资料内容：
一、基于LLM+向量库的文档对话 基础面
1.1 为什么 大模型 需要 外挂(向量)知识库？
如何 将 外部知识 注入 大模型，最直接的方法：利用外部知识对大模型进行微调
既然 大模型微调 不是 将 外部知识 注入 大模型 的 最优方案，那是否有其它可行方案？
1.2. 基于LLM+向量库的文档对话 思路是怎么样？
版本一
版本一
• 思路：构建几十万量级的数据，然后利用这些数据 对大模型进行微调，以将 额外知识注入大模型
• 优点：简单粗暴
• 缺点：
i. 这 几十万量级的数据 并不能很好的将额外知识注入大模型；
ii. 训练成本昂贵。不仅需要 多卡并行，还需要 训练很多天；
1. 加载文件
2. 读取文本
3. 文本分割
4. 文本向量化
5. 问句向量化
6. 在文本向量中匹配出与问句向量最相似的top k个
7. 匹配出的文本作为上下文和问题一起添加到 prompt 中
8. 提交给 LLM 生成回答
