学习资料:
提示词工程师手册：https://feixiang.blog.csdn.net/article/details/140945703
人工智能学习网: https://www.captainbed.cn/art/
知乎的提示词工程: https://zhuanlan.zhihu.com/p/1912829855789225151
github上的提示词工程: https://github.com/yunwei37/Prompt-Engineering-Guide-zh-CN
智能解析文件: https://mineru.net/apiManage/docs

从 提示词》知识库》rag》agent》微调》这样的业务逻辑的顺序去一步一步进阶掌握好项目实战

项目1

向量数据库 Milvus

Milvus 是一个开源的向量数据库，用于存储和搜索高维空间中的相似性数据。它支持多种向量相似度计算方法，如欧氏距离、余弦相似度和汉明距离等。

Milvus 是一种高性能、高扩展性的向量数据库，可在从笔记本电脑到大规模分布式系统等各种环境中高效运行。

Embeddings
它被用来将非结构化的数据转换为能够捕捉其基本特征的数字向量

1. rag项目的整个流程

准备数据---> 数据清洗 ---> 数据嵌入 ---> 存储向量 ---> 向量检索（召回 + 重排） ---> 知识库构建 ---> 知识库问答(生成3个子问题，然后再通过检索，最后生成3个答案，最后生成最终的答案)

RAG技术与应用

1. 大模型应用开发的三种模式

Prompt vs RAG vs Fine-tuning 什么时候使用？