AI RAG

功能说明

通过对接阿里云向量检索服务实现LLM-RAG，流程如图所示：

运行属性

插件执行阶段：默认阶段 插件执行优先级：400

配置说明

名称	数据类型	填写要求	默认值	描述
`dashscope.apiKey`	string	必填	-	用于在访问通义千问服务时进行认证的令牌。
`dashscope.serviceFQDN`	string	必填	-	通义千问服务名
`dashscope.servicePort`	int	必填	-	通义千问服务端口
`dashscope.serviceHost`	string	必填	-	访问通义千问服务时域名
`dashvector.apiKey`	string	必填	-	用于在访问阿里云向量检索服务时进行认证的令牌。
`dashvector.serviceFQDN`	string	必填	-	阿里云向量检索服务名
`dashvector.servicePort`	int	必填	-	阿里云向量检索服务端口
`dashvector.serviceHost`	string	必填	-	访问阿里云向量检索服务时域名
`dashvector.topk`	int	必填	-	阿里云向量检索时获取向量数
`dashvector.threshold`	float	必填	-	向量距离阈值，高于该阈值的文档会被过滤掉
`dashvector.field`	string	必填	-	阿里云向量检索存储文档的字段名

插件开启后，在使用链路追踪功能时，会在span的attribute中添加rag检索到的文档id信息，供排查问题使用。

示例

dashscope:
    apiKey: xxxxxxxxxxxxxxx
    serviceFQDN: dashscope
    servicePort: 443
    serviceHost: dashscope.aliyuncs.com
dashvector:
    apiKey: xxxxxxxxxxxxxxxxxxxx
    serviceFQDN: dashvector
    servicePort: 443
    serviceHost: vrs-cn-xxxxxxxxxxxxxxx.dashvector.cn-hangzhou.aliyuncs.com
    collection: xxxxxxxxxxxxxxx
    topk: 1
    threshold: 0.4
    field: raw

CEC-Corpus 数据集包含 332 篇突发事件的新闻报道的语料和标注数据，提取其原始的新闻稿文本，将其向量化后添加到阿里云向量检索服务。文本向量化的教程可以参考《基于向量检索服务与灵积实现语义搜索》。

以下为使用RAG进行增强的例子，原始请求为：

海南追尾事故，发生在哪里？原因是什么？人员伤亡情况如何？

未经过RAG插件处理LLM返回的结果为：

抱歉，作为AI模型，我无法实时获取和更新新闻事件的具体信息，包括地点、原因、人员伤亡等细节。对于此类具体事件，建议您查阅最新的新闻报道或官方通报以获取准确信息。您可以访问主流媒体网站、使用新闻应用或者关注相关政府部门的公告来获取这类动态资讯。

经过RAG插件处理后LLM返回的结果为：

海南追尾事故发生在海文高速公路文昌至海口方向37公里处。关于事故的具体原因，交警部门当时仍在进一步调查中，所以根据提供的信息无法确定事故的确切原因。人员伤亡情况是1人死亡（司机当场死亡），另有8人受伤（包括2名儿童和6名成人），所有受伤人员都被解救并送往医院进行治疗。