加餐2｜后两章课后题答案
叶伟民
你好，我是叶伟民。
到今天为止，课程后两章的内容即将更新完毕。和之前一样，这次加餐我会把后两章的思考题答集中发布，供你参考。
中级篇 打造工单辅助系统
第 15 节课
Q：即使在中文里面，同一个事物在不同的方言里面也有不同的叫法，如何解决这个问题呢？
A：我们可以使用某个嵌入模型再加上该方言对应的数据进行微调，得出该方言的嵌入模型。如前文所述，微调和 RAG 并不冲突，可以一起结合使用。
第 16 节课
Q1：增删改查数据的时候，为什么不直接选择 LangChain 里提供的 pgvector API，而是使用 SQL 语句完成呢？
A1：因为前面提到，工具选择上我曾经从 FAISS 换成 Milvus 和 PostgreSQL，其中一个很重要的原因就是 FAISS 没有提供图形化管理工具来管理，操作起来很不方便。
为此，我不得不在 Jupyter 里面使用 LangChain 来操作 FAISS 的数据。如果使用 LangChain 对应 pgvector 的 API 来增删改查数据，那我仍然要再 Jupyter 里使用 LangChain 来操作 pgvector，那意义何在？
而使用 SQL 语句来增删改查数据，就可以在图形化管理工具 pgadmin 里面直接进行测试，这样方便很多。我的口号是——能用图形化界面解决的，就不要用代码。
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. 解决方言叫法问题：使用嵌入模型加上对应方言的数据进行微调，得出该方言的嵌入模型，并结合使用微调和RAG。 2. 数据操作选择：使用 SQL 语句进行增删改查数据，以便在图形化管理工具中进行测试，提高操作方便性。 3. 更新向量编码列：添加嵌入模型列，以便判断哪些行已经更新过，避免更新所有向量编码列的值耗时长且中断后难以追踪。 4. 距离计算方法选择：列出的四种距离计算方法都有配套的工具支持，便于直接使用，且符合实际需求。 5. 查询参数向量编码保存：保存查询参数的向量编码有助于事后调试和诊断，以改进检索准确性。 6. RAG指标关注：只需要关心所需的指标，根据实际业务进行选择。 7. 多语言RAG框架处理：使用AI分析和解释其他编程语言的代码，甚至将其代码改成所需的编程语言。 8. 实战案例应用GraphRAG：根据实际业务关系将关系数据库中的字段视为实体来源和关系来源。 These key points summarize the main topics discussed in the article, providing a clear and concise overview of the content.
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