Modelos de linguagem grandes (LLMs) não respondem diretamente a perguntas sobre conhecimento privado. O Alibaba Cloud Model Studio permite conectar seus documentos a um aplicativo de agente sem necessidade de código. Assim, os usuários recebem respostas precisas e fundamentadas, em vez de conteúdo genérico ou inventado.
Antes e depois
Sem base de conhecimento Sem uma base de conhecimento dedicada, o LLM não responde com precisão a perguntas sobre "telefones do Alibaba Cloud Model Studio".  | Com base de conhecimento Com uma base de conhecimento dedicada, o LLM responde com precisão a perguntas sobre "telefones do Alibaba Cloud Model Studio".  |
Etapa 1: Criar um aplicativo de agente (Cerca de 1 minuto)
|  |
|  |
|  |
|   |
|  |
no canto superior direito. A mensagem de boas-vindas saúda os usuários ao abrirem o aplicativo. As perguntas predefinidas oferecem uma forma rápida de iniciar a conversa.Etapa 2: Construir uma base de conhecimento (Cerca de 3 minutos)
Os LLMs têm uma janela de contexto fixa e não processam toda a biblioteca de documentos simultaneamente. A base de conhecimento resolve essa limitação ao indexar documentos e recuperar apenas trechos relevantes quando o usuário faz uma pergunta. Essa técnica chama-se geração aumentada por recuperação (RAG). Esta etapa envia seus documentos e cria a base de conhecimento.
Enviar documentos de conhecimento
|  |
|  |
|  |
Criar uma base de conhecimento
|  |
|  |
|  |
|  |
|  |
Etapa 3: Conectar a base de conhecimento e publicar (Cerca de 1 minuto)
|  |
|  |
|  |
|  |
Próximos passos
- Para saber mais sobre engenharia de prompt, plugins e outros recursos, consulte Agent applications.
- Para integrar ferramentas externas ou automatizar fluxos de trabalho complexos, consulte Workflow applications e Application types para comparar recursos.
- Para criar um aplicativo RAG totalmente personalizado com lógica de interação complexa via API, consulte Assistant API (Legacy).