我想要一天分享一點「LLM從底層堆疊的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。
- AI說書 - 從0開始 - 327 | Embedding Based Search 問答系統前置作業
- AI說書 - 從0開始 - 328 | Embedding Based Search 選擇模型
- AI說書 - 從0開始 - 329 | Embedding Based Search GPT 的回答
- AI說書 - 從0開始 - 330 | Embedding Based Search 添加知識庫
- AI說書 - 從0開始 - 331 | Embedding Based Search 添加知識庫後的回應
- AI說書 - 從0開始 - 332 | Embedding Based Search Embedded 資料準備
- AI說書 - 從0開始 - 333 | Embedding Based Search Embedded 相似度排序
- AI說書 - 從0開始 - 334 | Embedding Based Search Embedded 相似度排序
- AI說書 - 從0開始 - 335 | Embedding Based Search Embedded 高相似度者當提示
- AI說書 - 從0開始 - 336 | Embedding Based Search 新資訊當 Prompt 並開始發問
在 AI說書 - 從0開始 - 336 | Embedding Based Search 新資訊當 Prompt 並開始發問 中遇到效能不好的問題，我們可以透過把 Print Message 功能打開，以進行排查：
ask('Which athletes won the gold medal in curling at the 2022 Winter Olympics?', print_message = True)
結果為：
可以看到我們需要的資訊有納入其中，因此將問題源頭指向模型本身，有鑑於此，我們把 GPT 3 的模型改為 GPT 4 看看：
ask('Which athletes won the gold medal in curling at the 2022 Winter Olympics?', model = "gpt-4-turbo")
結果就可以完美詮釋了：
