自chatgpt卷过来，我们‘打开’了视野，发现‘什么都想要’成为了可能。但是随着国内开源大模型的开放，越来越多人觉得通用LLM的价值很低（可能是商业利益的驱使）。大家对技术的追逐有变成了应用变现的需求。好吧，任何科技的价值都是商业的价值～

个人理解大模型的应用就是两大类：理解和生成（哈哈，又回到了NLU和NLG的思维上）。在目前主流的LLM应用上，对于NLU的解决方案通常就是RAG（有可能还有其他，请允许我的小白）。NLG的应用解决方案也许就是LLM本身的能力吧（哈哈，把它看成人，NLG就是一个人的创新能力）

下面是一位大佬对RAG的总结

大模型主流应用RAG的介绍——从架构到技术细节

原创 这个男人来自千祥 土猛的员外
2023-09-25 18:40
发表于浙江

收录于合集#LLM12个

本文主要内容：

• 大语言模型（LLM）在实际应用中存在的问题；
• 什么是RAG——检索增强生成；
• RAG架构解析
• RAG技术架构的细节展示

写在前面

如果你问我现在基于LLM（大语言模型，本文有时候也会将该名词描述为“大模型”）最火热的应用是什么，那我必须主推检索增强生成（
RAG，Retrieval Augmented Generation
）。RAG最初是为了解决LLM的各类问题的（后面会提到）产生的，但后面大家发现在现阶段的很多企业痛点上，使用RAG好像是更好的解决方案。就像我之前的