最后一次笔记了。看一看两个案例的介绍。 看看这个天机AI。先回顾了RAG的流程：数据提取，向量化embedding，检索（☆），生成。 用Gradio可以构建前端界面，至于调用大模型方面，构建还是引入模块之后用一些函数，重点可能就是一些参数要自己设置。
查知识库的时候，加载完环境后，利用AGENT_KNOWLEDGE_PATH和AGENT_EMBEDDING_PATH获得查询的地址和存储结果的地址。判断返回的结果是否为空来确定是否成功。
想用什么大模型，设一个类就行了。里面属性大概就token和model两种，初始化方法里完成模型初始化._call()方法中设置一些必要参数.
最后是问答方面，利用RAG组件。怎么用呢，感觉和类差不多。先初始化一个实例，model = model_center()。然后一个question变量，内容是提的问题，字符串形式。接着是一个列表，存储问答的历史记录，最后调用model.qa_chain_self_answer(question, chat_history)返回结果，这里参数是问题加历史，也就是经过向量数据库之后整合了再个大模型。
