LangChain框架学习笔记

大模型如火如荼，企业在去年的喧嚣过后今年开始进入正经的落地阶段。落地的第一步就是选择场景。这本身就是一个非常困难的工作，因为选好场景，对大模型最终提供的服务质量影响太大了。选场景这个事可以另开一篇文章来讲，从目前接触的客户来看，使用RAG技术落地大模型还是比较普遍的一个选择，但各家也都遇到了许多的困难。本文就目前遇到的客户问题，进行一些整理和归纳，后续对我们深入研究大模型的应用有所指导。

之前几篇文章我们聊过大模型再RAG领域的落地情况，本篇文章就先以百度的平台为例，进行一次详细的测评，详细介绍大模型知识问答助手的应用创建情况。这里我上传了一个3.5M大小的pdf文档《郑州银行2022年年度报告》，可以看到文档需要解析需要很长一段时间，这里可以选择用标点符号或者固定长度来切分文档，猜测可能用到了百度相关的切分文档的方法，最终呈现的文档效果片当很不错。在下面的个性化领域知识里面，千帆

基于RAG与LLM的知识库作为目前最有潜力的企业端大模型应用之一，从技术角度可以看到，建设方案已经完备；从业务角度，最终的应用效果和业务价值还需要观察，并通过业务侧的反馈不断地促进建设方案的进一步优化，比如增加对多模态知识的处理能力等。让我们共同期待这类应用普及那一天的到来。

基于RAG与LLM的知识库作为目前最有潜力的企业端大模型应用之一，从技术角度可以看到，建设方案已经完备；从业务角度，最终的应用效果和业务价值还需要观察，并通过业务侧的反馈不断地促进建设方案的进一步优化，比如增加对多模态知识的处理能力等。让我们共同期待这类应用普及那一天的到来。

基于RAG与LLM的知识库作为目前最有潜力的企业端大模型应用之一，从技术角度可以看到，建设方案已经完备；从业务角度，最终的应用效果和业务价值还需要观察，并通过业务侧的反馈不断地促进建设方案的进一步优化，比如增加对多模态知识的处理能力等。让我们共同期待这类应用普及那一天的到来。