前言为什么你的AI总在胡说八道你有没有遇到过这种情况“问AI我们公司年假有几天它瞎编一个答案”“问AI产品退换货流程它说的和官网完全不一样”这不是AI的错是AI不知道你的企业内部知识。解决方案就是——RAG知识库检索。一、RAG是什么Retrieval-Augmented Generation**翻译成人话**先从你的文档里找到相关内容再让AI基于这些内容回答。工作原理3步走①检索把用户问题转成向量在知识库中找到最相关的文档片段②拼接把相关片段 原问题一起组成上下文③生成AI基于真实内容生成准确答案效果对比❌ 没有RAGAI瞎编答非所问✅ 有RAGAI基于真实文档准确回答二、用什么工具Hermes Agent今天用的是Hermes Agent——因为它内置了完整的RAG支持开箱即用。优势✅ 支持多个知识库文档问答 客服知识库✅ 支持多种向量数据库Milvus / Qdrant / Chroma✅ 支持多平台接入Telegram / 飞书 / 企业微信✅ 内置自我学习越用越准三、教程5分钟搭建RAG知识库第一步安装 Hermes Agentcurl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash第二步安装 RAG 插件hermes skills install hermes-rag第三步准备知识库文档目录结构示例 /knowledge/ ├── internal/ # 内部文档问答 │ ├── 产品手册.md │ ├── 技术文档.pdf │ └── 内部制度.md └── faq/ # 客服知识库 ├── 退换货政策.md └── FAQ问答对.json支持格式• Markdown.md• PDF.pdf• Word.docx• TXT 文本• JSONFAQ问答对第四步创建向量数据库# 创建内部文档知识库 hermes rag create --collection internal-docs --label 内部文档问答 # 创建客服知识库 hermes rag create --collection customer-support --label 客服知识库第五步导入文档# 导入内部文档 hermes rag import /knowledge/internal/ --collection internal-docs --recursive # 导入客服FAQ hermes rag import /knowledge/faq/ --collection customer-support --recursive第六步配置检索参数# 设置向量模型决定检索质量 hermes config set rag.embedding_model BGE-large-zh # 设置返回数量 hermes config set rag.top_k 5 # 设置相似度阈值低于这个分数不返回 hermes config set rag.min_score 0.7第七步验证是否正常# 测试检索 hermes rag search 测试query --limit 3 # 查看知识库状态 hermes rag status四、两个实战场景场景1内部文档智能问答用户问“我们公司年假是怎么计算的”Hermes 回答“根据《员工手册》第三章第七条规定• 工作满1年年假5天• 工作满2年年假7天• 工作满3年及以上年假10天来源《员工手册.md》第3章”场景2客服知识库自动回复用户问“产品坏了可以退货吗”Hermes 回答“您好关于退换货政策• 7天内可无理由退换• 15天内质量问题可换货• 15天以上享受保修服务如有疑问请拨打客服热线400-xxx-xxxx来源《退换货政策.md》”五、知识库配置详解5.1 向量数据库选择数据库特点适用场景Chroma最简单本地优先个人/小团队Qdrant轻量易部署中小规模Milvus大规模分布式亿级文档pgvector基于PostgreSQL已有PG库的企业5.2 配置多知识库分流# 设置不同RAG源 hermes config set rag.internal.collection internal-docs hermes config set rag.customer.collection customer-support # 开启关键词触发 hermes config set rag.route_keyword_enabled true5.3 提升检索效果① 混合检索推荐hermes config set rag.hybrid_search true② 启用重排序Rerankhermes config set rag.enable_rerank true③ 定期增量更新# 增量更新 hermes rag import /knowledge/faq/ --collection customer-support --upsert # 完整重建 hermes rag rebuild --collection customer-support六、效果评估指标没有RAG有RAG回答准确率~40%90%回复速度人工3-5分钟3-5秒知识覆盖人工记忆有限全部文档7×24服务需要多人轮班自动值班七、常见问题Q1文档更新后需要重新导入吗A不需要全量重建用–upsert参数增量更新即可。Q2检索不到相关内容怎么办A① 检查文档格式是否正确 ② 降低min_score阈值 ③ 开启混合检索Q3回答里如何显示来源hermes config set rag.show_source trueQ4向量数据库占用多大空间A大约是原始文档大小的1/10。1GB文档 ≈ 100MB向量数据。最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】