如何使用 Redis 进行检索增强生成 (RAG)？

问题

如何使用 Redis 进行检索增强生成 (RAG)？

答案

将大型语言模型与向量数据库配对使模型能够访问外部上下文知识。这种上下文知识对于提供准确且上下文感知的响应至关重要，可以防止模型生成不正确或不完整的答案。通过存储和索引对模型非结构化数据进行向量化，Redis 确保 LLM 可以快速有效地检索相关信息，从而提高其响应质量。

要使用 Redis 执行 RAG，您需要一个支持向量搜索的 Redis 客户端库。当前支持向量搜索的库是

• redis-py，Python 客户端库
• Jedis，Java 客户端库
• NRedisStack，C#/.NET 客户端库
• node-redis，JavaScript/Node.js 客户端库

除了标准客户端库之外，基于 RAG 的应用程序还可以由以下库和框架驱动。

• RedisVL 客户端库专为提供使用向量的最佳体验而设计，并提供具有复杂过滤支持的强大向量搜索。
• 如果您习惯使用 ORM 抽象，Redis OM .NET 提供高级抽象，并支持在 Redis 中存储和查询向量。
• 如果您习惯使用 Java Spring，您可以学习 构建一个使用 Redis 作为其向量数据库的 Spring AI 应用程序。
• 如果 Python 是您选择的语言，您可以使用 LangChain 和一个 Redis RAG 模板 来创建基于 LLM 的聊天应用程序。

最后，您可以参加Redis 作为向量数据库课程，学习如何使用 Redis 作为向量数据库，执行向量搜索，并使用 RAG 构建 GenAI 辅助聊天机器人。

参考资料

• 检索增强生成 (RAG)
• Redis 作为向量数据库