Intel 实验报告
方案介绍
本项目旨在开发一个基于中文百科知识库问答的智能代理（agent）。该代理使用的数据库来源于百科类数据，这些数据通过百科类搜索页面的事实性三元组（subject-predicate-object triples）构成。以下是知识库内容的示意图：
技术特点
我们采用了基于 Retrieval-Augmented Generation (RAG) 的知识库问答技术，这种技术使得智能代理能够在回答问题时检索知识库中的相关信息，从而提供更加准确和可靠的答案。
Intel 软硬件技术
在本项目中，我们利用了开源的 Intel® Extension for Transformers 及其组件（如 Neural Chat），并基于 Intel 第三代可扩展 Xeon 处理器的云环境进行开发和测试。这些软硬件技术的应用，使得我们能够高效地处理大规模数据并提高问答系统的性能。
成果说明和对照
为了验证知识库问答代理的效果，我们进行了如下实验：
- 在不使用知识库的情况下：
- 模型的回答是：“申时行是明朝的官员，掌管各种国家事物。”
- 在使用知识库的情况下：
- 模型的回答变为：“申时行是明朝的内阁大学士，是礼部尚书兼文渊阁大学士。”
通过对比可以看出，基于知识库检索的智能代理能够提供更为准确和详细的回答。具体而言，使用知识库后，模型不仅明确了申时行的官职，还补充了他在内阁和礼部的具体职务，使回答更加全面和正确。
总结
本项目通过结合先进的 RAG 技术和 Intel 的软硬件资源，成功开发了一个能够高效检索和回答中文百科知识问题的智能代理。实验结果表明，使用知识库后，智能代理的回答质量显著提升，验证了该技术方案的有效性。未来，我们计划进一步优化系统性能，并扩展知识库的覆盖范围，以应对更多类型的问题和场景。
