本文介绍了作者如何利用检索增强生成（RAG）技术来提高本地LLM语音助手的速度和可扩展性。作者发现，传统的LLM推理方法在处理长上下文时效率低下，尤其是在智能家居场景中，需要将整个智能家居状态传递给LLM。为了解决这个问题，作者引入RAG技术，通过计算用户提示和文档嵌入之间的余弦相似度，仅选择与用户查询最相关的部分来增强LLM提示，从而显著减少上下文长度，提高推理速度。作者还通过动态生成上下文学习示例来进一步提高LLM的性能。