丢了一本小说进cherry studio，问它主角是谁，它只引用了第一章的内容，然后告诉我不知道谁是主角。（用硅基的bge-m3和qwen）
2 个赞
rag没你想的那么好用
这东西本来就是切块的，要哪个查哪个
rag 的原理，是从文本里找和你问的问题语义相似的文本片段做参考，而不是理解所有的文本再回答你。
比如，你问了句：这本小说讲了什么故事？rag 开始全文搜你问的那句话相似的文本。但是很抱歉，小说里没这句话，那就回答不了了。
3 个赞
这种要上graphrag
我给领导说的就是你把合同文件放进去， 然后你问xx合同的总金额是多少，它查一下，能回答出来。你把xx部署文档放进去，你问xx怎么部署，文档短一些还好，长一些，它只能回答一部分。问题是领导根本听不进去。
1 个赞
RAG前期你需要自己处理好数据才行，不然找到的答案很感人
不是你扔进去就可以的，他会切成很多段落的，有些东西我感觉并不适合知识库这类的RAG
rag是把原文切成若干个块，然后计算输入的句子与各个块之间的余弦相似度，返回相似度最大的几个块。
问题就在这里，因为有切分，所以上下文联系就给斩断了，返回的内容有可能也不一定是真的相关的。
如果要效果提升，有几个办法：
1、整理原文档，手动分块；
2、raptor；
3、知识图谱；
4、不要用pdf，用md，docx，html等易于编辑的文档格式
rag缺陷太多，如果达到满意的结果，还有很多问题需要解决
此话题已在最后回复的 30 天后被自动关闭。不再允许新回复。