如何自动向量化内容并创建类似LangChain的机制以高效地查询文档语料库
GPT热潮
全球的技术爱好者们一直在玩ChatGPT…
- 其中许多人将其用作非常聪明的知识数据库🔎，
- 一些人通过“提示工程”（或“提示工程学”）探索更相关的结果，有时使用自己的数据🤖，
- 但只有少数人进一步利用像LangChain这样的解决方案构建复杂的工作流程和创建实际应用📚。
事实上，掌握“嵌入”或“向量存储”等概念，结合编程要求，对许多人来说可能很复杂，阻止他们真正发挥LLM的力量。
这就是“Prompt Flow”的用途！
让我们发现如何在Azure中以低代码构建强大的问答工具！
先决条件
我假设您有创建本教程所需的资源的权限，其中最重要的是拥有“Azure机器学习工作室工作区”。
“Prompt Flow”功能以及“模型目录”（允许您部署由Azure、Hugging Face、Meta等精心策划的LLMs）目前处于私人或公共预览状态，因此您需要加入等待列表，然后才能激活和使用它们。
构建向量索引
理解嵌入
为了高效处理大量语料库并克服当前模型的令牌限制，您需要将每个文档拆分成块（例如每页）并转换为…