本地知识库相当于大模型的外部资料库
很多人应该都听过本地知识库项目，它是当今人工智能领域热门的技术之一。那么到底什么是本地知识库？它和大模型有什么关系？怎么构建本地知识库？
为什么需要本地知识库？
其实本地知识库和大模型本身没有什么直接关系，可以说它们是两个完全独立的技术。
但因为大模型的幻觉问题和大模型的数据更新迟缓，因此才把知识库技术与大模型技术相结合，产生了大模型知识库技术。
什么是知识库？
知识库简单来说就是资料库，比如国家图书馆收录了我国几千年来的历史书籍和资料；每家企业都会有一些内部数据；各个领域都有自己领域内的数据和资料。
而怎么管理这些资料和数据，就是知识库技术，知识库的核心有两点，一是数据的存储，二是数据的检索。
在互联网技术出现之前，知识库都是以档案室或资料室的形式存在；而计算机技术出现之后，特别是大数据技术出现之后，知识库就可以从线下走到了线上。
而大数据技术也为处理大量复杂数据提供了可能。
大模型技术是当前人工智能领域热门的技术之一，但它有一个致命的缺陷就是，它的训练数据是有时间限制的，比如 ChatGPT 的数据还是两年前的，它对近两年的情况就什么都不知道了。
解决这个问题其实有多种方式，比如用最新的数据对大模型进行重新训练，或者使用微调技术比如 LoRA，用最新的数据进行微调。
但这两种方式一来成本太高，二来门槛太高，对很多小公司是不可接受的。其次就是，哪怕重新训练出来的大模型，在一些垂直领域的问题上经常会出现'幻觉'问题。
所以，大模型知识库技术就出现了，大模型就类似于一个大学生；它有足够的基础知识，然后在一些没有接触过的领域或者不懂的问题，就去图书馆查资料。
更形象的表达应该是类似于学生期末考试之前，会发考前资料，然后告诉你考试内容在资料里。
这样既解决了大模型的时间限制问题，也解决了成本和门槛问题，也大大减少了幻觉的产生。
怎么实现大模型知识库？
实现大模型知识库理论上很简单，就是在问大模型的时候，带上'资料'，大模型根据资料内容进行回答。
但这里需要解决几个问题：
第一，资料的加载问题，随着技术的发展资料的类型也是多种多样，比如有文本文档，图片，视频，声音等等；文本文档还有 txt，word，excel 等多种格式，还有很多格式化及非格式化数据，因此文档的加载是一个非常麻烦的事情。
第二，资料的存储问题，有了资料之后，需要把资料进行加载然后统一处理，而如果这些资料是给人看，那么只需要把文档按照原本的格式保存即可。但因为大模型只认识向量格式的数据，因此需要把文档转化为向量格式存储，而这就是向量数据库。
第三，数据的检索问题，数据加载到向量数据库之后，应该怎么检索就是一个问题。因为如果资料库比较小问题还不大，如果资料库很庞大，怎么快速的检索，也是一个值得思考的问题。
大模型知识库加载流程如下：
文档加载，通过加载工具把各种格式的文档加载到向量数据库中；其次，需要对文档进行转换拆分，比如按照固定长度进行拆分；然后，通过 Embedding 大模型，把拆分后的文档根据语义转换为向量格式；最后存储到向量数据中。
然后使用的时候，从向量数据库中检索数据。
Embedding 模型的作用是为了把文档进行有意义的语义转换，否则文档数据直接存储到数据库中就会出现资料错误的问题。
流程如下图所示：
上一步加载完文档之后，就可以进行使用了。
使用的步骤是，用户对大模型进行提问，然后通过 Embedding 把用户提问转化为向量格式，然后根据提问从向量数据库中检索和提问内容有关的资料。如下图 8-11 步所示。
检索到资料之后，根据用户提问和检索资料，构建 Prompt Template（提示词模板），最后输入到大模型中，获得结果。
整个知识库的流程如下图所示：
