什么是RAG?
RAG（Retrieval-Augmented Generation）是一种结合检索和生成的自然语言处理技术，通过检索相关信息辅助生成更准确和丰富的文本。
X上的一位网友(@Baptiste Adrien)用十张图简述了一下RAG的流程，下面给大家介绍一下。
一、提供文档，即搜索的知识来源
二、文档处理，可以通过OCR将文档处理成可读文本
三、文档分块，将长文本分割成更短的段落或句子，以便更有效地进行处理。
四、向量化，被分成小块的文本经过一个嵌入模型处理转换成向量，这些向量能够以数字的形式表达文本的含义。
五、向量库，向量存储在向量数据库中，向量库能更高效地找到近似的向量（文本）。
六、用户提出问题。用户提出问题，系统来检索数据库，找到最相关的信息并返回给用户。
七、问题处理，问题将通过和文档相同的embedding模型和分块方式，以保证问题和文档在相同的向量空间里（有相同的表征方式）。
八、相似度计算，被转成向量的问题与数据库中存储的其他向量进行比较，找出最相似的向量（文本块）。
九、大模型处理，将相似度得分最高的几个文本块输入给大型语言模型（LLM），改写、生成答案。
十、回答，将大模型输出的问题返回给用户。这个答案是由从文档中检索到的最相关信息生成的，确保了准确性和相关性。
