小米Mi-BRAG智能引擎亮相：用AI问答代替产品说明书，登上评测榜首
IT之家 5 月 6 日消息，小米官方今日介绍了 Mi-BRAG 知识库问答框架，该框架通过四大核心技术体系重构知识处理范式，已在公司多个场景中落地应用， 包括小爱同学的个人信息问答、汽车问答助手、商品问答等 。
全格式兼容 ：搭载智能解析引擎，可无损处理 PDF、Word、Excel 等十余种文档格式，为企业构建统一知识库奠定基础；
全模态解析 ：突破传统文本局限，精准解析复杂图片、表格、图文混排等多元信息；
多语种问答 ：支持主流语言的文档解析与交互问答，打破知识流通的语种壁垒；
细粒度溯源 ：采用动态溯源定位技术，对每个生成结果标注原始文档及引用位置，一键追溯信息源头，构建可信知识生态。
小米官方介绍称，大模型（LLM）虽具备强大的生成能力，但仍面临诸多挑战：知识更新成本高、企业私有知识理解不足、数据安全隐患等。RAG（Retrieval-Augmented Generation，检索增强生成）技术的引入为这些问题提供了有效的解决方案。
弥补 大模型 的时新性 ： 大模型基于历史数据进行训练，无法获取最新信息。RAG 通过检索最新的文档或数据库，可为生成过程注入实时信息，确保输出内容的准确性与时效性；
增强特定领域 知识的准确性： 大模型基于互联网公开数据，难以涵盖特点领域或者企业私有知识。RAG 技术通过构建外部知识库，实现特定知识注入，从而增强其在特定领域的表现；
数据隐私与安全性： 大模型直接处理企业敏感数据（如内部文档）可能引发隐私泄露风险。RAG 通过检索阶段调用私有数据库（如本地化存储的企业知识库），在生成答案时仅基于检索到的相关片段进行加工，避免原始数据被模型存储或泄露。
小米在场景上 TOC（小爱个人信息问答、智能文档问答等）和 TOB（集团内部提效：新产品研发、员工助手、智能客服）等大量应用场景亟须自研的 RAG 框架提供领域安全高可靠的智能知识中枢提升产品的智能化及用户体验。