上一个视频介绍了快速了解rag的方法，还分享了两个知识库工作流。
**《RAG在Define中的应用攻略》**

在当今数字化时代，信息爆炸式增长，如何高效管理和利用知识成为关键。RAG（Retrieval-Augmented Generation）与Define的结合，为我们提供了强大的知识处理解决方案。

首先，RAG能快速整合大量资料，形成有序的知识库。通过其独特的文本分割和索引构建技术，让知识检索更精准。在Define中，我们可以轻松导入相关文件，利用其文档提取器开启知识处理之旅。

内容清洗工作流是第一步。它能去除冗余信息，将文件按字符长度精准切分，如每3000字符切分并冗余500字符，再用大元模型进行专业的数据标注和清洗，确保知识的高质量。

接着是内容的智能RIG助手工作流。用户提问后，它会迅速进行query理解，精准提取关键词，然后在知识库中逐一匹配。提取的关键字经切割后，通过循环节点在已清洗好的知识库中检索，最后用大语言模型生成易懂的智能回答。

掌握这两个工作流，能让我们在知识海洋中畅游，快速获取所需信息，提升工作和学习效率。无论是处理工作文档还是学习资料，都能轻松应对，让知识为我们所用。
rag,define,知识库工作流,文本分割,索引构建,关键词提取
[Q]：如何获取学习日记文档中的资料？
[A]：可以找作者要AI学习日记文档，定位到相应位置查看链接获取。
[Q]：两个知识库工作流是什么？
[A]：第一个是内容清洗工作流，第二个是内容的智能RIG助手工作流。
[Q]：内容清洗工作流具体做什么？
[A]：上传文件后，通过此工作流了解文本分割和索引构建，切分文本并进行数据标注和清洗等。
[Q]：文本分块如何切分？
[A]：每3000个字符做一个切分，并且冗余500个字符。
[Q]：智能RIG助手工作流从用户提问到生成回答的过程是怎样的？
[A]：用户提问后做query理解，提取关键词并切割，在知识库中匹配，最后用大语言模型生成回答。
[Q]：define如何应用RID知识库？
[A]：用户上传文件，define用文档提取器提取，经一系列操作后应用知识库。
[Q]：def不能直接保存文件怎么办？
[A]：生成的大纲会生成本地文件存到里面。
[Q]：如何了解reg在define里的实现路径？
[A]：通过内容清洗和智能RIG助手这两个def的工作流来了解。