連結：https://github.com/gomate-community/GoMate
GoMate是一個基於Retrieval-Augmented Generation (RAG)框架的模型，專注於提供可靠輸入和可信輸出。它透過結合檢索和生成技術，提高資訊檢索和文本生成的準確性和可靠性。GoMate適用於需要高效、準確資訊處理的領網網域，如自然語言處理、知識問答等。
需求人群：
- GoMate適用於開發者、資料科學家和企業，特別是那些需要處理大量文本資料並生成可靠輸出的組織。它透過提供高效的文本處理能力，幫助使用者節省時間，提高工作效率。
使用場景示例：
- 在問答系統中，使用GoMate快速準確地回答使用者問題。
- 在內容推薦系統中，利用GoMate分析使用者興趣，推薦相關文檔。
- 在企業知識管理中，透過GoMate檢索和生成技術，快速找到所需資訊。
產品特色：
- 文檔解析：使用TextParser模組對文檔進行解析，提取關鍵內容。
- 向量儲存：透過VectorStore模組，將文檔內容轉化為向量形式儲存。
- 嵌入模型：使用BgeEmbedding等嵌入模型，將文本轉換為向量表示。
- 問題查詢：根據使用者問題，使用嵌入模型進行向量查詢，找到最相關的文檔。
- 文本生成：結合檢索到的文檔內容，使用GLMChat等生成模型生成回答。
- 文檔更新：支援動態新增文檔，更新模型的檢索和生成能力。
使用教學：
1. 安裝GoMate所需的Python環境和依賴庫。
2. 準備文本資料，使用TextParser模組進行文檔解析。
3. 利用VectorStore模組將解析後的文檔儲存為向量形式。
4. 選擇或訓練合適的嵌入模型，如BgeEmbedding。
5. 根據使用者輸入的問題，使用嵌入模型進行向量查詢。
6. 結合檢索到的文檔內容，使用生成模型生成回答或輸出。
7. 根據反饋調整模型引數，最佳化輸出結果。