上节课，已经搞定了基于文本的问答逻辑，但是遗留了一个问题，就是不管文本和问题有没有关系，我们都会传给了大模型进行分析。这样处理有两个问题，一个是费钱，有很多废话也会占用 token，另一方面，会对模型做判断有干扰。属于费钱不讨好，所以我们的方案，是先做过滤，也叫召回，然后只把相关文本传给大模型。

召回的过程，我们需要用到一个三方的相似性搜索库，叫做 FAISS。Faiss 是 Facebook AI Similarity Search 的缩写，是 Facebook AI 团队开源的针对聚类和相似性搜索库。

代码示例

1、安装扩展包 

内容不可见，请联系管理员开通权限。

2、文档向量化 

内容不可见，请联系管理员开通权限。

3、文档过滤，召回最相关的3条 

内容不可见，请联系管理员开通权限。

4、召回方法 

内容不可见，请联系管理员开通权限。

另外，还有 Milvus、Pinecone 等向量数据库，都可以实现相似性搜索的功能。这些库 LangChain 都做了集成，感兴趣的可以自己研究，用法上都是类似的。

本文链接：http://ichenhua.cn/edu/note/698

版权声明：本文为「陈华编程」原创课程讲义，请给与知识创作者起码的尊重，未经许可不得传播或转售！