看来DS没用RAG（retrieval augmented generation，检索增强生成）通过检索搜索结果增强AI

检索增强生成 (RAG) 是将信息检索系统与大型语言模型 (LLM) 相结合的人工智能框架. RAG 通过提供对外部知识库的访问来提高 LLM 响应的准确性和相关性。 

 

工作原理 

 

1. 检索相关文档： RAG 查找与用户查询最相关的文档。
2. 增强查询： RAG 将相关文档添加到用户的查询中。
3. 发送到 LLM： RAG 将增强查询发送到 LLM 以生成响应。

好处 

 

• 准确性： RAG 提供可供用户检查以验证声明的来源。

• 成本效益： RAG 允许用户更新源而无需重新培训 LLM。

• 开发人员控制： RAG 使排除故障和修复应用程序变得更加容易。

• 数据主权： RAG 允许敏感数据保留在本地。

RAG 可用于聊天机器人和其他自然语言处理 (NLP) 应用程序。 例如，面向大学生的聊天机器人可以使用 RAG 通过从大学文档库中检索课程目录来帮助学生查找课程。