面向工业中小企业的检索增强生成工具的敏捷方法
计算与语言
2025-08-29 v1 信息检索
摘要
检索增强生成（RAG）已成为缓解大型语言模型（LLM）如幻觉和知识陈旧等局限性的强大解决方案。然而，在资源有限且缺乏自然语言处理（NLP）专业知识的中小企业（SME）中部署 RAG 系统仍具有挑战性。本文引入了 EASI-RAG，即面向工业 RAG 的企业应用支持，一套结构化、敏捷的方法，旨在促进在工业 SME 环境中部署 RAG 系统。EASI-RAG 基于方法工程原则，包含明确定义的角色、活动和技术。该方法通过一个真实案例研究得到验证——在一个环境测试实验室中，其中实现了一个 RAG 工具，用于回答操作员查询，查询数据从操作程序中提取。该系统由一位没有先前 RAG 经验的团队在一个月内部署，并根据用户反馈进行后续迭代改进。结果表明，EASI-RAG 支持快速实现、高用户采纳率、准确答案，并提高了底层数据的可靠性。这一工作凸显了在工业 SME 中部署 RAG 的潜力。未来工作包括需要在多样化的用例中进行推广，并进一步与微调模型集成。
引用
@article{arxiv.2508.21024,
title = {An Agile Method for Implementing Retrieval Augmented Generation Tools in Industrial SMEs},
author = {Mathieu Bourdin and Anas Neumann and Thomas Paviot and Robert Pellerin and Samir Lamouri},
journal= {arXiv preprint arXiv:2508.21024},
year = {2025}
}
备注
20 pages, 3 figures