1.什么是RAG检索技术：

RAG（Retrieval-Augmented Generation）检索技术是一种结合信息检索（Retrieval）和生成（Generation）的混合模型方法，旨在通过检索相关信息来增强生成模型的性能。RAG 技术特别适用于需要复杂背景信息或大规模知识库支持的任务，如问答系统、对话系统和文本生成等。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

2.基于RAG实现智能客户系统：

以美团外卖App余额怎么体现为例子，先看看chatGpt如何回答这个问题的：

​

编辑

显然并未告诉我们如何进行体现。
再来看看同RAG的方式实现的智能客户系统告诉的答案：

​

显然差距就出来了，所以，直接利用ChatGPT来作为智能客服系统行不通，它能够理解你的问题，但是它并不能给你确切的答案，因为对于ChatGPT来说，它并不知道企业内部的专有数据，而这个时候，就可以利用langchain4j来给搭一套智能客服系统。

3.数据整理：
首先，需要把现有的常见文件整理成文档，可以是txt、pdf、xlsx、markdown等格式都可以，这里我直接将网页中的问题和答案转成txt文件，如下所示（展示一部分，数据来源于美团官网）：

​

4.具体步骤：

（1）创建maven工程，引入依赖：
引入的依赖有langchain4J，智谱的Ai大模型，能够存储向量的redis。

（2）读取文档中的数据，切分数据，生成向量存储进redis：

（3）向量匹配，使用ContentRetriever组件：
其实这里就是通过ContentRetriever组件来进行向量的匹配，这里设置的是匹配最相似的三个，并且分数在0.6以上的（这里的分数指的就是我提的问题跟redis中存储的向量的相似度，相似度是基于0-1之间的，越接近1表示越相似，其实它就是去算的余弦值）。
这里的contentList其实拿到的只是检索出来的文本，并不是真正的最终答案，但是最终的答案是从这里面组装出来的，我们可以看看这里的输出结果：

​

显然这里并不是最终答案，而需要获取真正的答案还需要将匹配出来的向量交给Ai，让其帮你得出最终的答案。

（4）使用contentInjector组件，封装userMessage，将匹配出的向量和提示词交给Ai处理：
这里使用ContentInjector组件来组装封装最终的提示词，其实就是将查询出来的向量和客户的问题交给AI，让AI从我给的这些向量中封装组合成最终的答案放回给用户，从而得到最终的答案：输出如下：

​

到这基于RAG的客户智能系统就实现了。

5.流程图：

​

当然，其实在提出问题，匹配向量的过程中，langchain4J还提供了很多的增强，如问题一分为三，计算分数等等在这里我就不多分析了，可以自行了解langchain4J更多的使用方式。

读者福利：如果大家对大模型感兴趣，这套大模型学习资料一定对你有用

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，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。

👉大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓