废话不多说，直接开源

#来源

原文链接

#正文

#废话不多说，直接开源

#废话不多说，直接开源

anything2explainer：给它一个 topic，就能一键制作这种质量的科普视频。

目前为止个人创作效果最满意的 skill，刚做出来看到效果的时候，甚至想要不直接用来批量制作科普视频起号得了，想了想还是开源出来，可以让所有人学习和研究。

所有内容均通过代码制作，100% 可控。

剪辑风格参考 @图灵宇宙 的抖音精选系列推荐系统课程

#AI新星计划 #科普视频 #开源项目 #剪辑教程

#知识库构建 / 检索与生成 / 评估与进阶

整条科普视频的讲解围绕 RAG（Retrieval-Augmented Generation，检索增强生成）这条主线展开，分为三个模块：知识库构建、检索与生成、评估与进阶。

#一、先说结论：大模型很聪明

大模型本身已经非常聪明，但它有三个天生的短板：

1. 训练截止——它的知识有截止日期，训练截止之后发生的事它都不知道。
2. 读不到私有数据——它读不到你公司内网里的文档，也不知道你昨天刚写的会议纪要。
3. 会一本正经地胡说——遇到不知道的问题，它不会说"我不知道"。

#二、为什么要 RAG

正是因为上面这三个短板，所以才需要 RAG。

RAG 的整体流程可以分为：

• 理解问题：把用户的问题先理解清楚，比如"差旅费报销标准与上限"这种原话含糊的 Query，可以先让模型改写一遍。
• 检索：从知识库里把相关内容捞出来。
• 重排：把捞到的内容重新排个序，把最相关的放前面。
• 组装：把检索结果按合适的方式拼起来。
• 生成：最后交给大模型，基于检索到的内容生成回答。

#三、回顾一下整条线

从问题出发，经过 理解 → 检索 → 重排 → 组装 → 生成 → 改写，就是一条完整的 RAG 流水线。再往深里走，就是知识库构建、检索与生成、评估与进阶。

识别 1,183 字 · 本次未扣积分 · 积分余额 1761

AI整理设置可以点此调整

内容效果不满意？点此反馈