基于检索增强生成的人工智能山羊养殖知识助手

大型语言模型（LLM）在许多行业中日益被视为有价值的知识交流工具。然而，它们在畜牧业中的应用仍然有限，受到知识源的可用性、多样性和复杂性等多种因素的制约。本研究引入了一个智能知识助手系统，旨在支持山羊养殖中的健康管理。利用检索增强生成（RAG），提出了两种结构化知识处理方法——表格文本化和决策树文本化，以增强大型语言模型（LLM）对异构数据格式的理解。基于这些方法，建立了一个特定领域的山羊养殖知识库，以提高 LLM 的跨场景泛化能力。该知识库涵盖五个关键领域：疾病防治、营养管理、饲养管理、羊奶管理和基础养殖知识。此外，集成了在线搜索模块以实现对最新信息的实时检索。为评估系统性能，进行了六项消融实验以检验各组件的贡献。结果表明，异构知识融合方法取得了最佳结果，在验证集和测试集上的平均准确率分别为 87.90% 和 84.22%。在基于文本、基于表格和基于决策树的问答任务中，准确率始终超过 85%，验证了模块化设计中结构化知识融合的有效性。误差分析表明，遗漏是主要的错误类别，突显了进一步改进检索覆盖率和上下文整合的机会。总之，结果突出了所提出系统在山羊养殖实际应用中的稳健性和可靠性。