2024-09-16我用了一下fastgpt，上传知识库用过之后总感觉差点意思，后来了解了一下，不知道这种知识库的是属于大模型阶段里SFT对话模型还是奖励模型，我觉得真要解决专业领域需要给定相关知识，然后给定高质量对话用奖励模型再进行专项训练才可以，就是不知道这样普通人怎么弄

都不是，你说的两者都是训练模型，可以参考附件图片。而知识库的原理是rag调用。流程是 1，发起问题（比如某些专业领域的问题） 2，基于问题搜索知识库 2.1 这里通常是指问的问题有一定专业性，而非通用性AI可以解答的，而知识库是提前预备好为并且便于搜索的 2.2 如果知识库以文本形式存储，那么可以使用文本检索的方式，更进阶的类似elasticsearch/opensearch，把围绕和提问关键词相关的内容提取出来 2.3 目前常用的知识库文本是以向量形式存储的，检索的方式也以近似性原则来搜索，目的都是把和提问关键词相关的内容给搜出来 2.4 目前fastgpt和dify都支持上述两种形式组合，并且分配不同的权重，以增加内容的可靠性 3，将知识库的内容作为提示词的一部分，结合问题扔给AI来回答。 即相当于“现在我有知识库内容是：xxxx，我的问题是。请根据知识库里的内容来回答，如果答案不在知识库里，请依据你的理解解答或者直接说不知道。” 至于为什么rag知识库目前这么火，网上有很多，总的分为以下几点 1，内容可塑性强，虽然内容仍然要求精准，但是知识库的内容如果出现错误是可以随时修改的，以便在下次调用的时候调用正确的 2，无需训练以及很低的运行成本。如果去训练模型，本身就是一笔不小的开支，但是如果一直使用独立训练的模型，成本比rag调用高出了N倍，而且性能要依据使用的模型和资源。 AI时代并没有到来，但是数字化时代是必然趋势，我们要做的就是把手头的数据，资源，把他数字化存储，无论是文本还是向量化，并且不断提高内容精准度。那么在rag框架下，就已经可以充分发挥当前的AI模型80%的优势了。