用 LangChain4j RAG 给陪写作业助手配备古诗库
AI 总结
这篇掘金教程演示如何使用 LangChain4j RAG,为“字问先生”陪写作业助手加入八首古诗的私有语料库。系统会为每首诗生成向量,按语义检索相关内容,将诗题、作者、朝代和课序等出处注入提示词,并在语料中没有对应诗歌时要求模型拒答。文中所述准确率与防幻觉效果尚未经过独立基准测试。
深度见解
教程具体展示了如何通过检索增强生成,让消费级 AI 助手围绕小型用户私有语料作答。
开场:模型会背诗,但它不知道娃的课本
陪娃复习古诗,最常见的问法是
你:我们二年级那首放风筝的诗,怎么背? AI:放风筝的诗啊,《风筝》[清]孔尚任 结伴儿童裤褶红,手提线索骂天公。人人夸你春来早,欠我风筝五丈风。
可是二年级风筝的诗是《村居》,模型其实"背得出"《村居》,问题不在会不会背,在于它不知道你家娃这册课本里有什么。训练数据里没有"你家娃二年级下第 1 课学的哪首诗"这种信息,于是它只好拿训练记忆里"和风筝沾点边"的东西来凑,答案不准确。
更麻烦的是反面:你问一首课本外的诗,它多半也会热情地背一段,错没错你都得自己去核对。
这一篇就干一件事:给"字问先生"配一本古诗书。娃问到古诗,它先翻自己的书,翻到了照书上的讲、顺带说出处(哪首、谁写的、哪一课学的);翻不到就老实说"我的古诗书里还没有这首"。