本文以Dify为例介绍如何使用OpenSearch LLM智能问答版对接大模型应用开发平台构建RAG系统。

背景

随着AIGC技术日新月异的发展，LLM应用也在持续迭代。基于LLM、Agent框架、工作流编排能力等，可以搭建不同场景下丰富的应用服务。其中，检索增强生成（RAG）系统已经成为企业知识库、智能客服、电商导购等场景的核心环节。

OpenSearch LLM智能问答版内置数据解析与处理、切片、向量化、文本&向量检索、多模态LLM等模型和功能。本文将介绍如何使用OpenSearch LLM智能问答版对接大模型应用开发平台构建RAG系统。

大模型应用平台

在大模型行业中有越来越多的应用框架、开发平台，比如阿里云百炼、Dify等。开发者可以基于这些框架、平台快速搭建业务应用，RAG系统也是其中的常见环节。因此，大模型应用开发平台通常会内置RAG系统。

阿里云百炼：

对接开源大模型应用开发平台最佳实践_人工智能

Dify：

对接开源大模型应用开发平台最佳实践_rag_02

然而，RAG系统的准确性与搜索效果息息相关，应用开发平台经常会面临以下问题：

1、易用性差：对知识库文档格式、数量、大小等有各种各样的限制，开发者需要进行复杂的数据预处理，或无法满足实际应用的需求。

2、专业性差：大多是黑盒系统，开发者难以针对核心链路进行定制化调优和扩展，导致整体应用效果差。

3、企业级能力弱：不支持企业级权限隔离、数据快速导入/更新等能力，难以落地到实际生产应用中。

针对上述问题，可以使用OpenSearch LLM智能问答版作为RAG系统，应用到工作流程中，快速搭建企业级应用。目前OpenSearch已支持对接百炼中的模型，从而丰富LLM选型，实现定制级RAG效果，具体使用方式可参考：LLM管理。

此外，OpenSearch支持丰富的调用、鉴权机制，灵活对接百炼、Dify等应用开发平台。

下面将以Dify为例，介绍对接开源应用平台的最佳实践。

整体架构

开发者预先将知识库导入OpenSearch，并用工作流处理后的对话请求访问OpenSearch中的RAG系统。OpenSearch会基于知识库、LLM，返回对话结果、参考链接、参考图片。开发者再根据业务需求，通过工作流处理结果，并最终输出给终端用户。

对接开源大模型应用开发平台最佳实践_阿里云_03

在OpenSearch LLM智能问答版中搭建RAG系统

1.搭建RAG系统

OpenSearch LLM智能问答版是一站式RAG产品，可分钟级搭建RAG系统，并可以在控制台进行可视化模型选择、Prompt定制、效果调优等。详情请参见通过控制台实现企业知识库问答。

2.创建并获取API Key

创建并获取公网API域名、API Key并妥善保存，详情请参见管理API Key。

对接开源大模型应用开发平台最佳实践_opensearch_04

在应用平台中搭建业务应用

Step 1：在大模型应用平台中创建工作流

对接开源大模型应用开发平台最佳实践_阿里云_05

对接开源大模型应用开发平台最佳实践_opensearch_06

基础RAG工作流包含四个环节：

开始：获取用户输入的对话内容。

OpenSearch LLM智能问答版（HTTP请求）：将对话内容输入OpenSearch，并基于RAG系统返回输出结果。

解析输出结果（代码执行）：解析结果中的对话内容。

返回答案：向用户返回最终结果。

Step 2：使用HTTP请求访问OpenSearch RAG系统

对接开源大模型应用开发平台最佳实践_opensearch_07

鉴权API-Key：

  • 鉴权类型：API-Key
  • API鉴权类型：Bearer
  • API key：OpenSearch LLM智能问答版中获取的API Key。

URL地址：OpenSearch LLM智能问答版中获取的公网API域名 + OpenSearch接口地址（参考URL：v3/openapi/apps/[app_name]/actions/knowledge-search）

BODY：选择JSON格式，具体的内容和参数可参考：SearchKnowledge-问答文档查询。

Step 3：解析输出结果

OpenSearch的接口返回结果为JSON格式，包含对话结果、参考链接、参考图片等。开发者可以使用代码执行解析输出结果，按需获取返回结果。

只获取输出结果的参考代码：

def main(body: str) -> str:
    import json
    dat = json.loads(body)
    return {
        'result': [ans['answer'] for ans in dat['result']['data']][0]
    }

对接开源大模型应用开发平台最佳实践_人工智能_08

效果预览

对接开源大模型应用开发平台最佳实践_llm_09

在此基础上，可以配合搭建其他工作流，构建丰富的业务应用流。

例如，以下是一个基于OpenSearch、Qwen模型构建的智能对话助手。

首先，会判断用户对话的意图并进行分类，分为售后问题、产品使用问题和闲聊。

针对售后问题、产品使用问题，分别访问OpenSearch中的相应知识库，使用RAG系统进行回复。

对于闲聊类问题，访问Qwen模型与用户进行闲聊对话，解决通用类问题。

对接开源大模型应用开发平台最佳实践_阿里云_10

除使用一站式RAG产品搭建工作流外，还可使用阿里云AI搜索开发工作台，通过工作台提供的文档解析、向量化、搜索、重排等原子化能力，自定义dify工具，从而快速定制优化RAG系统的各个环节。

对接开源大模型应用开发平台最佳实践_人工智能_11