需求来源与问题提出
大模型，特别是公有云的超大参数模型，例如70B、130B的模型，往往不会针对特定的领域知识进行微调，原因既有模型自身训练成本的问题，也和把控领域数据的客户有关，他们不愿意共享自己的数据；
私有化部署的大模型，是否就不存在这样的问题呢？不尽然，虽然私有化部署避免了数据回流的安全问题，但是目前阶段，没有那个客户会接受一次训练的成本（软件、硬件和调优服务），何况所谓训练数据的标注也是一个漫长、昂贵的过程。
最近我参与的若干政府项目就遇到了类似难题。
而langchain、向量数据库就能形成一套很好的方案。
原来的问题是：大模型不太行，回答不了我提出的问题；
现在的问题是：你的问题有点烂，没有利用好大模型。
方案的基本思路
专业问题+外挂领域知识库+通用大模型=专业问题+领域大模型
- 一个简单的例子
请问XXX
- 一个复杂的例子
请问XXX