一.知识库架构图

本文基于langchain+milvus+llm对原先的知识库进行重新构建，整体的架构如下：

二.实现步骤

1.首先对已有的FAQ以及相应的规章制度文档进行梳理；

2.对重复的问题和答案进行合并；

3.使用embedding模型对问题和答案进行embedding；

4.将FAQ文档embeding后插入到向量数据库milvus中；

5.对用户输入的问题进行embedding；

6.对问题的embedding在向量数据库milvus中进行相似搜索相似距离小于0.2且前3的答案；

7.使用LLM对返回的结果进行总结；

8.输出LLM总结后的结果作为输出返回给用户；

三.实现结果

下面是使用m3e-base模型作为embedding模型，openai gpt3.5作为llm输出的结果：

原本的制度里面是：加班时长大于等于10小时，扣除60分钟的休息，加班时间在5-10小时，扣除30分钟的休息。

从结果可以看出llm能判别出11小时需要扣除60分钟的休息时间，且准确计算出调休10小时。

四.后续

后续我会对比llama,alpaca,chatglm等模型的效果；

转载：大语言模型构建本地知识库用于问答