RAG Lab.
从资料建库到检索引用,逐步观察与对比,找到 RAG 效果变化的原因。
为什么做这个产品
一个答案没有依据,问题可能发生在资料解析、切块、检索或生成的任何一处。只看聊天窗口很难定位原因,也容易把参数调试变成没有方向的尝试。
我做了哪些取舍
我将建库与问答拆开呈现,用金融资料案例连接知识片段、候选结果、上下文与引用。实验不只展示一个结果,还允许用相同问题对照配置,观察变化发生在哪里。
现在可以体验什么
当前提供教学探索、资料建库、问答与证据追踪、配置对比和实验历史等工作台入口。教学模式以检索原文解释过程,真实实验则需要生成模型与 Embedding 配置;本地版和在线版部署边界不同。
哪些能力可以继续复用
把链路拆开、固定问题、观察证据,是可以迁移到客服、研究与内部知识问答的验证方法。应用场景可以变化,但资料质量和引用依据始终需要检查。
接下来值得往哪里走
下一阶段先固定一组模型完成可复现实验,再完善在线持久化、解析失败提示和用户隔离。建立带标准依据的测试集,比增加更多看起来专业的参数更有意义。
需要如实说明的部分
教学向量不等于实际 Embedding,摘录不等于 LLM 回答。线上临时存储、PDF 解析与真实调用仍有部署限制,不能将其描述为企业生产知识库。