第 2 讲 · 告别幻觉与外脑重塑：RAG、ima 与本地部署

本讲你要带走的三件事

模型为什么会"一本正经地胡说八道"

RAG vs 微调 vs 长上下文：三条路的取舍

RAG 六步：从一份 PDF 到一句有出处的答案

切片与检索：四个最影响效果的可调参数

腾讯 ima：把散落资料变成"会回答的图书馆"

ima 的第二层价值：从"个人库"到"班组库 + 自动化"

为什么要把大模型装进自己的电脑

# 1) 安装后拉取模型（约 4~5 GB，校园网建议夜间执行）
$ ollama pull deepseek-r1:7b     # 强推理，适合逻辑/数学链路
$ ollama pull qwen2.5:7b         # 中文均衡，通用问答与写作
$ ollama run qwen2.5:7b          # 命令行直接与模型对话

# 2) 搭本地知识库：AnythingLLM 或浏览器插件 Page Assist
#    选择 Ollama 作为推理后端 → 上传 PDF → 带引用问答

云端 API / ima / 本地 Ollama：怎么选

祝老师 ima 知识库中的 RAG 与本地部署资料

• 大数据与旅游业课程实践：《第五章 构建领域知识大脑：RAG技术详解.pptx》《RAG技术赋能文旅行业：原理、实践与教学应用.pptx》《rag_verification_checklist.md》《2025私域大模型部署白皮书-59页.pdf》《ima知识库使用指南.pdf》。
• AI赋能教学：《腾讯ima知识库助力教学与工作》《【ima知识库】AI时代的教与学》《一线教师用WorkBuddy+ima搭教学知识库》《用 WorkBuddy + ima 给老师搭套备课工作台》。
• AI赋能教学科研：《腾讯IMA知识库高阶玩法之三十：AI幻觉终极解药，@知识库》《对比测试CherryStudio、Dify、ima自带知识库对小学语文教科书的知识检索效果》。
• 人工智能与旅游创新应用：《09_ima+WorkBuddy搭建知识库》《06_WorkBuddy×ima联动实战手册.pdf》。

实践作业 2 · 微型专业私有知识库构建与 RAG 评测（15 分）

• 任务：在腾讯 ima 或本地 Ollama 中上传 ≥3 篇本专业文献/讲义，构建微型知识库。
• 评测：设计 5 个有专业深度的问题，分别对比"纯大模型回答"与"知识库增强回答"，记录准确度、引用溯源、幻觉条数。
• 交付：知识库截图（含文档列表）+ 10 组问答对照表 + 300 字评测结论。
• 评分：知识库建设 5 分 · 问题设计 4 分 · 对照评测 4 分 · 结论 2 分。

小结与下一讲预告

• ① 幻觉有三种成因，混为一谈就会用错工具。
• ② RAG 六步链路中，切片策略与重排最容易被忽略却最影响效果。
• ③ ima 解决"沉淀 + 共享 + 溯源"；Ollama 解决"数据不出本机"。
• ④ 工程常态是三层混合：公开走云端、专业走 ima、敏感走本地。