TAKA的學習筆記

實作使用Ollama、LangChain、Qdrant 的 RAG

本章簡單介紹什麼是 RAG（Retrieval Augmented Generation），為什麼它可以讓 LLM 像考試OpenBook 一樣：先查資料再回答問題。
了解 RAG 怎麼提升LLM 回答的品質，減少亂掰、避免知識過期。以及適合用 RAG 的情況。

市面上有很多雲端的LLM API 服務，也會有地端裝載LLM 的服務。而這些服務都會有各自的呼叫方法，開發AI 應用最常遇到的就是嘗試不同服務跟模型，經過多輪嘗試並從中挑選出滿足應用系統的。LangChain 是一個框架，利用物件導向方式讓切換服務變得容易，減少程式開發成本。