返回文章列表

基于 RAG 的教育问答系统架构解析

Last Updated: 2024-04-28

TL;DR

通过课程知识库、向量检索和教学场景提示词分层,我们让教育问答从泛泛而谈转向可溯源、可评估、可运营。

在中小学教育平台中,单纯依赖大模型原生参数回答问题,很容易出现知识点偏移、表述超纲和缺乏教学步骤的问题。

为了解决这一点,我们采用了基于 RAG 的问答架构,将课程内容、练习讲解和教师教研资料纳入统一知识库。

架构拆解

  1. 课程切片:将教材、题库解析和教案拆分成适合检索的最小知识片段。
  2. 向量召回:针对不同学段和学科建立独立索引,避免跨学科语义污染。
  3. 提示词编排:将年级、学科、答题风格和教师要求作为系统提示的一部分注入。

为什么这套架构适合学校场景

  • 可追溯:每条回答都能回到对应资料片段。
  • 可评估:便于对回答质量和知识覆盖做抽样质检。
  • 可运营:新增课程资料后无需重新训练整套模型。

最终,这套 RAG 架构不仅提高了回答准确率,也让平台具备了可持续迭代的教学内容能力。