基于LLM与RAG的图书馆智能问答系统设计  

Design of library intelligent question-answering system based on LLM and RAG

作　　者：陈滨 游强华[1] CHEN Bin;YOU Qianghua(North Sichuan Medical College,Nanchong,Sichuan 637100,China)

机构地区：[1]川北医学院,四川南充637100

出　　处：《计算机应用文摘》2025年第6期164-166,共3页

基　　金：南充市社会科学研究“十四五”规划2024年度项目:大语言模型在图书馆智能化咨询服务中应用研究(NC24B206)。

摘　　要：大型语言模型(LLM)在开放领域具有强大的生成能力,但在垂直领域中的精度较低,且难以有效回答私有领域的问题。针对这一问题,文章以图书馆问答场景为例,将检索增强生成(RAG)与LLM的自然语言处理能力相结合,构建了一个适用于图书馆领域的问答系统。结果表明,基于LLM与RAG的系统能够提升图书馆问答的准确性和有效性,为图书馆信息化服务的智能化发展提供了可行路径。Large language models(LLMS)are powerful in the open domain,but less accurate in the vertical domain,and difficult to effectively answer questions in the private domain.To solve this problem,this paper takes the library question answering scene as an example,combines the retrieval enhanced generation(RAG)and LLM̓s natural language processing ability,and constructs a question answering system suitable for library field.The results show that the LLM and RAG based system can improve the accuracy and effectiveness of library Q&A,and provide a feasible path for the intelligent development of library information service.

关 键 词：大语言模型 检索增强生成 LangChain 问答系统 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]