大模型——使用 Embedding 模型和向量数据库的 Spring AI RAG
大模型——使用 Embedding 模型和向量数据库的 Spring AI RAG
本文主要介绍以下内容：
- 嵌入式模型简介。
- 使用
DocumentReader加载数据。 - 在
VectorStore中存储 Embedding。 - 实现 RAG（Retrieval-Augmented Generation，检索增强生成），又名 Prompt Stuffing。
你可以在 GitHub 中找到本文的示例代码
大型语言模型（LLM），如 OpenAI、Azure Open AI、Google Vertex 等，都是在大型数据集上训练出来的。但这些模型并不是在你的私人数据上训练出来的，因此它们可能无法回答你所在领域的特定问题。但是，在你的私人数据上训练模型可能既昂贵又耗时。那么，我们该如何使用这些 LLM 来回答我们领域的特定问题呢？
其中一种方法是使用 RAG（Retrieval-Augmented Generation，检索增强生成），