GPT-RAG

GPT-RAG 项目介绍

项目背景

GPT-RAG 项目是一个基于 Azure 的企业级解决方案，通过检索增强生成（RAG，Retrieval-Augmented Generation）模式，利用大语言模型（LLM）的推理能力，帮助企业进行数据处理和响应生成。这种模式能够使用已有模型对新数据进行响应生成，同时无需对模型进行微调，简化了大语言模型在企业中的集成。

项目目标

Enterprise RAG 解决方案加速器（GPT-RAG）旨在为企业部署提供强大的架构支持。它确保了响应的可靠性，并建立在零信任安全和负责任的 AI 基础之上，保证了系统的可用性、可扩展性和可审计性，特别适用于从探索和概念验证阶段过渡到全规模生产和最小可行产品（MVP）的组织。

应用组件

GPT-RAG 项目采取模块化设计，共有三个主要组件，每个组件都有特定的功能：

• 数据摄取：优化数据分块和索引以进行 RAG 的检索步骤。

• 编排器：协调信息检索和用户响应生成，提供两种使用选项：功能式（使用语义内核函数，默认选项）和 Agentic（使用 AutoGen 代理）。

• 应用前端：采用前端后台模式，提供一个可扩展且高效的网页界面。

核心概念

• RAG 模式：解释其作用和重要性。

• 解决方案架构概述：详细介绍 GPT-RAG 的架构及其优势。

部署指南

GPT-RAG 提供两种主要的部署选项：基础架构和零信任架构。每种方法都有其独特的部署步骤，适用于不同的使用场景。

基础架构部署

适用于没有网络隔离要求的快速演示或概念验证项目。只需要安装必要的工具，然后按照提供的四个步骤操作，即可完成部署。

零信任架构部署

适用于重视网络隔离和严格安全措施的生产环境。建议在部署前确认所有先决条件，并遵循详细步骤来进行部署。

入门指南

在开始部署前，请确保已经准备好所有必要的工具和服务。需要的工具包括 Azure Developer CLI、Powershell、Git、Node.js 和 Python。具体步骤请参考项目提供的详细指南。

常见操作

• 自定义部署：可根据特定需求调整部署，提供详细的自定义选项指导。
• 多环境部署：帮助在成功概念验证后，通过 CI/CD 流程快速部署到生产环境。
• 故障排除：部署过程中如遇到问题，可参考常见问题解决指南。
• 性能评估：提供性能测试指南，帮助测试和优化部署的性能。

企业社区

欢迎加入我们的 Discord 频道，与其他使用 GPT-RAG 的用户交流经验和见解。

贡献指南

感谢您对项目的支持与贡献！详细的贡献指导将在贡献页面提供，包括 CLA（贡献者许可协议）、行为准则和提交请求的相关流程。

商标

项目中可能包含 Microsoft 或第三方的商标或标识，使用需遵循相关的商标与品牌指南。

GPT-RAG 项目为企业开发应用程序提供了强大的工具和资源支持，帮助他们通过现代化的 AI 技术来提高数据处理能力和响应生成效率。