RAG

向量数据库

RAG使用向量数据库（Vector Database），不存储关键词，它存储的是向量数据。因此，当用户需要搜索向量的时候，需要把问题也先转换成一个向量，此时就需要用一个嵌入模型（Embedding Model）来完成。

举例来说，当一个用户想在向量数据库中搜索“我是一个新手，这个月收入1000，应该怎么记录会计账目”时，整个过程的流程如下：

步骤	操作者	行为
（可选）查询分析	LLM	LLM把问题整理为关键词和过滤条件，比如： {"query": "记录会计账目 收入1000元", "filter": "新手"}
Embedding	Embedding Model （嵌入模型）	例如用OpenAIEmbeddings，它会把上一步的 查询文本转换为一个查询坐标（向量），比如 [0.8, 0.2, 0.9, ...]
查询	向量数据库	在数据库中找到和查询向量最接近的向量， 找到的该向量是一个地址，也就是一个key， 然后其对应着原始文本value
prompt拼接	agent	将查询到的相关原始文本和原本提问拼接
LLM回复	LLM	LLM生成最终答案并返回

。、