10 分钟搭建大模型 RAG 智能问答系统

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.544px;color: rgb(62, 62, 62);font-size: 16px;outline: 0px;visibility: visible;">‍

ingFang SC", "Hiragino Sans GB", "Microsoft YaHei UI", "Microsoft YaHei", Arial, sans-serif;letter-spacing: 0.578px;text-align: left;background-color: rgb(247, 247, 249);text-indent: 2em;line-height: 2em;visibility: visible;box-sizing: border-box !important;word-wrap: break-word !important;">以微信公众号为例，借助阿里大模型平台“百炼”，快速搭建一个智能问答系统，落地于微信服务号对话场景。以及利用 RAG 技术让机器的回答更贴近业务专业知识。

建立连接

DataNotes

在微信公众号与大模型平台之间建立连接，实现微信公众号对话场景中与 RAG 的问答交互。

一、打开阿里云「百炼」，创建一个智能体应用

• 选择大模型版本（版本较多，建议选择版本通义千问-Plus）
• 配置 Prompt 提示词
• 支持问答效果预览

二、打开阿里云工作流配置服务「AppFow」，授权 App_id （微信公众号、百炼平台的App_id）允许被 AppFlow 工作流调取使用，实现百炼平台的 RAG 问答服务输送到公众号中。操作步骤如下：

• 账户授权
• 执行动作
• 基本信息
• 完成发布

三、打开微信公众号，验证问答效果

完成前面几个操作后，跨平台连接便完成，能够实现基础的问答机制。

例如当我输入“你好”时，系统会自动回复“你好！有什么可以帮助你的吗？如果你需要对比某个商品在不同电商平台的价格，或者想要了解某个商品的价格趋势，告诉我商品名称和相关信息，我会尽力为你提供帮助。”

但是此刻的 AI 并不具备业务专业知识，无法很好地回答用户复杂提问。

创建知识库并支持 RAG 引用

DataNotes

为了让 AI 具备专业的业务知识，需要补充一份数据。

我们可以导入数据进行管理，开启 RAG 知识库引用功能，让机器问答效果更贴近业务专业知识。

一、通过「数据管理」功能，导入数据

• 支持导入结构化数据、非结构化数据
• 支持导结构化数据支持自定义字段，字段类型支持：string、double、long、datetime、link

二、创建知识库，利于 RAG 应用时能够引用知识库

• 知识库基本信息填入（数据类型、配置模式、等）
• 选择数据（关联数据管理模块中数据）
• 索引设置（某一字段是否参与检索、是否参与大模型回复）

三、开启 RAG 功能，增强信息检索

• 选择开启知识库检索增强
• 选择知识库，添加目标知识库
• 支持输入提问，预览问答效果
• 发布后生效

智能问答效果

DataNotes

在微信公众号中的问答效果展示：

当用户在微信服务号中输入提问时，机器已经能够给出较好较准确的回复，这都是基于 RAG 的增强信息检索功能，能够提前理解消化提前录入的基础数据。