这是一个创建于 170 天前的主题，其中的信息可能已经有所发展或是发生改变。
之前在 DIFY 上测试了体检报告的效果，基本是个笑话。
于是降低要求
找了份科幻小说 txt 文件：猎户座防线
上传到 DIFY 的知识库,配置都选默认
模型有：chatgpt3.5 、月之暗面 v1 、glm4 、文心一言刚免费的 speed 。
效果只举两个例子
小说中反复提到“大副迪尔”，还有这么一段：
“我来自丹那芭⑤”她说，“你知道那儿吗？”
“不。”
“它距离地球 1600 光年……
问“丹那芭距离地球多少光年？”，基本都能答对，这点我有点小惊讶。
问“迪尔是什么职务”，居然都回答不知道或者说文中没提。
不甘心，打开 kimi ，上传文件，问“迪尔是什么职务”，kimi 马上答上了
第 1 条附言 · 169 天前
dify 上换上 https://github.com/netease-youdao/BCEmbedding 的 embedding 和 rerank 模型，效果杠杠的
第 2 条附言 · 141 天前
已经投奔 llamaindex
第 3 条附言 · 12 天前
已经全自己撸了
14 条回复 • 2024-10-27 00:04:40 +08:00
 |
1
gaobh 170 天前 via iPhone
fastgpt 效果好
|
 |
2
nnqijiu 170 天前
WPS AI 的 rag 不错，不过好像收费了
|
 |
3
xenoblade 170 天前
我认为这个例子其实应该归类为“RAG VS 长上下文”，恰恰说明了长上下文在有限信息的 QA 中完胜 RAG 。
目前 langchain 系的 通用 RAG 系统上限就在那里了，要想达到更高的精确度需要对不同领域进行微调，例如例子中读书场景的 prompt 优化、chunk 分割的人工干预。 |
 |
4
wencan OP @xenoblade rag 也属于上下文
dify 上换上 https://github.com/netease-youdao/BCEmbedding 的 embedding 和 rerank 模型，效果杠杠的 |
 |
5
butterls 165 天前 via Android
主要是只有切片会丢失上下文，RAG 里要存的实际是类似知识图谱的上下文数据，比如你要做代码仓分析，rag 就能查到函数块，上下文引用，宏定义啥的都米有，那分析结果就跟个二傻子一样
|
 |
6
codingbody 142 天前
@wencan #4 dify 上配置 bce 的 embedding 和 rerank ，这两个模型需要自己部署吧？
|
|
7
wencan OP |
 |
8
fakecoder 136 天前
op 用 llamaindex 感觉咋样
|
Select Language