2-1：使用矢量数据库通过个性化信息影响语言模型。 #
描述：如果说大型语言模型领域有一个方面变得越来越重要，那就是探索如何利用专有信息。在本课中，我们将探索一种可能的解决方案，即在向量数据库（本例中为 ChromaDB）中存储信息，并使用它来创建丰富的提示。
2-2：创建 ChromaDB 服务器。 #
描述：在这两个笔记本中，创建了一个 ChromaDB 服务器，信息从该服务器提供给包含客户端的第二个笔记本。这是一个小示例，说明如何设置可供多个客户端使用的本地 ChromaDB 服务器。
2-3：RAG 系统的语义缓存 #
描述：我们通过引入语义缓存层增强了 RAG 系统，该层能够确定之前是否曾问过类似的问题。如果是肯定的，它会从使用 Faiss 创建的缓存系统中检索信息，而不是访问矢量数据库。本笔记本中存在的语义缓存的灵感和基本代码得益于Hamza Farooq 的课程： https ://maven.com/boring-bot/advanced-llm/1/home。