- ·
- ·
- ·
- ·
- ·
- ·
- ·
- ·
- ·
- ·
分类： 大数据
2024-05-24 14:02:13
本教程演示如何使用向量检索服务（dashvector），结合llm大模型等能力，来打造基于垂直领域专属知识等问答服务。其中llm大模型能力，以及文本向量生成等能力，这里基于上的通义千问 api以及embedding api来接入。
背景及实现思路
大语言模型（llm）作为自然语言处理领域的核心技术，具有丰富的自然语言处理能力。但其训练语料库具有一定的局限性，一般由普适知识、常识性知识，如维基百科、新闻、小说，和各种领域的专业知识组成。导致 llm 在处理特定领域的知识表示和应用时存在一定的局限性，特别对于垂直领域内，或者企业内部等私域专属知识。
实现专属领域的知识问答的关键，在于如何让llm能够理解并获取存在于其训练知识范围外的特定领域知识。同时可以通过特定prompt构造，提示llm在回答特定领域问题的时候，理解意图并根据注入的领域知识来做出回答。在通常情况下，用户的提问是完整的句子，而不像搜索引擎只输入几个关键字。这种情况下，直接使用关键字与企业知识库进行匹配的效果往往不太理想，同时长句本身还涉及分词、权重等处理。相比之下，倘若我们把提问的文本，和知识库的内容，都先转化为高质量向量，再通过向量检索将匹配过程转化为语义搜索，那么提取相关知识点就会变得简单而高效。
接下来我们将基于（cec corpus）演示关于突发事件新闻报道的知识问答。
整体流程
主要分为三个阶段：
-
本地知识库的向量化。通过文本向量模型将其转化为高质量低维度的向量数据，再写入dashvector向量检索服务。这里数据的向量化我们采用了上的embedding api实现。
-
相关知识点的提取。将提问文本向量化后，通过 dashvector 提取相关知识点的原文。
-
构造 prompt 进行提问。将相关知识点作为“限定上下文 提问” 一起作为prompt询问通义千问。
前提准备
1. api-key 和 cluster准备
-
开通灵积模型服务，并获得 api-key。请参考：。
-
开通dashvector向量检索服务，并获得 api-key。请参考：dashvector 。
-
开通dashvector向量检索服务，并。
-
获取cluster的endpoint，endpoint获取请查看 。
在示例中，我们将 embedding 向量和新闻报道的文稿（作为raw字段）一起存入dashvector向量检索服务中，以便向量检索时召回原始文稿。
2. 知识点的提取
将 cec-corpus 数据集所有新闻报道写入dashvector服务后，就可以进行快速的向量检索。实现这个检索，我们同样将提问的问题进行文本向量化后，再在dashvector服务中检索{banned}{banned}{banned}最佳佳佳相关的知识点，也就是相关新闻报道。创建search.py文件，并将如下示例代码复制到search.py文件中。
-
from dashvector import client
-
-
from embedding import generate_embeddings
-
-
-
def search_relevant_news(question):
-
# 初始化 dashvector client
-
client = client(
-
api_key='{your-dashvector-api-key}',
-
endpoint='{your-dashvector-cluster-endpoint}'
-
)
-
-
# 获取刚刚存入的集合
-
collection = client.get('news_embedings')
-
assert collection
-
-
# 向量检索：指定 topk = 1
-
rsp = collection.query(generate_embeddings(question), output_fields=['raw'],
-
topk=1)
-
assert rsp
- return rsp.output[0].fields['raw']
3. 构造 prompt 向llm(通义千问)提问
在通过提问搜索到相关的知识点后，我们就可以将 “提问 知识点” 按照特定的模板作为 prompt 向llm发起提问了。在这里我们选用的llm是通义千问，这是阿里巴巴自主研发的超大规模语言模型，能够在用户自然语言输入的基础上，通过自然语言理解和语义分析，理解用户意图。可以通过提供尽可能清晰详细的指令（prompt)，来获取更符合预期的结果。这些能力都可以通过来获得。
具体我们这里设计的提问模板格式为：请基于我提供的内容回答问题。内容是{___}，我的问题是{___}，当然您也可以自行设计合适的模板。创建answer.py，并将如下示例代码复制到answer.py中。
-
from dashscope import generation
-
-
-
def answer_question(question, context):
-
prompt = f'''请基于```内的内容回答问题。"
-
```
-
{context}
-
```
-
我的问题是：{question}。
-
'''
-
-
rsp = generation.call(model='qwen-turbo', prompt=prompt)
- return rsp.output.text
知识问答
做好这些准备工作以后，就可以对llm做与具体知识点相关的提问了。比如在 cec-corpus 新闻数据集里，有如下一篇报道。因为整个新闻数据集已经在之前的步骤里，转换成向量入库了，我们现在就可以把这个新闻报道作为一个知识点，做出针对性提问：海南安定追尾事故，发生在哪里？原因是什么？人员伤亡情况如何？，并查看相应答案。
创建run.py文件，并将如下示例代码复制到run.py文件中。
-
import dashscope
-
-
from search import search_relevant_news
-
from answer import answer_question
-
-
if __name__ == '__main__':
-
dashscope.api_key = '{your-dashscope-api-key}'
-
-
question = '海南安定追尾事故，发生在哪里？原因是什么？人员伤亡情况如何？'
-
context = search_relevant_news(question)
-
answer = answer_question(question, context)
-
- print(f'question: {question}\n' f'answer: {answer}')
可以看到，基于dashvector作为向量检索的底座，llm大模型的知识范畴得到了针对性的扩展，并且能够对于专属的特定知识领域做出正确的回答。
写在{banned}最佳后
从本文的范例中，可以看到dashvector作为一个独立的向量检索服务，提供了开箱即用的强大向量检索服务能力，这些能力和各个ai模型结合，能够衍生多样的ai应用的可能。这里的范例中，llm大模型问答，以及文本向量生成等能力，都是基于上的通义千问api和embedding api来接入的，在实际操作中，相关能力同样可以通过其他三方服务，或者开源模型社区，比如modelscope上的来实现。