今日学习如何优化RAG应用提升回答准确度
1、文档准备阶段
对RAG应用来说，文档的质量可以说直接决定了整个RAG应用的质量。因此，我们需要针对文档进行持续的优化。比如引入专家验证，提升文档质量。跟踪用户反馈，不断调整文档内容。查漏补缺，同时定期剔除无关的或过时的内容，都是必要的措施。
2、文档解析与切片阶段
在使用Llamalndex构建RAG应用时，他是会自动解析文档内容并进行切片的。这对于大部分的场景是足够的。但是，实际工作中，当文档变得更复杂时，对文档进行合理的解析和切片就变得非常重要了。
比如，在Llamalndex中，通常使用SimpleDirectoryReader加载本地文件，实际上，Llamalndex同样提供了一些扩展插件，可以加载Notion、Slack、Discord、GoogleDocs等外部的文档。具体可以参见:
https://docs.llamaindex.ai/en/stable/module_guides/loading/connector/modules/
当文档多了之后，如果文档来源不统一，文档形式又五花八门，这是不利于统一进行解析的。我们上面就演示了把PDF格式的文档转换成为结构规整的Markdown格式，这样是可以提高RAG应用的效率的。对于docx|xlsx等格式的文档，如果结果过于复杂，把他们统一转换成为Markdown格式也是一个不错的选择。在做格式转换时，有些比较麻烦的问题，也可以借助大模型来进行深度调整。比如将转换的Markdown文本用大模型进行润色、修正目录层级、补充缺失信息等。