06｜RAG实战：基于ChatGLM3-6B+LangChain+Faiss搭建企业内部知识库

1. RAG模式是一种流行的知识库模式，相比微调有两个好处：知识准确性和更新频率快。 2. Langchain-Chatchat架构包含大语言模型、Embedding模型、分词器、向量数据库、Agent Tools、API、WebUI。 3. 系统部署需要安装依赖、下载模型、参数配置和初始化向量库数据。 4. 知识管理包括知识库的上传、删除、更新操作，以及通过API进行知识库管理、对话及查看服务器信息等操作。 5. 工具使用包括开发配置，如天气查询、搜索引擎查询等，通过API调用第三方服务，扩大信息检索范围。 6. 文本向量在自然语言处理中，通过训练得到，常见的Word2Vec模型会生成几百维的向量，可用于相似度计算。 7. 向量数据库是专门用于存储和检索向量数据的数据库，适合处理词向量、图像特征向量等高维数据。 8. 向量数据库的应用可以扩展到企业内部数据或产品数据，通过API喂给大模型，为产品增加AI能力，提升产品竞争力。 9. 知识库模式可以用在相对固定的场景做推理，比如企业内部使用的员工小助手，包含考勤制度、薪酬制度、报销制度等。 These key points summarize the main concepts and applications of RAG mode, Langchain-Chatchat architecture, system deployment, knowledge management, tool usage, text vectors, and vector databases, as well as the application scenarios of knowledge base mode.