场景： 用户提问："帮我介绍行下 LOL 中《流光镜影》这个英雄的技能有哪些 普通大模型回答："在《英雄联盟》（League of Legends, LOL）当前版本（截至2025年12月）中，并没有名为《流光镜影》的英雄。"

问题：

• 知识过时，无法回答
• 用户体验差
• Bot价值大打折扣

解决方案：RAG( Retrieval-Augmented Generation)检索增强技术

什么是RAG

RAG是一种结合知识检索和语言生成的人工智能技术,主要用于解决大型语言模型幻觉问题

基本原理：在生成回答时,先从知识库中检索相关文档，将检索到的文档与原始问题一起输入LLM，LLM基于检索内容生成最终答案。

RAG中知识库如何构建

1.文档准备

文档预处理建议：

• 清理无关内容（广告、水印）
• 按主题分类整理
• 文件命名规范（含关键信息）

2.文档切片

文档切片：为了适应大语言模型的上下文长度限制，并提升检索的精确度和效率。

切片方式：

1. 按字符数切分：固定长度（如每300字一段）
2. 按符号切分：按照句号、换行符、感叹号等
3. 按语义切分：识别主题变化点智能切分

一般选择方式： 按照符号和字符长度一块切分：一般200-500字/段 长度太小，上下文不完整，检索不准，长度太大，无关信息过多，干扰判断

3.文档向量化

文档向量化：将切分后的文本进行向量数字化，便于计算问题和文档的相似性。

大白话：电脑看不懂汉字，所以我们把每一句话都变成一串数字（坐标），意思越相近的话，它们在坐标系里的位置就挨得越紧。这样，电脑只要拿尺子量一下距离，就知道哪篇文档和你的问题最匹配了。

向量化作用：语义理解；相似度计算；快速检索

实践：英雄联盟游戏助手

1.创建知识库

步骤

知识库上传文本

文本分段

• 分段标识符：按什么标点符号切开
• 分段最大长度：每段文本最大长度限制
• 分段重叠长度：指的是在对数据进行分段时，段与段之间存在一定的重叠部分。这种重叠可以帮助提高信息的保留和分析的准确性，提升召回效果。
• Q&A 分段：让大模型将文档读一遍，并根据文档内容，自己出题

2.让Agent应用知识库

步骤

初始没有相关资料

进行添加

再次测试