一种基于树近邻上下文的大语言模型RAG优化方法

本发明一种基于树近邻上下文的大语言模型RAG优化方法，包括，读取文档的目录结构和内容，生成对应的目录树并转换为包含标题和级别的Markdown格式，若无标题则根据文档模板自动提取；按照优先级将文档切分为知识块；在召回知识块后，使用树邻近上下文方法扩充上下文，形成新的知识块列表；将扩充后的知识块按照文档标识分组和排序，基于不同的字段和置信度拼接参考资料，生成来自原始文档的字符串集合；使用构造的参考资料和新的知识块列表，拼接提示词并发送给大模型进行处理。本发明该方案通过优化上下文信息、强调重点内容、适配多种文档格式以及提升用户体验等方式，全面增强了大模型在信息检索和回答生成过程中的性能和实用性。