1. 課題組私有AI的落地路徑拆解1.1 為什么通用大模型在課題組場(chǎng)景里總差一口氣課題組做研究跟企業(yè)做產(chǎn)品有個(gè)本質(zhì)區(qū)別數(shù)據(jù)量小、領(lǐng)域窄、但精度要求極高。你拿一個(gè)通用大模型去問(wèn)它“這個(gè)材料的XRD衍射峰在2θ32.5°對(duì)應(yīng)什么晶相”它大概率給你一段聽(tīng)起來(lái)很專(zhuān)業(yè)但完全不對(duì)的回答。原因不復(fù)雜——通用模型的訓(xùn)練語(yǔ)料里你這個(gè)細(xì)分方向的內(nèi)容可能只占百萬(wàn)分之一模型根本沒(méi)有足夠信號(hào)去學(xué)到這層知識(shí)。我試過(guò)直接拿某國(guó)產(chǎn)開(kāi)源模型去回答組里的專(zhuān)業(yè)問(wèn)題十次里有六次在編。后來(lái)想明白了通用模型是“通才”它知道很多領(lǐng)域的常識(shí)但對(duì)你的課題組的“私有知識(shí)”——那些發(fā)在組內(nèi)論文、實(shí)驗(yàn)記錄本、師兄師姐畢業(yè)論文里的東西——它一無(wú)所知。這就是為什么必須走“領(lǐng)域微調(diào)知識(shí)庫(kù)構(gòu)建本地化部署”這條路。私有AI的核心價(jià)值在于三點(diǎn)第一把課題組多年積累的論文、實(shí)驗(yàn)記錄、會(huì)議紀(jì)要變成可檢索、可問(wèn)答的知識(shí)資產(chǎn)第二讓模型學(xué)會(huì)你們組的“行話(huà)”和推理范式第三數(shù)據(jù)不出本地實(shí)驗(yàn)數(shù)據(jù)的安全性有保障。適合誰(shuí)來(lái)參考研究生、博后、課題組的技術(shù)負(fù)責(zé)人以及任何需要在小規(guī)模數(shù)據(jù)上構(gòu)建專(zhuān)屬AI能力的人。1.2 整體技術(shù)路線(xiàn)的選型邏輯整條路線(xiàn)可以拆成四層模型層、數(shù)據(jù)層、訓(xùn)練層、部署層。每一層都有坑我一個(gè)個(gè)說(shuō)。模型層選型我建議優(yōu)先考慮國(guó)產(chǎn)開(kāi)源模型。Qwen系列Qwen2.5-7B/14B、ChatGLM系列、Baichuan系列、InternLM系列都是成熟選項(xiàng)。為什么優(yōu)先國(guó)產(chǎn)一是中文語(yǔ)料占比高對(duì)中文學(xué)術(shù)文本的理解天然更好二是社區(qū)活躍遇到問(wèn)題容易找到解決方案三是本地化部署的文檔和工具鏈更完善。7B級(jí)別適合單卡24G顯存做QLoRA微調(diào)14B級(jí)別需要雙卡或A100 40G起步。數(shù)據(jù)層是整條路線(xiàn)里最容易被低估的環(huán)節(jié)。很多人一上來(lái)就想著調(diào)參結(jié)果數(shù)據(jù)沒(méi)整理好訓(xùn)出來(lái)的模型還不如原版。領(lǐng)域語(yǔ)料構(gòu)建包括論文PDF解析、實(shí)驗(yàn)記錄結(jié)構(gòu)化、問(wèn)答對(duì)生成、數(shù)據(jù)清洗去重。這一步的工作量通常占總項(xiàng)目的60%以上。訓(xùn)練層有兩條路RAG和微調(diào)。這兩者不是二選一而是互補(bǔ)。RAG解決“知識(shí)檢索”問(wèn)題微調(diào)解決“行為對(duì)齊”問(wèn)題。我的經(jīng)驗(yàn)是先搭RAG把知識(shí)庫(kù)跑通再根據(jù)RAG的bad case決定要不要微調(diào)。如果RAG已經(jīng)能回答80%的問(wèn)題微調(diào)的優(yōu)先級(jí)可以降低如果模型總是答非所問(wèn)、格式不對(duì)那就需要LoRA/QLoRA來(lái)教它“怎么說(shuō)話(huà)”。部署層選vLLM做推理引擎配合GPTQ/AWQ量化壓縮能在有限顯存下實(shí)現(xiàn)高并發(fā)。量化后的7B模型在單張24G卡上可以跑到每秒幾十個(gè)token的輸出速度同時(shí)支撐十幾個(gè)并發(fā)請(qǐng)求對(duì)課題組內(nèi)部使用完全夠用。2. 領(lǐng)域語(yǔ)料構(gòu)建與知識(shí)庫(kù)搭建實(shí)操2.1 論文與實(shí)驗(yàn)記錄的清洗流水線(xiàn)課題組的數(shù)據(jù)來(lái)源通常很雜PDF論文、Word實(shí)驗(yàn)報(bào)告、Excel數(shù)據(jù)表、手寫(xiě)記錄拍照、組會(huì)PPT。第一步是把這些異構(gòu)數(shù)據(jù)統(tǒng)一成純文本。PDF解析我踩過(guò)最大的坑是公式和表格。PyPDF2對(duì)學(xué)術(shù)論文的公式支持很差經(jīng)常把公式拆成亂碼。后來(lái)?yè)Q成PyMuPDFfitz 針對(duì)性的正則清洗效果好很多。表格用pdfplumber單獨(dú)提取保留結(jié)構(gòu)信息。掃描版PDF必須走OCRPaddleOCR對(duì)中文學(xué)術(shù)文檔的識(shí)別率明顯優(yōu)于Tesseract尤其是包含公式和上下標(biāo)的場(chǎng)景。import fitz # PyMuPDF import re def extract_pdf_text(pdf_path): doc fitz.open(pdf_path) full_text [] for page in doc: text page.get_text(text) # 清理頁(yè)眉頁(yè)腳通常是重復(fù)出現(xiàn)的短行 lines text.split(\n) cleaned [l for l in lines if len(l.strip()) 5] full_text.append(\n.join(cleaned)) doc.close() return \n.join(full_text) def clean_academic_text(text): # 去除引用標(biāo)記 [1] [2,3] text re.sub(r\[\d(,\d)*\], , text) # 合并被換行打斷的句子 text re.sub(r(\w)\n(\w), r\1\2, text) # 去除多余空白 text re.sub(r\s, , text) return text.strip()清洗完之后要做去重。學(xué)術(shù)論文里方法部分高度相似如果不去重RAG檢索時(shí)會(huì)返回一堆幾乎一樣的片段浪費(fèi)上下文窗口。我用SimHash做近似去重閾值設(shè)在0.85左右既能去掉重復(fù)又不誤殺。注意清洗階段一定要保留原文的章節(jié)結(jié)構(gòu)信息標(biāo)題、小節(jié)號(hào)后面做chunk切分時(shí)這些結(jié)構(gòu)信息能顯著提升檢索質(zhì)量。2.2 文本切分策略固定長(zhǎng)度還是語(yǔ)義切分文本切分是RAG的“隱形殺手”。切得不好檢索出來(lái)的片段要么缺上下文要么包含太多無(wú)關(guān)信息。固定長(zhǎng)度切分比如512 token一段重疊50 token是最簡(jiǎn)單的方案適合快速驗(yàn)證。但它的問(wèn)題很明顯可能把一個(gè)完整的論證切成兩半檢索時(shí)只命中一半模型拿到的是殘缺信息。語(yǔ)義切分按段落、按章節(jié)切保持語(yǔ)義完整性。我的做法是先按標(biāo)題層級(jí)切分成大塊如果某塊超過(guò)800 token再按句子邊界切分。句子邊界用中文標(biāo)點(diǎn)。和換行符共同判斷。def semantic_chunk(text, max_tokens800, overlap_sentences1): # 按章節(jié)標(biāo)題切分 sections re.split(r\n(?#{1,3}\s|\d\.\d*\s), text) chunks [] for sec in sections: if len(sec) max_tokens: chunks.append(sec) else: # 按句子切分 sentences re.split(r(?[。]), sec) current for sent in sentences: if len(current) len(sent) max_tokens: chunks.append(current) # 保留上一句作為重疊 current sentences[max(0, sentences.index(sent)-overlap_sentences)] sent else: current sent if current: chunks.append(current) return chunks實(shí)際用下來(lái)語(yǔ)義切分的檢索命中率比固定長(zhǎng)度切分高15%到20%。代價(jià)是切分邏輯更復(fù)雜需要針對(duì)不同文檔類(lèi)型調(diào)參。2.3 向量化與檢索embedding模型怎么選知識(shí)庫(kù)的檢索質(zhì)量一半取決于切分一半取決于embedding模型。中文場(chǎng)景下BGE系列BAAI/bge-large-zh-v1.5是目前開(kāi)源里綜合表現(xiàn)最好的。M3E系列也可以但在長(zhǎng)文本上略遜一籌。向量數(shù)據(jù)庫(kù)選型數(shù)據(jù)量在百萬(wàn)級(jí)以下Chroma或FAISS完全夠用。Chroma的優(yōu)勢(shì)是自帶持久化和元數(shù)據(jù)過(guò)濾FAISS的優(yōu)勢(shì)是快。課題組場(chǎng)景我推薦Chroma因?yàn)樵獢?shù)據(jù)過(guò)濾很實(shí)用——你可以按“論文年份”“作者”“章節(jié)類(lèi)型”過(guò)濾檢索范圍。from chromadb import Client from chromadb.utils import embedding_functions client Client() ef embedding_functions.SentenceTransformerEmbeddingFunction( model_nameBAAI/bge-large-zh-v1.5 ) collection client.create_collection( namelab_knowledge, embedding_functionef, metadata{hnsw:space: cosine} ) # 批量寫(xiě)入 collection.add( documentschunks, metadatas[{source: f, year: y, section: s} for f, y, s in meta_list], ids[fid_{i} for i in range(len(chunks))] )檢索時(shí)用混合檢索向量相似度 BM25關(guān)鍵詞匹配加權(quán)融合。純向量檢索對(duì)專(zhuān)有名詞比如某個(gè)材料牌號(hào)不敏感BM25能補(bǔ)上這個(gè)短板。實(shí)測(cè)混合檢索的hit rate比純向量高10%以上。3. LoRA與QLoRA微調(diào)實(shí)戰(zhàn)3.1 什么時(shí)候該微調(diào)什么時(shí)候不該先潑一盆冷水不是所有場(chǎng)景都需要微調(diào)。如果你的需求是“讓模型能回答課題組論文里的問(wèn)題”RAG就夠了。微調(diào)真正解決的問(wèn)題是模型輸出格式不對(duì)、推理風(fēng)格不符合組內(nèi)習(xí)慣、對(duì)特定術(shù)語(yǔ)的理解有偏差。我判斷的標(biāo)準(zhǔn)很簡(jiǎn)單拿100條測(cè)試問(wèn)題跑一遍RAG如果準(zhǔn)確率超過(guò)75%且錯(cuò)誤主要是“知識(shí)缺失”而非“格式錯(cuò)誤”那就繼續(xù)優(yōu)化RAG。如果模型總是答非所問(wèn)、輸出格式混亂、或者對(duì)某些概念的理解系統(tǒng)性偏離那就上微調(diào)。微調(diào)的數(shù)據(jù)量要求LoRA微調(diào)通常需要500到2000條高質(zhì)量問(wèn)答對(duì)。少于500條效果不穩(wěn)定多于5000條邊際收益遞減。數(shù)據(jù)質(zhì)量比數(shù)量重要得多——100條精準(zhǔn)的問(wèn)答對(duì)效果可能好過(guò)1000條粗糙的。3.2 LoRA微調(diào)的關(guān)鍵參數(shù)與實(shí)操LoRA的核心思想是在原模型權(quán)重旁邊掛一個(gè)小矩陣只訓(xùn)練這個(gè)小矩陣。這樣顯存占用大幅降低7B模型用LoRA微調(diào)只需要16G左右顯存。關(guān)鍵參數(shù)參數(shù)推薦值說(shuō)明lora_rank8-32秩越大容量越強(qiáng)但過(guò)擬合風(fēng)險(xiǎn)增加lora_alpha16-64通常設(shè)為rank的2倍lora_dropout0.05-0.1防止過(guò)擬合learning_rate1e-4到3e-4LoRA可以用比全量微調(diào)更大的學(xué)習(xí)率epochs3-5多了容易過(guò)擬合batch_size4-8根據(jù)顯存調(diào)整配合梯度累積from peft import LoraConfig, get_peft_model from transformers import AutoModelForCausalLM, AutoTokenizer, TrainingArguments model AutoModelForCausalLM.from_pretrained( Qwen/Qwen2.5-7B-Instruct, torch_dtypeauto, device_mapauto ) tokenizer AutoTokenizer.from_pretrained(Qwen/Qwen2.5-7B-Instruct) lora_config LoraConfig( r16, lora_alpha32, target_modules[q_proj, k_proj, v_proj, o_proj], lora_dropout0.05, biasnone, task_typeCAUSAL_LM ) model get_peft_model(model, lora_config) training_args TrainingArguments( output_dir./lora_output, per_device_train_batch_size4, gradient_accumulation_steps4, learning_rate2e-4, num_train_epochs3, logging_steps10, save_strategyepoch, fp16True )target_modules的選擇很關(guān)鍵。Qwen系列通常選q_proj、k_proj、v_proj、o_proj這四個(gè)注意力層的投影矩陣。如果效果不夠可以加上gate_proj和up_proj。但加得越多顯存占用越大訓(xùn)練越慢。3.3 QLoRA單卡24G跑14B模型的秘訣QLoRA在LoRA基礎(chǔ)上加了兩層優(yōu)化4-bit量化基座模型 分頁(yè)優(yōu)化器。效果是顯存占用進(jìn)一步降低14B模型在單張24G卡上也能微調(diào)。from transformers import BitsAndBytesConfig import torch bnb_config BitsAndBytesConfig( load_in_4bitTrue, bnb_4bit_quant_typenf4, bnb_4bit_compute_dtypetorch.bfloat16, bnb_4bit_use_double_quantTrue ) model AutoModelForCausalLM.from_pretrained( Qwen/Qwen2.5-14B-Instruct, quantization_configbnb_config, device_mapauto )nf4量化類(lèi)型是QLoRA論文推薦的對(duì)正態(tài)分布權(quán)重最友好。double_quant是二次量化進(jìn)一步壓縮量化常數(shù)省顯存但不影響精度。實(shí)操心得QLoRA訓(xùn)練速度比LoRA慢30%到50%因?yàn)槊看吻跋騻鞑ザ家戳炕Ｈ绻@存夠用優(yōu)先用LoRA顯存緊張?jiān)偕螿LoRA。3.4 知識(shí)蒸餾讓小模型學(xué)會(huì)大模型的本事知識(shí)蒸餾在課題組場(chǎng)景里有個(gè)特殊用法用大模型比如Qwen2.5-72B生成高質(zhì)量的問(wèn)答對(duì)然后拿這些數(shù)據(jù)去微調(diào)小模型7B。這樣小模型能學(xué)到接近大模型的回答質(zhì)量但推理成本低得多。具體做法準(zhǔn)備500到1000個(gè)領(lǐng)域問(wèn)題用大模型生成回答人工篩選后作為訓(xùn)練數(shù)據(jù)。溫度設(shè)高一點(diǎn)0.7到0.9讓大模型輸出更多樣的回答增加數(shù)據(jù)多樣性。蒸餾數(shù)據(jù)的質(zhì)量取決于兩個(gè)因素大模型的能力和篩選標(biāo)準(zhǔn)。我通常會(huì)讓大模型對(duì)每個(gè)問(wèn)題生成3個(gè)回答然后人工選最好的那個(gè)或者用另一個(gè)模型做自動(dòng)評(píng)分。4. 量化壓縮與vLLM高并發(fā)部署4.1 GPTQ與AWQ量化怎么選量化是把模型權(quán)重從FP16壓縮到INT4或INT8減少顯存占用和推理延遲。GPTQ和AWQ是目前最主流的兩種4-bit量化方案。GPTQ是逐層量化用校準(zhǔn)數(shù)據(jù)集來(lái)最小化量化誤差。優(yōu)點(diǎn)是成熟、工具鏈完善缺點(diǎn)是量化過(guò)程較慢對(duì)校準(zhǔn)數(shù)據(jù)敏感。AWQ是激活感知的量化核心思路是保護(hù)對(duì)激活值影響大的權(quán)重通道。優(yōu)點(diǎn)是量化后精度通常比GPTQ高一點(diǎn)尤其是小模型缺點(diǎn)是工具鏈相對(duì)新一些。對(duì)比項(xiàng)GPTQAWQ量化速度較慢較快精度保持好略好工具鏈成熟度高中vLLM支持完善完善推薦場(chǎng)景通用小模型/高精度要求我的經(jīng)驗(yàn)7B模型用AWQ14B以上用GPTQ差別不大。量化后的模型在vLLM上跑顯存占用約為FP16的1/3推理速度提升2到3倍。# 用AutoAWQ量化 python -m awq.entry --model_path Qwen/Qwen2.5-7B-Instruct \ --w_bit 4 --q_group_size 128 \ --save_dir ./qwen2.5-7b-awq4.2 vLLM部署與并發(fā)調(diào)優(yōu)vLLM的核心優(yōu)勢(shì)是PagedAttention把KV Cache分頁(yè)管理顯存利用率大幅提升并發(fā)能力比HuggingFace原生推理高一個(gè)數(shù)量級(jí)。python -m vllm.entrypoints.openai.api_server \ --model ./qwen2.5-7b-awq \ --quantization awq \ --dtype auto \ --max-model-len 8192 \ --gpu-memory-utilization 0.9 \ --max-num-seqs 16 \ --port 8000關(guān)鍵參數(shù)說(shuō)明gpu-memory-utilization設(shè)0.9留10%給系統(tǒng)max-num-seqs控制并發(fā)序列數(shù)7B模型在24G卡上設(shè)16比較穩(wěn)max-model-len根據(jù)實(shí)際需求設(shè)設(shè)太大浪費(fèi)顯存。注意vLLM啟動(dòng)時(shí)會(huì)預(yù)分配顯存如果OOM先降max-model-len再降max-num-seqs。不要一上來(lái)就把gpu-memory-utilization設(shè)到0.95系統(tǒng)不穩(wěn)定。4.3 RAG與微調(diào)模型的聯(lián)合部署最終架構(gòu)是vLLM跑微調(diào)后的模型Chroma做知識(shí)庫(kù)檢索中間加一層路由邏輯。import requests def rag_query(question, collection, top_k5): # 檢索 results collection.query(query_texts[question], n_resultstop_k) context \n.join(results[documents][0]) # 構(gòu)造prompt prompt f基于以下參考資料回答問(wèn)題。如果資料中沒(méi)有相關(guān)信息請(qǐng)明確說(shuō)明。 參考資料 {context} 問(wèn)題{question} 回答 # 調(diào)用vLLM response requests.post(http://localhost:8000/v1/completions, json{ model: ./qwen2.5-7b-awq, prompt: prompt, max_tokens: 1024, temperature: 0.3 }) return response.json()[choices][0][text]路由邏輯簡(jiǎn)單的事實(shí)性問(wèn)題走RAG復(fù)雜的推理問(wèn)題走微調(diào)模型直接回答混合問(wèn)題先RAG檢索再讓微調(diào)模型整合。5. 常見(jiàn)問(wèn)題與排查技巧實(shí)錄5.1 RAG檢索命中率低的排查思路這是被問(wèn)得最多的問(wèn)題。排查順序先看切分再看embedding最后看檢索策略。切分問(wèn)題chunk太大檢索到的片段包含太多無(wú)關(guān)信息chunk太小上下文不完整。用“問(wèn)題-答案”對(duì)做測(cè)試看檢索到的片段是否包含答案。如果不包含調(diào)整切分參數(shù)。embedding問(wèn)題中文場(chǎng)景用BGE-large-zh不要用英文模型。如果領(lǐng)域術(shù)語(yǔ)多考慮在領(lǐng)域語(yǔ)料上微調(diào)embedding模型或者用BGE的instruction版本。檢索策略問(wèn)題純向量檢索對(duì)專(zhuān)有名詞不敏感加BM25混合檢索。如果還不行加rerank模型BGE-reranker做二次排序。癥狀可能原因解決方案檢索不到相關(guān)片段切分太碎/embedding不匹配調(diào)整chunk size換中文embedding檢索到無(wú)關(guān)片段切分太大/檢索策略單一減小chunk加BM25混合檢索答案不完整top_k太小增大top_k加rerank專(zhuān)有名詞檢索失敗向量模型對(duì)術(shù)語(yǔ)不敏感加BM25或微調(diào)embedding5.2 微調(diào)后模型“變傻”了怎么辦這是過(guò)擬合的典型表現(xiàn)。模型在訓(xùn)練集上表現(xiàn)很好但泛化能力下降甚至通用能力也退化了。解決方案降低lora_rank從32降到8或16增加lora_dropout從0.05升到0.1減少epochs從5降到3增加訓(xùn)練數(shù)據(jù)多樣性。如果還不行在訓(xùn)練數(shù)據(jù)里混入10%到20%的通用指令數(shù)據(jù)防止模型“忘記”通用能力。另一個(gè)常見(jiàn)問(wèn)題是災(zāi)難性遺忘。LoRA本身對(duì)原模型影響較小但如果target_modules選得太多比如把所有線(xiàn)性層都加上遺忘風(fēng)險(xiǎn)會(huì)增加。我的建議是只加注意力層的q_proj、k_proj、v_proj、o_proj不要?jiǎng)覨FN層。5.3 量化后精度下降明顯怎么調(diào)AWQ量化對(duì)校準(zhǔn)數(shù)據(jù)敏感。如果量化后精度下降超過(guò)3%換一組更有代表性的校準(zhǔn)數(shù)據(jù)。校準(zhǔn)數(shù)據(jù)應(yīng)該覆蓋模型的典型使用場(chǎng)景不要只用通用語(yǔ)料。GPTQ量化可以調(diào)group_size默認(rèn)128降到64或32能提升精度但顯存占用增加。per-channel量化比per-tensor精度高但推理速度略慢。實(shí)操心得量化前先跑一遍FP16的baseline記錄準(zhǔn)確率。量化后再跑一遍對(duì)比下降幅度。下降在2%以?xún)?nèi)可以接受超過(guò)5%就要重新量化。5.4 vLLM部署的顯存與并發(fā)調(diào)優(yōu)vLLM的顯存管理很智能但配置不當(dāng)也會(huì)OOM。排查順序先看max-model-len再看max-num-seqs最后看gpu-memory-utilization。max-model-len設(shè)太大是常見(jiàn)錯(cuò)誤。如果實(shí)際輸入輸出不超過(guò)4096 token就不要設(shè)8192。每增加1024 token的max-model-lenKV Cache顯存占用增加約10%。并發(fā)調(diào)優(yōu)max-num-seqs不是越大越好。設(shè)太大每個(gè)序列分到的顯存少可能觸發(fā)搶占反而降低吞吐。7B模型在24G卡上max-num-seqs設(shè)16到24比較合適。用vLLM的metrics接口監(jiān)控吞吐和延遲找到最優(yōu)值。# 監(jiān)控vLLM指標(biāo) curl http://localhost:8000/metrics | grep vllm關(guān)注vllm:num_requests_running和vllm:gpu_cache_usage_perc。如果cache usage持續(xù)超過(guò)90%說(shuō)明顯存緊張需要降低并發(fā)或max-model-len。5.5 知識(shí)庫(kù)更新與版本管理課題組的論文在不斷增加知識(shí)庫(kù)需要定期更新。我的做法是每月跑一次增量更新新論文解析后追加到Chroma同時(shí)用SimHash去重。舊版本的知識(shí)庫(kù)保留快照方便回溯。embedding模型如果換了整個(gè)知識(shí)庫(kù)需要重新向量化。所以embedding模型的選擇要慎重一旦確定就不要輕易換。如果必須換預(yù)留一天時(shí)間做全量重嵌入。微調(diào)模型的版本管理同樣重要。每次微調(diào)后保存LoRA權(quán)重和對(duì)應(yīng)的訓(xùn)練數(shù)據(jù)版本號(hào)方便復(fù)現(xiàn)和對(duì)比。我習(xí)慣用日期數(shù)據(jù)版本命名比如“l(fā)ora_20250115_v2_data500”。6. 一些踩坑后的個(gè)人體會(huì)整條路線(xiàn)跑下來(lái)最大的體會(huì)是數(shù)據(jù)質(zhì)量決定上限工程細(xì)節(jié)決定下限。我見(jiàn)過(guò)太多人花大量時(shí)間調(diào)參結(jié)果訓(xùn)練數(shù)據(jù)里有一半是重復(fù)的、格式混亂的。先把數(shù)據(jù)洗干凈比什么都重要。另一個(gè)體會(huì)是不要追求一步到位。先搭一個(gè)最小可用的RAG跑通“解析-切分-檢索-生成”全流程再逐步優(yōu)化。微調(diào)可以放到最后等RAG的bad case積累夠了再針對(duì)性地做微調(diào)。最后分享一個(gè)小技巧在RAG的prompt里加一句“如果參考資料中沒(méi)有相關(guān)信息請(qǐng)明確說(shuō)明”能顯著降低幻覺(jué)率。模型在不知道答案時(shí)傾向于編造這句話(huà)給了它一個(gè)“安全出口”。這個(gè)方向后續(xù)還可以擴(kuò)展的地方很多多模態(tài)知識(shí)庫(kù)圖片、表格的檢索、Agent化的知識(shí)問(wèn)答自動(dòng)調(diào)用工具查數(shù)據(jù)、持續(xù)學(xué)習(xí)新論文自動(dòng)增量微調(diào)。但那是下一步的事了先把當(dāng)前這套跑穩(wěn)。