💡这两天捣鼓了一下本地知识库的搭建，对于个人日常信息的处理来说非常有必要，很多场景都可以满足我的要求，尤其是基于一些文档的问答情况下，AI可以帮我很好地回顾、梳理、总结。
所以也想简单地记录一下这个过程，希望可以帮到有同样需求的朋友~
简单来说就是用来管理信息的一个库，在传统的数据管理方式中，我们通常是用「关键字」来查找内容，这样的方式在AI面前则显得过于机械。现如今的AI对信息的阅读理解、总结输出能力，已经无限接近于受过良好教育的成人。所以如果通过AI方式来管理信息，那么我们管理的过程也会更自然，更接近于和人的互动。如果把某个领域的专业内容上传到知识库中，那么后续的交互则更像是和一个小助手对话，而不是感觉像在翻书一样查找内容。
**（1）免费：**首先肯定是因为“免费”，现在市场上所有云端AI服务基本都对免费用户有一定请求限制，本地知识库则可以永久免费使用。
**（2）隐私保护：**我们在管理信息时很多时候信息都比较隐私敏感，尤其是在管理商业公司内部信息时，这些数据如果通过闭源云端大模型处理，难免会有信息泄露的风险。并且本地知识库还可以脱机工作，不需要联网即可进行信息检索，这对于很多安全要求较高的公司来说也很适用。
**（3）灵活性高：**用户可基于实际使用的场景来选择合适的开源模型搭建知识库，恰当的选择和配置，可提高整体的用户体验。
模型越大往往理解、推理、表达能力都更强，所以如果跑在本地的话，我们选择模型时需要考虑电脑的配置，一般也只能选择比较小的模型来跑。不过在知识库应用的场景下，小模型的处理能力也基本满足要求。
大模型经常会出现一本正经的胡说八道的「幻觉」现象，这使得很多存在客观标准、专业严肃的查询无法通过AI问答获得很好的服务，比如医疗、金融等领域。那么通过搭建知识库则可以有效避免这种情况，上传一些专业的内容文档，并要求AI从圈定的信息范围内进行查询，且在Prompt中明确说明只能通过知识库内容进行问答。那么一般来说我们则可以完成与AI的沟通基于知识库内容，在设定的范围内输出有效内容。
在搭建知识库的学习过程中，我了解到了一个很重要的概念「RAG」。那么下面就让ChatGPT来详细介绍一下什么是RAG吧O(∩_∩)O
什么是 RAG（Retrieval-Augmented Generation）？
RAG（检索增强生成）是一种结合了信息检索（Retrieval）和生成（Generation）技术的自然语言处理方法，用于创建更准确和信息丰富的回答或内容。
基本概念知识库（Knowledge Base）**：这是存储大量信息和数据的地方。知识库可以包含各种文档、文章、书籍等。