介绍
在当今的技术环境中，我们可以利用研究和统计，提取数据馈送进行分析，并获得洞察来实时做出决策。然而，即使对于最强大的分析解决方案，新信息也很难解析和上下文化。这就是检索增强生成 (retrieval-augmented generation，RAG) 的用处，允许您增强大型语言模型的知识，而无需在有新信息时对其进行重新训练。这会使用最新数据更新模型，使其功能更强大，工作量更少。
Oracle Cloud Infrastructure (OCI) Generative AI Agents 可助您实现这一目标。在此示例中，我们将上载文档、处理这些数据、将其放入向量存储（通过使用 OpenSearch 的 OCI 搜索）、创建用于缓存的 Redis 集群，并为您提供通过聊天机器人使用数据的方法。
对于基础设施，我们将提供以下 OCI 服务：
- 用于缓存用户 - 代理交互的 OCI 高速缓存（因此我们可以为模型提供一些上下文）
- OCI Search with OpenSearch cluster for index similarity search（使用 OpenSearch 集群搜索索引相似性搜索（向量数据库）并使用数据存储索引
- 用于安全连接到 OpenSearch 集群的 OCI 计算（通过 OCI 专用子网路由）
- OCI Generative AI Agents，用于与集群中的数据进行通信和交互
演示
先决条件和设置
- Oracle Cloud 账户 - 注册页面
- OCI Generative AI 快速入门—文档
- OCI SDK 和命令行界面— 配置
- OCI Generative AI — Python SDK
- 开源包管理器— Conda
快速入门
注：为免疑义，本网页所用以下术语专指以下含义：
- 除Oracle隐私政策外，本网站中提及的“Oracle”专指Oracle境外公司而非甲骨文中国 。
- 相关Cloud或云术语均指代Oracle境外公司提供的云技术或其解决方案。