介绍
在当今的技术领域，我们可以利用研究和统计，提取数据馈送进行分析和获取见解，以实时做出决策。然而，即使对于最强大的分析解决方案，新信息也很难进行解析和情境化。这就是 retrieval-augmented generation (RAG) 的用处，允许您在有新信息时增强对大型语言模型的了解，而无需对其进行重新培训。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。在本示例中，我们将上载文档、处理此数据、将其放入向量存储（通过 OCI Search 与 OpenSearch），创建用于缓存的 Redis 集群，并为您提供一种通过聊天机器人使用数据的方式。
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 Cache（因此我们可以为模型提供一些上下文）
- 包含 OpenSearch 集群的 OCI Search，用于索引相似性搜索（向量数据库）和存储带数据的索引
- 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 入门— 文档
- OCI SDK 和命令行界面— 配置
- OCI Generative AI — Python SDK
- 开源软件包管理器— 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。