14 模糊检索：支持模糊检索，让RAG应用如虎添翼

你好，我是叶伟民。

现在我们已经讲解过两个实战案例了，相信你对RAG的应用也更加熟悉了。但是这两个实战案例都只支持精确检索，不支持模糊检索。

以实战案例1为例，我们输入“客户广州神机妙算有限公司的款项到账了多少？”，此时系统能够根据关键词“广州神机妙算有限公司”精确检索到相关数据。

但是如果不输入公司全名，只输入“广州神机妙算的款项到账了多少？”。那么系统则无法根据“广州神机妙算”模糊检索到相关数据。

实战案例2也同样，目前我们只能查看今天、昨天、前天的IT新闻，还不能只查看AI类的新闻。其中按日期检索IT新闻属于精确检索，而按类别，比如检索AI类的新闻则属于模糊检索。

但是在现实工作中，需要支持模糊检索的场景很多。因此仅仅掌握精确检索知识的技术是不够的，还需要掌握模糊检索知识的技术。我们从这节课开始就来学习模糊检索。

为了帮你更全面地了解模糊检索知识的技术，我们这一章的实战案例选择了工单辅助系统，这个案例将会以模糊检索知识为核心。

实战案例3成果展示

我们先来看看实战案例3的成果。在案例界面呈现这个部分，我们将沿用实战案例1的代码。也就是说实战案例3的界面跟实战案例1是一样的。

然后在它的基础上，再添加三块功能。

第一块功能我们从前端是看不见的，但却是最关键的，就是 支持模糊检索功能。

第二块功能是我们经常看见的，给出参考链接的功能。具体效果如下图所示。

第三块功能也是我们经常看见的，用户可以点击按钮给予反馈，另外还提供了复制功能，具体效果如下图所示。

了解了要实现的功能，我们再来看看实战案例3要用到的知识点有哪些。

模糊检索知识主要分三步，分别是：

首先我们会讲解一下什么是向量，以及如何将知识和用户问题编码成向量。然后我们会讲解如何保存和检索向量。了解了这两个基础概念之后，我们就可以根据知识和用户问题的向量相似度进行检索了。

之后，我们就能开始动手实战。我们首先会基于学到的基础概念改造实战案例1，以支持模糊检索。然后完成实战案例3。

目前来讲，网络上讲得最多的RAG应用是客服系统。那么，为什么我们选择工单辅助系统而不是客服系统做为实战案例呢？主要是后面这几点考量。

首先，其实这个工单辅助系统本质上就是客服系统。相比于面向大众用户，一旦出错就会带来较大影响的客服系统，我们这个工单辅助系统面向企业内部用户，一旦出错，影响较小，最多就是企业内部矛盾。

其次，因为模糊检索知识想做到十分精确，需要花很多功夫。这些功夫仅仅通过一门课是远远不能涵盖的。那在此之前，我们就不做RAG应用了吗？

当然不是，学习学习，既要学也要习。结合我的RAG应用开发路径，推荐你用 边学边做 的方法来稳步推进。

因此我们采用以下思路——就像任何程序都会有bug一样，RAG应用也是程序，同样也会有bug，检索知识不精确也是bug的一种。我们所能做到的，就是将bug带来的影响降到最小。

因此在学习的早期阶段，我们先选择一旦出错，影响更小的工单辅助系统作为同学们的学习案例，而没有选择一旦出错，影响比较大的客服系统。等你的RAG能力到了一定水平，我们再考虑技术难度高的RAG应用。

这里就引申出一个话题，在现实工作中，如何选择合适自己的RAG应用立项？

结合我的经验，主要有四个基础和一个原则。

我们先来看四个基础。

第一，要明白所使用的 大模型的能力边界。知道自己所使用的大模型能干什么，不能干什么。这一点可能对于目前的你还有点难，但是下一点就比较容易做到了。

第二，要明白 自己当前的能力边界。同学们可以根据自己所掌握的技术点，还有这门课里提供的三个实战案例实现的RAG应用，来评估自己能做什么样的RAG应用，不能做什么样的RAG应用。

第三，从 实用和业务角度 出发。业务价值比较大的RAG应用技术难度不一定高，说不定还很容易实现。技术难度高的RAG应用，业务价值不一定高。我们先前讲实战案例1的时候，就讨论过用RAG改造系统所带来的收益，这种思路在你推动其他RAG项目的时候也可以借鉴。

第四， 求稳为上。如果对大模型和自己的能力没有信心，那么选择一旦出错，影响更小的RAG应用会更稳妥。

结合这四个基础，就得到了RAG理想的一个原则——我们要根据自己当前的能力边界，选择技术难度低、业务价值高的RAG应用立项，而且要尽量选择一旦出错，影响更小的RAG应用。

好了，今天这一讲到这里就结束了，最后我们来回顾一下。这一讲我们学会了三件事情。

第一件事情是如果要针对更多的场景开发RAG应用，我们仅仅会精确检索知识是不够的，很多场景需要模糊检索知识。以实战案例1为例，如果用户没有输入客户公司全名，我们也能根据简称从数据库里面模糊检索出对应的数据。

第二件事情是模糊检索知识主要分三步。分别是将知识编码成向量，将用户问题编码成向量，然后根据两者的相似度进行检索。

第三件事情是在现实工作中，建议根据四个基础和一个原则选择合适自己的RAG应用立项。我们要根据自己当前的能力边界，选择 技术难度低、业务价值高的RAG应用 立项，而且要尽量选择一旦出错，影响更小的RAG应用。

下一节课我们将会学习向量与嵌入模型，这是把知识和用户问题编码成向量的重要概念，敬请期待。

请同学们发挥自己的想象力，想象一下自己工作中有哪些RAG应用场景会是业务价值比较大，技术难度比较低的？业务价值具体是什么，会有多大？会用到哪些技术点，会有多难？

欢迎你在留言区和我交流互动，如果这节课对你有启发，也推荐分享给身边更多朋友。