Data Augmentation Kit简介

Data Augmentation Kit（数据增强套件）提供知识库、知识检索、RAG（检索增强生成）、端侧问答模型能力，打造个性化智慧数据平台，实现个性化智慧体验。

能力范围

Data Augmentation Kit提供以下能力：

• RAG（检索增强生成）：提供一种结合检索与生成技术的自然语言处理技术，通过动态从外部知识库中检索相关信息，辅助生成更准确、可靠的文本内容。其核心目标是弥补传统生成模型依赖静态知识的不足，实现“知识实时调用”与“内容灵活生成”的融合。
• 智慧化数据检索：基于多路召回和重排序，提供了一套知识检索框架。在提供基于倒排索引的传统文本检索的同时，也提供了基于向量索引的语义检索能力。
• 端侧问答模型：提供接入端侧模型问答的方法，以及使用鸿蒙AI模型管家对接LLM，对用户问题进行处理的过程，实现数据不出端智能问答的效果。

优势/亮点

RAG（检索增强生成）

• 知识实时性：无需重新训练模型即可动态更新知识库，适用于新闻、政策等高频变化领域。
• 可信度增强：生成内容基于检索结果，减少模型“幻觉”（虚构信息），支持答案溯源。
• 灵活适配：同一模型可快速切换不同领域知识库，降低跨场景部署成本。
• 长尾问题覆盖：通过外挂知识库补充模型未训练到的细分领域知识。

智慧化数据检索

• 智慧化数据构建：将应用数据通过加工转换为知识，加工后的知识存储在倒排数据库、向量数据库、图数据库等存储引擎中。
• 智慧化数据检索：针对图片、文本等多种数据或多种数据库的融合查询，支持条件过滤、语义理解的复杂数据检索场景。通过多路召回和重排两个阶段实现。
• 基于RAG的知识问答：将检索和大模型生成技术结合，通过动态检索外部知识库中的信息，提高大模型回答问题的准确性，降低大模型的“幻觉”（虚构信息）。

接入端侧问答模型

• 接入端侧问答模型：应用可以选择使用端侧问答模型，可实现数据处理不出端，用户安全隐私有保障。

基本概念

• LLM：Large Language Model（大语言模型）是一种基于深度学习的人工智能模型，通过在海量文本数据上训练，掌握语言规律，能够理解和生成人类语言。
• chunk：chunk是知识加工时，文本被拆分后的逻辑或结构单元，目前一个chunk默认包含3072个字符（1个字符指1个汉字或1个英文字母）。
• 检索召回：通过一种特定的策略或算法从海量数据中快速筛选出候选结果集。

约束与限制

支持的国家/地区

Data Augmentation Kit仅支持中国境内（香港特别行政区、澳门特别行政区、中国台湾除外）。

支持的设备

本Kit适用设备情况如下。

能力	约束
RAG（检索增强生成）	支持PC/2in1设备类型。
智慧化数据检索	支持Phone、PC/2in1、Tablet设备类型。
端侧问答模型	支持PC/2in1设备类型。

模拟器支持情况

本Kit暂不支持模拟器。