工具概览
AdaptiveRAG 是一个检索增强生成（RAG）应用，用于回答公司制度文档中的问题。与基础的 RAG 系统不同，AdaptiveRAG 会在生成答案之前评估首次检索的质量。如果没有找到相关信息，系统会自动改写用户的查询并进行第二次检索。如果仍然找不到所需信息，系统会给出安全的兜底回复，而不是放任 LLM 生成缺乏依据的信息。该项目演示了检索评估和自适应查询处理如何提升 RAG 应用的可靠性。
系统使用基于 TF-IDF 的文档检索和余弦相似度打分来找出相关的文档片段。随后用基于关键词的相关性检查，以及使用启发式相似度阈值的检索质量评估。如果第一次检索没有得到相关结果，系统会改写查询并进行第二次检索。检索到的上下文通过 LangChain 传给 Groq 托管的 LLM 生成最终答案，并指示 LLM 只能根据检索到的上下文作答。应用包含交互式 Streamlit 聊天界面，并显示支撑文档和相似度分数。
定价
价格与限制可能变化，请以官网为准，并确认币种、付款周期、最低席位数和用量上限。
应用场景
- 团队用 AdaptiveRAG 回答公司制度文档中的问题。
- 团队用 AdaptiveRAG 在生成答案之前评估检索质量。
- 团队用 AdaptiveRAG 在信息不可得时给出安全的兜底回复，避免缺乏依据的回答。
- 团队用 AdaptiveRAG 检查检索到的文档片段中的关键词相关性。
- 团队用 AdaptiveRAG 生成仅以检索到的上下文为依据的答案。
功能特性
根据反馈调整 RAG 流程
提供基于上下文的问答
着重减少回答中的幻觉
使用 LangChain 构建 RAG 流程
技术栈包含 Groq
采用 TF-IDF 技术
提供 Streamlit 界面
用户评论
还没有评论，来分享你的使用体验吧