简介：快看漫画利用Milvus向量数据库和RAG技术，在AI智能问答和IP角色互动等场景取得实质性进展，提升了搜索转化率和用户体验，展现了AIGC时代漫画行业的技术创新实力。
快看漫画，这个创办于2014年的年轻漫画平台，已经迅速成长为集漫画阅读、创作互动、线下漫画沉浸体验及周边衍生品购买于一体的一站式漫画生活方式平台。截止到2023年底，快看总用户超过3.8亿，在中国漫画市场渗透率超过50%，其影响力已经跨越国界，有超过500部作品登陆全球近200个国家和地区，成为中国文化出海的杰出代表。
在快看漫画的多元化业务中，搜索、推荐、广告等基础业务是支撑平台运营的重要支柱。同时，快看还致力于图像相关业务的创新，如图像去重、以图搜图等功能的开发，这些功能的实现离不开高效、精准的向量检索系统。在众多向量检索引擎中，快看漫画选择了Milvus作为其核心引擎，这得益于Milvus开箱即用、高性能、高可用、支持混合查询、开发者友好、分布式架构以及活跃的社区支持等多重优势。
有了Milvus的加持，快看漫画得以构建出强大的向量检索服务。这一过程包括训练Embedding模型以获取物料的embedding向量，利用Milvus的API创建collection集合并对向量字段构建index索引，以及通过确定的相似度指标（如欧氏距离）进行向量查询。在实际应用中，快看漫画还对比了不同的索引类型，如Ivf_Flat和HNSW，最终选择了在查询速度和召回率上表现更佳的HNSW索引。
向量检索技术在快看漫画的多个业务场景中得到了广泛应用，特别是在社区帖子Feed流中，应用向量检索技术后，消费时长、下滑深度、曝光、点击等指标均得到了不同程度的正向提升。这充分证明了Milvus在快看漫画业务中的价值。
然而，快看漫画的技术探索并未止步于此。在大语言模型及RAG技术出现后，快看迅速切入这一领域，开始在AI智能问答、IP角色互动等场景进行探索。RAG技术通过引用外部知识，可以有效缓解大语言模型在特定领域任务中的信息延迟和幻觉现象，是LLM在工业领域应用的关键技术。
在AI智能问答方面，快看漫画基于大语言模型构建了AI智能问答系统，通过意图识别来确定Query路由到哪些知识库，并决定是否触发检索。在召回和重排阶段，快看应用了微调过的Embedding模型和Rerank重排模型，显著提高了作品的搜索转化率和回答响应速度。目前，快看已经构建了内部PGC专题知识库、UGC帖子知识库以及问答知识库，为AI智能问答系统提供了丰富的数据支持。
在IP角色互动方面，快看漫画实现了角色扮演大模型与知识库RAG的结合。知识库包括原创剧情知识库和用户个性化记忆知识库，其中原创剧情知识库是快看漫画的最大优势。通过这一技术，快看漫画为用户提供了更加沉浸式和个性化的互动体验。
此外，快看漫画还在内部知识问答、多模态RAG等应用场景进行了探索，并尝试基于开源大模型进行微调，训练出在二次元领域的垂直大模型。这些努力不仅提升了快看漫画的技术实力，也为用户带来了更加优质和丰富的漫画体验。
值得一提的是，快看漫画在技术创新的同时，也始终关注着AIGC领域的发展。随着生成式AI技术的不断迭代和升级，快看漫画正积极探索AIGC在漫画创作和阅读中的应用。例如，快看漫画推出的AI数字化创作工作台，就帮助创作者实现了灵感寻找、编剧辅助、自动上色、角色换装等多种功能，极大地提升了创作效率和用户体验。
综上所述，Milvus与RAG技术的结合为快看漫画的多业务应用带来了显著的提升和创新。未来，随着技术的不断发展和完善，快看漫画将继续在AIGC领域深耕细作，为用户带来更多惊喜和优质的漫画体验。同时，快看漫画也将继续推动漫画行业的创新发展，为中国文化的出海贡献更多力量。