22｜取长补短：如何借鉴LangChain、LlamIndex等RAG框架的优点
叶伟民
你好，我是叶伟民。
上节课，我们学习了两种改进检索质量的方法——在用户交互层面提供精确信息，在业务逻辑层面提供精确信息。
但是仅仅靠这两种方法是不够的，那么我们如何去学习其他改进 RAG 质量的技术呢？授人以鱼不如授人以渔，这一节课我们就来学习一种很实用的方法，通过查看 LangChain、LlamaIndex 源码，学习改进 RAG 质量的技术。
我使用 LangChain 的经历
我入门 RAG 的时候就使用了 LangChain。但是正如开篇词里面所说到的，发现 LangChain 不支持微信小程序流式输出，于是这部分代码不再使用 LangChain，改成自己实现。后来又发现当时的 Langchain 不支持百度文心，于是这部分代码也改成了自己实现。后来又发现 LangChain 不支持很多中国特有的场景……
不知不觉，我发现在我的 RAG 应用里面，LangChain 占的比例极低。我也看过其他的国产 RAG 框架，也有各自的缺点，没有一个 RAG 框架可以满足我现实工作中 20% 的实际需求。这就是这门课程没有使用任何 RAG 框架的原因。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
1. RAG框架需要定制化，因为现有框架无法完全满足实际工作需求。 2. LlamaIndex框架专注于构建和维护索引，提高信息检索的速度和效率。 3. 整合RAG框架的优点进自己项目时，需要明确问题与目标，寻找工具或参考，找到对应源代码，然后进行整合。 4. 实际案例介绍了如何将LlamaIndex的句子窗口节点解析器整合进自己的项目，以解决文本分割粒度适中和检索准确率的问题。 5. RAG框架的快速变化需要谨慎使用，但整合框架的优点进自己项目的方法不会那么快过时。 6. 在整合LlamaIndex的源代码进自己项目时遇到了问题，需要针对性地添加对应代码来解决中文标点符号的支持问题。
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《RAG 系统实战课 》，新⼈⾸单¥59
《RAG 系统实战课 》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论