弊地深渊。

毕竟，我只要把答案放到问题里，那傻子也能答对这道题。
但这样做，对技术的贡献是啥？

第二：大语言模型训练后发生的事儿，也能回答

大语言模型总有个训练