隨著技術(shù)的快速發(fā)展，檢索增強生成（RAG）成為構(gòu)建智能知識庫的核心方案。嘉為藍(lán)鯨 OpsPilot基于 RAG 技術(shù)打造高效知識處理體系，在 RAG 預(yù)處理環(huán)節(jié)，提取與分塊技術(shù)通過精準(zhǔn)解析文檔結(jié)構(gòu)、拆分語義單元為后續(xù)處理奠定基礎(chǔ)。而在知識處理的 “下半場”，Embedding 與 檢索 作為連接預(yù)處理與大模型應(yīng)用的關(guān)鍵橋梁，前者做“翻譯家”，把文本變成機器能懂的數(shù)字密碼，后者則是 “導(dǎo)航器”，用這些密碼在知識庫快速找到答案。

在 RAG 系統(tǒng)中，Embedding起到兩次關(guān)鍵轉(zhuǎn)換的作用。一是接收預(yù)處理過后的文本塊，將其轉(zhuǎn)為高維向量存于數(shù)據(jù)庫。二是用戶提問時，Embedding 模型將問題轉(zhuǎn)為 “問題向量”，系統(tǒng)匹配 “相似向量”，提取對應(yīng)文本內(nèi)容與問題構(gòu)成提示詞，輸入大語言模型（LLM），生成回答，完成對話檢索閉環(huán)。

在OpsPilot中，Embedding 和檢索設(shè)置是怎么相互協(xié)作發(fā)揮優(yōu)勢的呢？

1）Embedding

將文本轉(zhuǎn)化為向量，以數(shù)學(xué)形式捕捉語義特性與關(guān)系，使計算機能夠“理解”數(shù)據(jù)

• 其核心是接收文本分塊并轉(zhuǎn)化為高維向量，映射至空間中；
• 語義相近則向量位置近。例如“貓在沙發(fā)上睡覺”，計算機本無法理解，經(jīng)Embedding模型，“貓”“沙發(fā)”等被轉(zhuǎn)成特定向量，且語義相近的詞（如“貓”與“小貓”）向量靠近，無關(guān)的則遠(yuǎn)離。它為詞在數(shù)學(xué)空間分配“地址”，使計算機能理解詞及關(guān)系，進(jìn)行距離計算等操作，為檢索、分析等奠基。

2）檢索設(shè)置

通過向量相似度匹配，從海量知識庫中快速定位相關(guān)信息

• 以混合檢索（文本 + 向量）為例，結(jié)合關(guān)鍵詞搜索與向量語義搜索，通過打分機制綜合判斷，既能利用關(guān)鍵詞快速過濾，又能通過向量相似度挖掘深層語義關(guān)聯(lián)；
• 在知識庫中，這種檢索方式可避免傳統(tǒng)關(guān)鍵詞檢索的片面性，確保在復(fù)雜知識體系中高效獲取相關(guān)內(nèi)容，為用戶提供更準(zhǔn)確、全面的知識支持。

01.OpsPilot的Embedding模型

OpsPilot目前已經(jīng)內(nèi)置2個常用的Embed模型，具體有如下優(yōu)勢：

1）FastEmbed (BAAI/bge - small - zh - v1.5) 模型

其作用與優(yōu)勢如下：

• 模型專為中文語境優(yōu)化，對中文語境的適應(yīng)性強；
• 對復(fù)雜語義及領(lǐng)域術(shù)語理解精準(zhǔn)深入；
• 計算效率高且資源消耗低：其 95M 的輕量體積使其在 GPU 顯存不足時仍可于 CPU 運行，尤其適合大規(guī)模數(shù)據(jù)處理場景。

2）bce - embedding - base_v1 模型

• 模型架構(gòu)特點與多數(shù)據(jù)格式兼容性；
• 跨領(lǐng)域知識融合能力，在不同行業(yè)場景的應(yīng)用優(yōu)勢顯著；
• 模型穩(wěn)定性強，可確保長期穩(wěn)定運行，滿足多樣化業(yè)務(wù)需求。

02.OpsPilot檢索機制

擁有了文本分塊和向量空間數(shù)據(jù)，OpsPilot使用三種檢索設(shè)置實現(xiàn)對知識庫的高效、精準(zhǔn)檢索。

• 純文本搜索：基于關(guān)鍵詞搜索技術(shù)，從大量文本數(shù)據(jù)中搜索并提取相關(guān)文檔。提供 “匹配”（模糊查找包含特定關(guān)鍵詞的文檔）和 “精確匹配”（嚴(yán)格要求關(guān)鍵詞按指定順序相鄰出現(xiàn)）兩種模式。適用于明確關(guān)鍵詞的場景，當(dāng)用戶使用明確關(guān)鍵詞時，文本搜索可快速過濾。

• 純向量搜索：利用向量空間模型，計算向量空間中的向量和問題向量間的相似度，從而找到最匹配的數(shù)據(jù)。可設(shè)置返回數(shù)量（最終展示的最相似分塊數(shù)量）和候選數(shù)量（初步篩選后可能相關(guān)的分塊總數(shù)）。可挖掘語義層面的關(guān)聯(lián)信息，彌補關(guān)鍵詞搜索的局限性，例如，當(dāng)用戶查詢含模糊語義時，向量搜索能通過語義相似性定位相關(guān)知識。

• 混合檢索：同時開啟文本搜索與向量搜索，系統(tǒng)會根據(jù)各自權(quán)重綜合打分，兼顧關(guān)鍵詞匹配和語義相似性，將最終結(jié)果按打分從高到低展示，提升檢索全面性與準(zhǔn)確性。

嘉為藍(lán)鯨OpsPilot基RAG技術(shù)，通過預(yù)處理-Embedding-檢索三階體系構(gòu)建智能知識庫。Embedding轉(zhuǎn)換文本為語義向量，混合檢索融合關(guān)鍵詞匹配與向量搜索，內(nèi)置雙模型適配中文及跨領(lǐng)域場景，實現(xiàn)精準(zhǔn)語義關(guān)聯(lián)與高效知識閉環(huán)，賦能智能運維。

03.嘉為藍(lán)鯨OpsPilot——更懂運維的AI平臺

嘉為藍(lán)鯨OpsPilot是集知識庫管理、技能配置、機器人管理和工具管理為一體的智能運維支撐平臺，深度融合 LLM 大模型的語義理解、知識增強與多模態(tài)處理能力，聚焦運維領(lǐng)域，突破單一 LLM 能力局限，成為更懂運維的智能 AI 平臺。