16｜如何实现好奇心问题改写和RAG

1. 实现好奇心问题改写是为了解决孩子在表达和表述问题时的不准确性和语音交互的问题，需要让AI具备一定的“纠错”能力，通过验证大模型节点的效果和细调提示词来实现问题改写能力。 2. 验证大模型节点的效果需要通过Coze创建智能体来验证效果，设计基础的提示词并登录Coze账号，创建智能体“波波熊-问题改写”，然后修改大模型配置，选择“豆包 V1.5 Pro”，最终测试提示词效果。 3. 实现检索增强生成（RAG）是为了让大模型搜索改写后的问题，减少幻觉对产品使用体验的影响，通过搜索引擎给出更加准确的知识，将知识作为上下文，以辅助大模型在推理过程中提高准确性。 4. 实现RAG的简单办法是使用开放的搜索引擎API服务，如serper.dev，通过注册账号、生成API key并在项目中封装serper search的库来实现内容的准确性。 5. 选择serper.dev的原因是其专注于提供低成本、高性能谷歌搜索API的平台，允许开发者调用它的API，以结构化数据的方式返回内容，包括答案框、知识图谱以及自然搜索结果等。 6. serper.dev的管理后台设计简洁明了，提供基本的用量统计信息，并且对开发者非常友好，通过Playground可以直接生成调用的示例代码，方便开发者使用。 7. 实现内容的准确性还可以通过其他办法，比如自建权威的知识库，但使用开放的搜索引擎API服务是最简单的办法之一。 8. 通过搜索API服务可以获得结构化数据的返回内容，包括答案框、知识图谱以及自然搜索结果等，这有助于提高大模型在推理过程中的准确性. 9. 为科普类产品减少幻觉对产品使用体验的影响非常重要，因此如何尽可能避免幻觉对产品的使用体验和用户误导是产品开发中需要重点考虑的问题之一.