RAG知识库应用框架

上传文档

Embedding模型

提问

问题

7

豆包

文本向量

文本

文本分割

向量数据库 

DeepSeek

主要流程说明：1. 上传文档：用户上传相关知识文档；2. 文档提取分割：对用户知识文档进行文本提取与分割，以便进行分析；3. 文本向量化：将分割后的文本调用Embedding模型进行向量化，并存储到向量数据库；4. 问题向量化：将用户提问的文本进行向量化，获取文本向量数据；5. 语义检索：基于问题文本向量在向量数据库中进行知识数据匹配；6. 文本重排：基于语义检索结果，调用Rerank模型对结果进行重排，增强检索结果；7. 大模型能力调用：调用大模型对检索结果进行分析，并结合提示词工程， 进一步优化结果数据；8. 生成调用结果：生成大模型回答结果，并输出给用户。

创建知识库

1

向量检索

大模型能力调用

文本块

向量存储

基础大模型

文档提取分割

Rerank模型

Qwen

生成

5

文心

智谱

非结构化数据（政策、产业知识等）

向量化

文本提取

大模型调用

6

生成调用结果

4

增强

应用知识库

2

文档

3

语义检索

相似度匹配

输出结果

文本重排

             问答链/思维链

8

问题向量化

文本向量化