文檔

描述

• 大模型RAG對話系統

為您介紹如何搭建大模型RAG對話系統。

RAG（Retrieval-Augmented Generation）技術架構的核心為檢索和生成：

• 在檢索方面，EAS支持多種向量檢索庫，包括開源的Faiss和阿里云的Milvus、Elasticsearch、Hologres、OpenSearch以及RDS PostgreSQL。

• 在生成方面，EAS支持豐富的開源模型，例如通義千問、Llama、Mistral、百川等，同時支持ChatGPT調用。

RAG應用服務部署成功后，您可以通過WebUI或API調用RAG服務。WebUI界面提供了豐富的推理參數配置選項，并支持上傳知識庫文件，以實現更個性化和精準化的LLM定制。

• 面向金融和醫療場景的大模型RAG檢索增強解決方案

為您介紹如何在LangStudio中開發和部署RAG應用。

• 基于EAS&Elasticsearch搭建RAG檢索增強對話系統

• 基于EAS&Milvus搭建RAG檢索增強對話系統

• 基于EAS&OpenSearch搭建RAG檢索增強對話系統

• 基于EAS&RDS PostgreSQL搭建RAG檢索增強對話系統

為您介紹如何在使用EAS部署RAG服務時關聯向量檢索庫，并詳細說明了RAG對話系統的基礎功能和對應向量檢索庫的特色功能。

• 基于AppFlow集成釘釘與PAI RAG構建AI機器人指南

以搭建釘釘答疑機器人為例，為您介紹PAI RAG+AppFlow的部署方案。

• 基于AppFlow集成微信公眾號與PAI RAG構建智能客服

以微信公眾號為例，為您介紹PAI RAG+AppFlow的部署方案。

• 基于AppFlow集成企業微信與PAI RAG構建AI助手

以企業微信為例，為您介紹PAI RAG+AppFlow的部署方案。