在 AI+知识库的商业化问答场景中：
配置方面：左侧有 AI 模型、提示词、知识库三处配置。大语言模型如同拥有无穷智慧的人，擅长公共知识、学识技能和日常聊天；提示词用于指定模型角色和专注技能，使其成为所需“员工”；知识库则是给“聪明员工”的工作手册，包含特定场景的具体规则。 检索原理： 文本预处理：包括去除无关字符、标准化文本、分词等，以清洁和准备文本数据。 嵌入表示：将预处理后的文本转换为向量，通常通过使用预训练的嵌入模型完成。 特征提取：对整个问题句子应用进一步特征提取技术，如句子级别的嵌入或使用深度学习模型提取整个句子的表示。 向量优化：问题的向量表示可能会根据具体任务进行优化。 知识库检索阶段：在大模型的检索中，依靠问题在空间中的向量位置寻找距离最近的其他词句完成检索。 问答流程包括问题解析阶段、知识库检索阶段、信息整合阶段、大模型生成回答。下一篇将从这些环节入手进行实操优化。模型方面，此处使用的是阿里千问模型。
