Version: DEV

启动一个AI驱动的聊天

启动与配置的聊天助手的聊天。

知识库、无幻觉聊天和文件管理是RAGFlow的三大支柱。RAGFlow中的聊天基于特定的知识库或多个知识库。一旦您创建了知识库并完成了文件解析，您就可以开始进行AI对话。

开始一个AI聊天

您通过创建一个助手来开始AI对话。

点击页面顶部中间的Chat标签>创建助手以显示聊天配置对话框用于您的下一个对话。

RAGFlow 为您提供了为每次对话选择不同聊天模型的灵活性，同时允许您在系统模型设置中设置默认模型。
更新助手设置:
- Assistant name 是您的聊天助手的名称。每个助手对应一个具有独特知识库、提示、混合搜索配置和大模型设置组合的对话。
- 空响应:
  - 如果您希望将RAGFlow的答案限制在您的知识库中，请在此处留下响应。然后，当它没有检索到答案时，它会统一响应您在此处设置的内容。
  - 如果您希望RAGFlow在未从您的知识库中检索到答案时即兴发挥，请留空，这可能会导致幻觉。
- 显示引用: 这是RAGFlow的一个关键功能，默认启用。RAGFlow不像一个黑盒子那样工作。相反，它清晰地展示了其响应所基于的信息来源。
- 选择相应的知识库。您可以选择一个或多个知识库，但请确保它们使用相同的嵌入模型，否则会发生错误。
更新 Prompt Engine:
- 在系统中，您可以为您的LLM填写提示，您也可以在开始时保留默认提示不变。
- 相似度阈值 设置每个文本块的相似度“门槛”。默认值为0.2。相似度得分较低的文本块将被过滤掉，不会出现在最终响应中。
- 关键词相似度权重 默认设置为0.7。RAGFlow使用混合评分系统来评估不同文本块的相关性。此值设置了混合评分中关键词相似度组件的权重。
  - 如果 重排序模型 为空，混合评分系统使用关键词相似度和向量相似度，向量相似度组件的默认权重为1-0.7=0.3。
  - 如果 重排序模型 被选中，混合评分系统使用关键词相似度和重排序分数，重排序分数的默认权重为1-0.7=0.3。
- Top N 决定了提供给LLM的最大块数。换句话说，即使检索到更多的块，也只有前N个块作为输入提供。
- 多轮优化 利用多轮对话中的现有上下文增强用户查询。默认情况下是启用的。启用后，它将消耗额外的LLM令牌，并显著增加生成答案的时间。
- Rerank model 设置要使用的重新排序模型。默认情况下为空。
  - 如果 Rerank model 为空，混合评分系统使用关键词相似度和向量相似度，向量相似度部分的默认权重为1-0.7=0.3。
  - 如果选择了 Rerank model，混合评分系统使用关键词相似度和重新排序分数，重新排序分数的默认权重为1-0.7=0.3。
- 变量指的是在系统提示中使用的变量（键）。{knowledge} 是一个保留变量。点击添加为系统提示添加更多变量。
  - 如果您不确定变量背后的逻辑，请保持原样。
更新 模型设置:
- 在模型中：您可以选择聊天模型。尽管您已经在系统模型设置中选择了默认的聊天模型，RAGFlow允许您为对话选择替代的聊天模型。
- 自由度 指的是LLM即兴发挥的程度。从即兴、精确到平衡，每个自由度级别对应着温度、Top P、存在惩罚 和 频率惩罚 的独特组合。
- 温度: 大语言模型预测随机性的水平。值越高，大语言模型越有创造力。
- Top P 也被称为“核采样”。更多信息请参见这里。
- 最大令牌数: LLM响应的最大长度。请注意，如果此值设置过低，响应可能会被截断。
现在，让我们开始表演：