RAG 常见问题
请以最新代码版本为准，保持同步更新，获取最新功能与修复。PIG AI 提供主流算法与工具，帮助用户快速搭建 RAG 解决方案，简化开发流程，但具体效果仍需用户自行探索与优化。RAG 文本输出效果因场景和数据不同，无法统一评判最佳模型和参数配置，需根据实际需求不断调优，因地制宜灵活调整。RAG 优化是一个长期工程，需持续实验、反馈和改进。
RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合了信息检索（Retrieval）和文本生成（Generation）的人工智能技术。它的核心思想是在生成式 AI（如大语言模型）生成文本之前，先从一个外部知识库中检索相关信息，并将这些信息作为上下文输入给模型，以提高回答的准确性和相关性。
所以简单来讲， RAG 不会修改模型自身任何东西还是调用通用大模型，只是通过外挂外部模型，也没有微调的东西
模型篇
厂商接口优先
- 即使使用相同版本的 DeepSeek R1 满血版，调用 DeepSeek 官方 API 和 本地或政务云自部署 的效果往往相差甚远，甚至可以说是"差了一星半点"。为什么会这样？
🔹 开源 ≠ 原厂效果：模型虽然开源，但部署优化的细节只有原厂最清楚，包括推理加速、KV 缓存优化、量化策略等，影响性能和输出质量。
🔹 底层优化：原厂 API 可能采用专有推理引擎、硬件优化（如 A100/H100 TensorRT 加速），甚至有 LoRA 微调，而本地部署缺少这些关键优化。
🔹 多模态增强 & 预处理：云端 API 可能会对输入进行特殊预处理，比如动态裁剪、格式调整等，使得相同输入在本地运行时效果不如预期。
聊天模型优先
DeepSeek R1 很火，但真的适合 RAG 业务吗？
🔹 响应时间长，用户体验差
DeepSeek R1 在推理阶段的计算复杂度较高，导致推理时间 + 响应时间过长，直接影响用户体验。在 RAG 业务中，快速检索并生成准确回答至关重要，而长时间的等待会降低系统可用性。
🔹 问题发散度高，不利于 RAG 任务
DeepSeek R1 理解能力强，但发散性高，意味着它在处理问题时可能会自行推理和扩展，甚至与检索结果无关。而 RAG 的核心目标是让大模型基于检索到的正确答案进行总结，过度发散反而影响回答的精准度。
🔹 推荐 Qwen-Max 系列作为 RAG 主模型
Qwen-Max 系列在 RAG 任务中的指令遵循率更高，即用户给出的内容就是生成的主要依据，不会过度"发挥"或自行推理。对于严格依赖事实的应用场景（如法律、医疗、企业知识库），这类模型能更精准地遵循检索结果，提供高质量的回答。
大参数集优先
在大语言模型（LLM）中，模型参数集（Parameter Set）指的是模型在训练过程中学习到的权重和偏置（Weights & Biases），这些参数决定了模型如何处理输入并生成输出。可以简单理解为：
📌 参数 = 模型的"知识"
📌 参数越多，模型的表达能力越强
所以不要祈求 ollama 运行一个 7b 14b 的小模型能有太好的推理效果，大模型也遵循基本的社会规则一分钱一分货
私有模型选择
vLLM 相比 Ollama 更适合私有化部署，其核心优势在于更高效的资源利用，适用于高并发和大规模推理场景。然而，vLLM 的上手成本相对较高，需要更深入的环境配置和优化，而 Ollama 则更适合快速上手和本地轻量级推理。
| 模型类型 | 模型名称 | 说明 |
|---|---|---|
| 聊天模型 | qwen2.5:72b | 72b 参数量聊天模型，更准确但需要更多资源 |
| 推理模型 | deepseek-r1:32b | R1 推理模型 |
| 向量模型 | bge-m3:latest | 中文没得选，也就它了 |
| 视觉模型 | qwen2.5vl:32b |
注意运行 70b 模型为生产级模型，需要 GPU 80G+ 的显存，无法在普通 CPU 条件推理，模型推理速度（可以理解为提问响应速度）取决于硬件配置。
PIG AI 正在测试 QwQ 32b，欢迎大家反馈
配置篇
要不断调整如下参数进行策略，RAG 生成的文本效果，文无第一武无第二
向量库选择
在入门阶段，我们通常使用 docker run qdrant 作为向量库的快速上手方案。但如果你需要更强大的功能，推荐使用 Milvus，虽然它需要更多资源，但功能更强大。可以直接参考官方文档，运行 Milvus 的单机版本：Milvus 单机部署指南。
Milvus 的优势：支持向量检索 + 全文检索的混合检索，即先进行向量搜索，再结合全文搜索优化结果，提高搜索的准确性和相关性。
部署 Milvus 2.5+ 服务时，强烈建议仔细阅读 Milvus 官方文档，确保硬件配置符合要求。
匹配率
用户的提问会与向量库中的数据进行 余弦相似度（cosine similarity） 计算，并返回匹配度最高的结果。只有相似度超过设定阈值的内容才会被保留。
相似度阈值设置建议
- 如果你的资料较多，建议将阈值设置在 70% 以上，以减少无关结果，提高检索精准度。
- 阈值过低 可能会引入不相关内容，影响回答质量；阈值过高 可能导致部分相关内容被过滤掉，需要根据业务需求调整。
匹配条数
当相似度满足设定阈值后，可能会返回多条匹配结果。此时需要设置返回的条数，以确保检索的精准性和可读性。条数设置建议
- 如果你的资料较多，建议取 1-2 条，避免信息过载，提高回答的相关性和准确性。
- 如果资料较少，可以适当增加返回条数，以提供更多参考信息。
合理控制返回结果的数量，有助于提升大模型的推理质量，减少干扰信息。
切片数值
切片数值指的是文档分割后每个片段的大小，因为大模型无法一次性处理过长的文本。
但并不是切片越大，准确率就越高。建议将切片大小控制在 500-2000 之间，并进行调整测试。例如，如果文档中包含大量相似概念的名称，切片过大可能会导致模型推理错误增加。
调整切片大小的建议：
- 如果资料内容高度相似，建议缩小切片大小，减少混淆。
- 切片越小，大模型的推理速度越快，但可能影响上下文完整性。
文档总结
切片后，文档可能会丢失上下文。为提升效果，可以在切片前先生成整篇文档的摘要，并将其附加到每个切片中，以提供全局背景信息。
但需要注意：如果文档内容相似度较高，不建议启用总结，因为相似度查询可能返回多条相近结果，反而容易导致模型产生幻觉。
提示词篇
PIG AI 在设计时充分考虑了各类模型的兼容性，默认采用英文提示词以确保通用性。针对国内部分模型，建议根据实际情况对提示词进行适当微调，以进一步提升效果。
代码篇
提升文本向量质量
- 文档切片以后，可以在每片中关联原有的文档文件名信息，让每篇答案给大模型的时候都知道上下文语义
- 文档总结
开启此开关后，系统会对文档进行整体总结，并将该总结嵌入每个切片，帮助大模型更准确地理解内容。请根据实际情况决定是否开启。例如，如果文档类型较为统一（如企业规章制度），则无需启用，否则可能导致搜索结果过多，反而影响准确性。
RAG 问答逻辑 (必须看)
所有逻辑代码均在 Q2AVectorRagChatHandler
RAG 网页资料如何使用
-【模型管理】维护 jina 解析模型
