检索增强生成(RAG)技术 - RAG解决方案允许生成式AI模型获取其原本不知道的数据，减少"幻觉"发生，尤其适用于处理专有数据、敏感信息或训练时未出现的新数据[1] - 通过在模型提示词中加入额外数据，生成式AI能给出更准确、及时且符合上下文的答案[1] 矢量化技术 - 矢量化是将文字、图像等信息转化为数字形式，便于计算机索引、搜索和检索，用于大型语言模型(LLM)响应生成[3] - 语义搜索通过矢量化实现，用数字串表示语言内容形成矢量，捕获潜在含义而非表面关键字，使AI能快速访问最相关信息[4][5] - 公司拥有大量高质量数据，矢量化可加速相关信息查找与提供[3] FactSet的Chat平台 - 2023年初开发的Chat平台可连接任何对话式大语言模型，提供统一体验所有支持AI模型的界面[6] - 平台集中管理RAG和矢量化，为员工提供安全、简单且鼓励创新的环境[6] 矢量化即服务(VaaS) - 2024年6月推出的VaaS系统简化数据矢量化流程，员工上传文件或连接数据库后，系统可在几分钟内完成矢量化并支持自然语言探索[7] - VaaS通过内部平台Chat实现文件自动矢量化，支持文本文档、幻灯片、Excel等格式[11] - 系统推动构建公司内部知识库，如技术文档、培训资料等，实现"统一搜索入口"，已创建数百个知识库[12] VaaS的实际影响 - 大幅简化AI数据准备流程，使公司处理的tokens数量自2024年9月起显著增长[13] - 集中管理AI数据，提升员工信息访问效率与协作能力，同时保持数据灵活性[17] - 赋能不同技能水平员工构建、维护和利用支持RAG的AI解决方案[20] 技术背景与安全 - 私有云环境确保公司数据安全，提示或响应不用于模型训练，遵守机密性和身份验证限制[12] - 矢量化技术使计算机直接定位数据而非浏览所有可能性，实现更深入的语义比较[5]