一种基于大语言模型动态知识检索增强的方法

本发明公开了一种基于大语言模型动态知识检索增强的方法，属于知识检索领域，旨在解决传统LLM知识固化、时效性不足及幻觉问题。通过动态构建多粒度知识库，结合规则与语义分块技术（，将文本转化为归一化向量并建立混合索引。采用双通道检索触发机制，融合关键词匹配评分与BERT语义概率分析，智能判断检索需求；通过BGE‑M3模型实现向量化检索，结合交叉编码器对候选结果重排序提升精度。系统支持多语言自适应处理，动态切换分词策略及跨语言检索，并引入实时知识更新与版本控制。该方法显著提升回答时效性与准确性，优化多轮对话的上下文连贯性，可广泛应用于智能客服、专业问答等领域，有效降低LLM幻觉风险，增强知识可追溯性。