上一节我们使用Refresh组件实现了下拉刷新功能。除了浏览别人发布的短视频，用户也能在抖音App上发布自己的作品，当然首先得有一段录制好的视频，那么在鸿蒙系统录像用到了系统相机。

上一节我们通过自定义图片分段结构实现了从SocketIO服务器接收图片的功能，至此可以在单聊中发送文本和图片了。不过若想在群聊中发送文本和图片，还得构建一套群聊机制，把群成员发送的消息转发给其他的群成员。具体的群聊构建过程分为下列几个事件处理。

上一节我们利用photoAccessHelper实现了从相册挑选图片的功能，但是SocketIO不支持传输二进制数据，只允许传输文本字符串，那么得想办法把图片数据转成字符串才行。由于图片数据转字符串的操作要求可逆，也就是图片转成字符串之后，还能把字符串恢复成原图片，因此这种转换必须是无损操作。基于以上考虑，可把图片内容的二进制数据通过BASE64算法重新编码成十六进制的字符串，对应的反向操作就是，

上一节我们综合使用fileIo、image、buffer等工具库，把图片文件的二进制数据成功编码为BASE64字符串。那么为了能够正常收发图片消息，还需从BASE64字符串解码得到原始的图片数据，这样一来一去的无损逆向操作，方能实现准确无误的图片传输功能。对于鸿蒙App来说，由于Image组件可直接显示PixelMap像素图，因此BASE64串无需转成图片文件，只需转到PixelMap这步即可。由

因为对话框属于独立的控件，允许被多个页面引用，所以可在单独的ETS文件中定义。自定义对话框以“@CustomDialog”前缀开头，并且内部必须声明CustomDialogController类型的控制器属性，这样外部页面才能通过控制器对象操纵对话框的交互动作。对于多数对话框来说，一般要提供取消和确定两个按钮，那么自定义对话框内部还需声明取消接口和确定接口，由具体引用的页面去实现真正的取消操作和确

AI大模型时代来了，程序员们纷纷入坑AI应用开发，可是苦于AI教程良莠不齐，往往花费了大量时间精力和金钱，却仍然过其门而不入。有鉴于此，博主开始连载AI应用开发教程《15天学会AI应用开发》，帮助大家快速掌握AI应用开发技能，不掉坑、不迷路、有收获。

RAG的全称是Retrieval-augmented Generation，意思是检索增强生成，它是一种结合检索和生成技术的模型。RAG通过引用外部知识库的信息来生成回答，具有较强的可解释性和定制能力，常用于客服系统、智能助手等问答任务。

上一篇文章采用字符串匹配的方式来查找知识，这种方式比较呆板不够智能，接下来引入向量数据库，通过向量化实现更精细的知识检索。

上一篇文章通过all-MiniLM-L6-v2模型结合FAISS实现了简单的RAG检索功能，但FAISS运行于内存中，无法持久化保存向量数据，重启后又得重新对文本做向量化，比较浪费算力资源。

前面两篇文章在演示RAG功能时，做向量化的文本嵌入模型都用国外的all-MiniLM-L6-v2，该模型主要适用英文，对于中文总体也能用，但在细节上处理欠佳。本文就来介绍如何使用国产离线的文本嵌入模型替换国外模型，以及如何体现国产模型的比较优势。