Retrieval-Augmented Generation (RAG) คืออะไร

RAG คือกระบวนการเพิ่มประสิทธิภาพของ LLM เพื่อใช้อ้างอิงฐานความรู้เฉพาะที่อาจไม่ได้เป็นส่วนหนึ่งของข้อมูลการฝึกอบรมก่อนที่จะสร้างคำตอบ

ในอีกคำหนึ่ง RAG ช่วยขยายความสามารถที่ทรงพลังของ LLM ไปยังโดเมนหรือฐานความรู้เฉพาะโดยไม่ต้องมีการฝึกอบรมเพิ่มเติม

นี่คือวิธีการทำงานของ RAG:

1 - ผู้ใช้เขียนคำถามหรือคำสั่งบนอินเทอร์เฟซผู้ใช้ของ LLM คำถามนี้จะถูกส่งไปยังเซิร์ฟเวอร์หลังบ้านเพื่อแปลงเป็นตัวแทนแบบเวกเตอร์

2 - คำถามจะถูกส่งไปยังระบบค้นหา

3 - ระบบค้นหานี้สามารถอ้างอิงแหล่งความรู้ต่างๆ เช่น PDF การค้นหาเว็บ ฐานโค้ด เอกสาร ฐานข้อมูล หรือ API เพื่อดึงข้อมูลที่เกี่ยวข้องเพื่อตอบคำถาม

4 - ข้อมูลที่ดึงมาจะถูกส่งกลับไปยังโมเดล RAG

5 - โมเดลจะเพิ่มคำสั่งเดิมของผู้ใช้โดยการเพิ่มข้อมูลที่ดึงมาเข้าไปในบริบทและส่งไปยังจุดสิ้นสุดของ LLM ตัวเลือก LLM ที่หลากหลาย ได้แก่ GPT ของ Open AI, Claude Sonnet, Google Gemini และอื่นๆ

6 - LLM จะสร้างคำตอบตามบริบทที่ได้รับการปรับปรุงและให้คำตอบแก่ผู้ใช้

โปรดทราบว่าเวอร์ชันภาษาไทยได้รับการช่วยเหลือจาก AI ดังนั้นอาจมีข้อผิดพลาดเล็กน้อย

ผู้เขียน

Ai Base Network (ABN), ABN ASIA ถูกก่อตั้งขึ้นโดยคนที่มีรากฐานลึกในวงการวิชาการ มีประสบการณ์การทำงานในสหรัฐอเมริกา ดัตช์ ฮังการี ญี่ปุ่น เกาหลีใต้ สิงคโปร์ และเวียดนาม ABN Asia เป็นที่เราพบกันของวิทยาลัยและเทคโนโลยี ด้วยโซลูชันขั้นสูงและบริการพัฒนาซอฟต์แวร์ที่มีความสามารถ เราช่วยธุรกิจเติบโตและเข้าสู่ฉากโลก ความมุ่งมั่นของเรา: ด่วนขึ้น ดีขึ้น น่าเชื่อถือมากขึ้น ในกรณีส่วนมาก: ราคาถูกด้วย

หากคุณต้องการบริการ IT การให้คำปรึกษาดิจิทัล โซลูชันซอฟต์แวร์ใช้ได้หรือหากคุณต้องการส่งคำขอข้อเสนอ (RFPs) อย่าลังเลที่จะติดต่อเรา คุณสามารถติดต่อเราได้ที่ [email protected] เราพร้อมช่วยเหลือคุณด้านทุกความต้องกรทางเทคโนโลยีของคุณทุกเมื่อ