隨著AI技術(shù)的不斷發(fā)展，檢索增強(qiáng)生成（RAG）已經(jīng)成為構(gòu)建智能知識(shí)庫(kù)的重要的技術(shù)，嘉為藍(lán)鯨OpsPilot智能運(yùn)維支撐平臺(tái)(以下簡(jiǎn)稱(chēng)“智能運(yùn)維OpsPilot”)最新發(fā)布V3.5版本，新增問(wèn)答對(duì)（QA Pair）功能，通過(guò)與現(xiàn)有知識(shí)庫(kù)解析、分塊和重排序能力的協(xié)同整合，構(gòu)建了更高效的知識(shí)服務(wù)體系。同時(shí)實(shí)現(xiàn)了問(wèn)答對(duì)與知識(shí)分塊的智能路由，既保留了知識(shí)分塊的語(yǔ)義完整性，又發(fā)揮了問(wèn)答對(duì)的精確匹配優(yōu)勢(shì)，為企業(yè)構(gòu)建了覆蓋全面且精準(zhǔn)可靠的知識(shí)服務(wù)體系。

01.新增問(wèn)答對(duì)，完善RAG能力

在智能運(yùn)維OpsPilot V3.5的新架構(gòu)中，問(wèn)答對(duì)（QA Pair）扮演了重要的角色，成為檢索增強(qiáng)生成（RAG）架構(gòu)中的關(guān)鍵組成部分。在RAG技術(shù)架構(gòu)中，知識(shí)服務(wù)的核心流程包括檢索、生成和重排序。智能運(yùn)維OpsPilot引入問(wèn)答對(duì)功能后，其在RAG整體架構(gòu)中的位置尤為重要：

• 知識(shí)存儲(chǔ)階段：通過(guò)LLM大模型自動(dòng)對(duì)分塊數(shù)據(jù)智能生成問(wèn)答對(duì)，并存儲(chǔ)至數(shù)據(jù)庫(kù)，以便后續(xù)檢索使用
• 知識(shí)檢索階段：通過(guò)問(wèn)答對(duì)的精準(zhǔn)匹配，直接鎖定與用戶(hù)問(wèn)題高度相關(guān)的答案，提升了檢索的效率和準(zhǔn)確性。
• 結(jié)果重排序階段：通過(guò)Rerank模型對(duì)問(wèn)答對(duì)和知識(shí)分塊的檢索結(jié)果進(jìn)行綜合排序，使最終呈現(xiàn)的內(nèi)容既全面又精準(zhǔn)。
• 增強(qiáng)生成階段：結(jié)合內(nèi)置的LLM（大語(yǔ)言模型），問(wèn)答對(duì)的答案可以作為優(yōu)先內(nèi)容被生成模型引用，從而確保生成的回復(fù)更貼近用戶(hù)需求。

相比僅依靠知識(shí)分塊進(jìn)行語(yǔ)義檢索的傳統(tǒng)方式，問(wèn)答對(duì)功能的加入為智能運(yùn)維OpsPilot的知識(shí)服務(wù)體系提供了一種更加直接、高效的路徑，特別適合快速響應(yīng)特定問(wèn)題，降低冗余信息干擾。

02.優(yōu)勢(shì)互補(bǔ)，靈活路由

1）知識(shí)分塊（Chunking）

知識(shí)分塊是指將長(zhǎng)文本拆分為較小的、語(yǔ)義聚焦的短單元，解決長(zhǎng)文本向量化中的語(yǔ)義稀釋、計(jì)算資源消耗和檢索效率低問(wèn)題。知識(shí)分塊的生成方式主要依賴(lài)于語(yǔ)義理解，通過(guò)模型對(duì)文檔進(jìn)行自動(dòng)化切分。

2）問(wèn)答對(duì)（QA Pair）

問(wèn)答對(duì)是通過(guò)將常見(jiàn)問(wèn)題與標(biāo)準(zhǔn)答案進(jìn)行配對(duì)，從而形成一個(gè)結(jié)構(gòu)化的知識(shí)庫(kù)。問(wèn)答對(duì)的生成方式主要為L(zhǎng)LM大模型對(duì)分塊數(shù)據(jù)智能生成問(wèn)答對(duì)。

3）二者對(duì)比

• 知識(shí)分塊：優(yōu)點(diǎn)為提供了完整的上下文，適用于較為復(fù)雜、需要深入理解的問(wèn)題，能夠幫助系統(tǒng)理解并生成更具深度的答案。缺點(diǎn)在面對(duì)簡(jiǎn)單、常見(jiàn)問(wèn)題時(shí)，生成的答案可能會(huì)過(guò)于冗長(zhǎng)，不夠準(zhǔn)確。
• 問(wèn)答對(duì)：優(yōu)點(diǎn)為精確匹配特定問(wèn)題和答案，響應(yīng)速度更快，效率更高。非常適合處理高頻標(biāo)準(zhǔn)化問(wèn)題，能夠直接返回用戶(hù)所需答案。缺點(diǎn)主要為只適用于明確的問(wèn)題，不能處理開(kāi)放式或復(fù)雜的查詢(xún)。

4）靈活路由

知識(shí)分塊和問(wèn)答對(duì)的優(yōu)缺點(diǎn)較為顯著，可以統(tǒng)一使用，進(jìn)行優(yōu)勢(shì)互補(bǔ)：對(duì)于常見(jiàn)、標(biāo)準(zhǔn)化的高頻問(wèn)題，可使用問(wèn)答對(duì)庫(kù)進(jìn)行精準(zhǔn)匹配，提升響應(yīng)速度和準(zhǔn)確性。對(duì)于一些需要更復(fù)雜上下文理解的專(zhuān)業(yè)性問(wèn)題，優(yōu)先選擇知識(shí)分塊進(jìn)行語(yǔ)義檢索，確保問(wèn)題得到全面回答。

03.智能運(yùn)維Opspilot的問(wèn)答對(duì)功能

智能運(yùn)維OpsPilot V3.5在問(wèn)答對(duì)功能上的升級(jí)，使得用戶(hù)能夠在知識(shí)庫(kù)中更加高效地使用問(wèn)答對(duì)來(lái)獲取精準(zhǔn)答案。以下是該功能的核心步驟：

1）生成問(wèn)答對(duì)

問(wèn)答對(duì)的生成方式主要為L(zhǎng)LM大模型對(duì)分塊數(shù)據(jù)智能生成問(wèn)答對(duì)。并且在知識(shí)庫(kù)的文檔中，用戶(hù)可自行選擇文件或網(wǎng)頁(yè)鏈接并通過(guò)LLM模型自動(dòng)生成問(wèn)答對(duì)。

2）查看問(wèn)答對(duì)

在知識(shí)庫(kù)中，用戶(hù)可直觀地查看所有問(wèn)答對(duì)。問(wèn)答對(duì)的信息包括名稱(chēng)，問(wèn)答對(duì)數(shù)量，創(chuàng)建時(shí)間，創(chuàng)建者，操作等，同時(shí)可以點(diǎn)擊查看每一份問(wèn)答對(duì)拆解的詳情問(wèn)題和答案。

3）檢索問(wèn)答對(duì)

用戶(hù)提出問(wèn)題時(shí)，智能運(yùn)維OpsPilot會(huì)通過(guò)靈活路由，選擇使用知識(shí)分塊還是問(wèn)答對(duì)作為召回結(jié)果，確保用戶(hù)始終能獲得最優(yōu)答案。

通過(guò)系列功能，智能運(yùn)維OpsPilot不僅提升了問(wèn)答的效率和準(zhǔn)確性，還顯著優(yōu)化了用戶(hù)的使用體驗(yàn)。

04.總結(jié)

智能運(yùn)維OpsPilot V3.5在問(wèn)答對(duì)功能上的升級(jí)，利用了檢索增強(qiáng)生成（RAG）技術(shù)的優(yōu)勢(shì)，結(jié)合知識(shí)分塊和問(wèn)答對(duì)的智能路由，提升了知識(shí)庫(kù)的整體效率和精準(zhǔn)度。通過(guò)靈活的查詢(xún)和生成機(jī)制，實(shí)現(xiàn)了高效、精準(zhǔn)的知識(shí)服務(wù)體系，為企業(yè)提供了更為強(qiáng)大的智能化支持

05.嘉為藍(lán)鯨OpsPilot智能運(yùn)維支撐平臺(tái)：更懂運(yùn)維的AI平臺(tái)

嘉為藍(lán)鯨智能運(yùn)維OpsPilot是集知識(shí)庫(kù)管理、技能配置、機(jī)器人管理及工具管理于一體的智能運(yùn)維支撐平臺(tái)，深度融合LLM大模型的語(yǔ)義理解、知識(shí)增強(qiáng)與多模態(tài)處理能力，聚焦運(yùn)維領(lǐng)域，突破單一LLM能力局限，成為更懂運(yùn)維的智能AI平臺(tái)。