检索增强生成（RAG）是将私有或领域特定知识集成到大型语言模型中的标准方法。然而，大多数 RAG 系统仍会产生幻觉，因为检索步骤存在缺陷。大型语言模型只能处理其接收到的信息，如果检索到的段落不充分，模型就会编造缺乏支持的信息。因此，RAG 系统的准确性和可信度在很大程度上取决于其检索能力。本文探讨关系感知检索作为解决这些检索弱点的方法。它介绍了 RudraDB-Opin，一个免费的、关系感知的向量数据库，作为实际实现方案。RudraDB-Opin 专为学习、原型设计和现实世界项目而设计。它能够处理大量的向量和关系。这种容量使得对大规模知识库进行建模成为可能。该数据库旨在展示本文讨论的各种检索模式。