@响马 分享了他基于Embedding做的文档问答的经验，和传统的直接将问题做向量查询不一样，他让GPT先对问题做一个关键字分析，然后根据分析的关键词结果再做向量搜索，这样匹配度更高，聪明的做法👍🏻

文档地址就不发了，用的人太多，一晚上就烧了他十来刀😄，有心你总能找到

———
多轮问答跑了一天，目前效果很稳定，可以来解释一下是如何实现的了。
问答通常的实现，embedding -> search -> llm，连续语义在第一步就丢失了。
我的方案是在前面，先让 ChatGPT 解释问题，返回关键词，流程变为：explain -> embedding -> search -> llm。

具体 prompt 如下：
`You are a fibjs development assistant, please give detail keywords for the my question, based on the previous discussion.
There is no need to specifically include fibjs in the keywords.
my question: ${ask_message}
keywords: `

———
他的所有代码都是开源的：
轻量向量数据库:
github.com/fibjs/fibjs/blob/dev/fibjs/src/db/sql/Sqlite_vec.cpp

开发文档索引:
github.com/fibjs/fibjs/blob/dev/tools/gen_index.js

问答测试:
github.com/fibjs/fibjs/blob/dev/tools/ask.js

文本提取模块:
github.com/xicilion/fib-spliter

自动嵌入文档的代理:
github.com/xicilion/gptproxy