Skip to content

【自决策AI检索】模板

功能说明

伴随着知识问答场景的日益复杂,在实际的知识问答场景中,使用 RAG 检索时,常常会遇到用户一句话里有多个问题无法检索齐全,或者目标内容相似度太低而导致检索内容不全的情况。下面,让我们深入了解一种创新的 RAG 方法 ——【自决策AI检索】。

适应场景

一般适合处理以下场景:

  1. 用户的问题中包含了很多小问题,需要将每个问题的知识全部检索出来;
  2. 在查询知识库时,相关的知识语义太低,需要将这些知识全部检索出来;

流程图示

image 从上图可以看出,【自决策AI检索】 在知识库检索完成后,会利用 AI 对检索结果进行评估。如果满足评估条件,则输出结果;如果不满足,则 AI 生成新的参数继续检索,直到满足评估条件为止。

这一框架使得 AI 能够自主修正并检索那些未能检索出来的答案,从而在各种检索任务中大大提高了检索命中率。

【自决策AI检索】模板介绍

在BetterYeah平台中,我们提供了【自决策AI检索】模板,你仅需根据业务更改对应的参数,即可快速使用起来。 image

【自决策AI检索】模板流程说明

在【自决策AI检索】模板中,主要包含以下部分: image

  1. 获取查询参数;
  2. 查询知识库;
  3. AI评估结果;
  4. 如果结果不满足,则使用AI生成新的查询参数,重新弄查询;
  5. 记录每一次符合条件的查询结果。

【自决策AI检索】模板使用方法

在使用【自决策AI检索】模板时,你需要重点关注以下三个节点的参数,并根据实际需求进行更改: image

  1. 知识查询:填写你需要查询的知识库;
  2. AI评估结果:你需要根据业务情况,改写prompt中的【答案检查要求】内容;
  3. 查询结束条件:你需要设置结束查询条件的最大循环次数,来控制AI最多可以执行的查询次数;

从上面的说明中,为你介绍了【自决策AI检索】的流程说明和使用方式,在实际使用过程中,【自决策AI检索】的流程可以根据模型、业务情况进行不同的修改和改编,这里我们在后面的文章中会一一介绍。

其他说明

【自决策AI检索】模板提供了一种利用AI能力解决检索问题的思路,你可以根据自己的业务和AI模型的特点,探索更多的AI检索流程,更改AI检索的流程和相关配置,以达到最优的检索效果。