在TaskingAI中使用RAG(检索增强生成)系统处理外部数据包含以下典型流程：
- 创建集合：指定embedding模型和存储容量创建数据集合
Exemplo de código:
coll = taskingai.retrieval.create_collection(embedding_model_id=”…”, capacity=1000) - 添加记录：将文本内容分割处理后存入集合
Exemplo de código:
record = taskingai.retrieval.create_record(collection_id=coll.id, content=”人工智能…”, text_splitter={“type”:”token”…}) - Pesquisar conteúdo：通过API查询相关数据记录
Exemplo de código:
retrieved = taskingai.retrieval.get_record(collection_id=coll.id, record_id=record.id)
该系统支持多种文本分割方式和embedding算法，开发者可以根据数据特性选择合适的参数配置。RAG功能特别适合需要结合外部知识库的AI应用场景，如智能客服、教育问答等。
Essa resposta foi extraída do artigoTaskingAI: uma plataforma de código aberto para o desenvolvimento de aplicativos nativos de IAO
Não pode ser reproduzido sem permissão:Ferramentas de produtividade de IA " 如何在TaskingAI中使用RAG系统处理外部数据？
Português do Brasil 
简体中文 
English 
日本語 
Deutsch