收藏Jiayuan @Tisoga 这篇RAG帖子有段时间了，今天结合https://t.co/eP0isvJwl2边学习边查询，被Jiayuan和devv圈粉了！

Jiayuan这个帖子不仅把复杂的事情讲的简单清晰，还有很多思想闪闪发光：

1）抓住本质，RAG系统本质就3个模块，其他都是在此之上增加步骤：语言模型、模型所需的外部知识合集、当前场景所需外部知识。推特上有很多RAG的帖子，流程图极为复杂，很不费曼~

2）先做工 VS 后做工：https://t.co/eP0isvJwl2 走的是先做工法则，在encoding时对原始knowledge数据做了大量处理。带来的好处是：更高准确性、更快检索速度、更好的关联性、更高的可理解性、更好的应用性。（来自devv搜索结果）
产品和技术方案中大部分事情，如果能遵循先做工原则，最后拿到好结果是水到渠成的事情。
看完先做工，再看后做工，有点像前面没好好做，后面打补丁的意思。

再说说https://t.co/eP0isvJwl2的使用体验，帖子中很多paper、专有名词和技术思路，我用perplexity和devv做了对比，经过三条信息查询后，就完全用devv来解决问题了。对比感受：

1）perplexity对中文不是很友好，冷不丁就是英文回复。devv中文回复比较稳定、质量高且suggest追问也挺有帮助。

2）perplexity的来源和devv比也有些差距，perplexity对中文问题搜中文来源比如新浪、163。devv的来源有arxiv、medium、reddit……很合我胃口~~

3）UI对比，工具属性的视角和问答还不太一样，很关注信息源，perplexity在上面收成小卡片与答案压在一起。devv的信息源排列在右侧，舒展开，很舒适。

收获很大，强烈推荐体验一下这个帖子以及 https://t.co/eP0isvJwl2 🫡🫡🫡

点击图片查看原图