embedding 模型的作用是什么

将文本映射到一个能够表达语义信息的向量空间中，使语义相似的文本在向量空间中的距离更近。

• 示例解释
  • 苹果手机多少钱和iphone的价格是多少
  • 虽然文字字面不同，但是语义是相同的
  • 转为向量后，向量距离会很近

prompt、rag、skill和微调的区别

• promt 的目标是如何用好llm现有的能力
• rag 是通过外部知识库，来解决llm 无法获取实时信息的问题
• 微调 是调整底层具备的能力、风格，是模型群众的重塑
• skill 的话是行为能力的一种延伸

如何选择

• 当你在工程落地中面临选择时，可以依次问自己以下几个问题：
• 模型现有的知识和能力够用吗？
  • 够用 ➡️ 提示工程。
• 不够用，是因为缺乏特定/实时的垂直知识吗？
  • 是，需要看文档 ➡️ RAG。
• 不够用，是因为需要做数学计算、数据库查询等具体动作吗？
  • 是，需要连外部系统 ➡️ Skill / Tool Calling。
• 模型什么都知道，但怎么和它说它都不听话、格式总是对不齐、或者想要极致的特定文风？
  • 是，必须改造行为 ➡️ 微调。