构建本地知识库问答机器人时，更换了输入文本知识库，为什么还是能识别到别的文本知识库的信息

General
1

我自己虚构了两个产品介绍文件：“极领”和"疯吉"。然后分别读入构建本地知识库的问答机器人。为什么通过"疯吉"的介绍文件生成的问答机器人，能识别到“极领”的相关信息呢？
代码：
loader = TextLoader(‘./疯吉’, encoding=“utf-8”)
documents = loader.load()
text_splitter = RecursiveCharacterTextSplitter(
chunk_size=20, chunk_overlap=5, separators = [‘，’, ‘。’, ‘\n’]
)
texts = text_splitter.split_documents(documents)
embeddings = OpenAIEmbeddings()

docSearch = Chroma.from_documents(texts, embeddings, metadatas=[{“source”: str(i)} for i in range(len(texts))], persist_directory=“D:/vector_store”)
docSearch.persist()
llm = OpenAI(temperature=0)
retriever = docSearch.as_retriever()
retriever.search_kwargs[‘distance_metric’] = ‘cos’
retriever.search_kwargs[‘fetch_k’] = 100
retriever.search_kwargs[‘maximal_marginal_relevance’] = True
retriever.search_kwargs[‘k’] = 10

chain = RetrievalQAWithSourcesChain.from_chain_type(llm, chain_type=“stuff”, retriever=retriever)

questions = [
‘那你知道极领这家公司吗？，用中文回答’,
‘那你知道疯吉吗,用中文回答’
]

for question in questions:
result = chain({“question”: question}, return_only_outputs=True)
print(f">>Question: {question}“)
print(f”>>Answer: {result[‘answer’]} \n")

问答的执行结果：

Question: 那你知道极领这家公司吗？，用中文回答
Answer: 是的，我知道极领这家公司，它是一家专注于鼠标制造的公司，以李明先生为创始人。

Question: 那你知道疯吉吗,用中文回答
Answer: 是的，我知道疯吉。疯吉是一系列设计精美的茶杯，由杰弗里·安德森于2010年创建，为您提供独特的茶饮体验，能为您呈现最佳的品味和口感，适应了各种不同的审美需求，以确保您在购买疯吉茶杯后拥有愉快的体验。

2

根据提供的上下文，可以看出在构建本地知识库问答机器人时，使用了记忆模块来存储和检索对话历史和知识图谱中的信息。这意味着，即使更换了输入文本知识库，记忆模块仍然可以存储和检索以前的对话和知识图谱的信息。

记忆模块不依赖于特定的文本知识库，而是存储和检索与特定对话历史和知识图谱相关的信息。因此，即使更换了输入文本知识库，记忆模块可以根据先前的对话历史和知识图谱信息来生成响应和提供相关的答案。

这种方法的优点是，它可以在更换文本知识库时保留对话历史和知识图谱的信息，并将其应用于新的对话和知识图谱。

值得注意的是，这仅适用于记忆模块已经存储并具有访问的信息。如果新的文本知识库中没有相关的信息，机器人可能无法提供相关的答案。