RAG优化:利用python实现上下文感知（扩展）增强检索效果

检索增强生成（RAG）通过从外部知识源检索相关信息来增强AI的响应能力。传统的检索方法通常返回孤立的文本片段，这可能导致回答不完整。

为了解决这个问题，我们引入了基于上下文的检索方法，确保检索到的信息包含相邻的文本片段，以提高回答的连贯性。
通过结合重叠分块、上下文扩展检索和严格的生成约束，基于上下文的RAG能够显著提升回答的连贯性和准确性。实际应用中需根据具体场景调整参数，并通过持续评估优化各环节，以实现最佳效果。
注意：
- 1 大家可以提前https://studio.nebius.com/注册一个api，然后获取一个api key,免费1刀，
其他平台薅羊毛也可以，很多可以免费薅羊毛！下文的结果是基于"BAAI/bge-en-icl"
- 2 请提前下载数据
- 3 提前准备好你的环境

pip install -U pymupdf openai