Actualmente, la discusión y aplicación de tecnologías de inteligencia artificial en la enseñanza de idiomas extranjeros está en plena ebullición, y los grandes modelos de lenguaje ofrecen ventajas evidentes para docentes y estudiantes en la enseñanza de idiomas. Sin embargo, debido a la gran cantidad de parámetros, el largo tiempo de entrenamiento y la característica de caja negra de las redes neuronales, los grandes modelos de lenguaje enfrentan problemas como la lenta actualización del conocimiento, la insuficiencia de conocimientos especializados y las "alucinaciones" en las respuestas, lo que conlleva riesgos e incertidumbres en la confiabilidad de la producción de conocimiento en aplicaciones educativas. La generación aumentada por recuperación (Retrieval Augmented Generation, RAG) mitiga eficazmente el problema de las "alucinaciones" de los grandes modelos de lenguaje integrando conocimientos externos, convirtiéndose en una tecnología importante para mejorar las capacidades de estos modelos. En este trabajo se construyó un sistema de preguntas y respuestas con múltiples motores y estrategias de recuperación de conocimiento, que incluye conocimientos de red actualizados en tiempo real representados por datos de Internet, conocimientos estructurados representados por gráficos de conocimiento y datos privados no estructurados representados por documentos locales privados del usuario, combinado con la poderosa capacidad de comprensión del lenguaje natural y el conocimiento parametrizado ya adquirido por los grandes modelos de lenguaje, aplicado integralmente al sistema de enseñanza de idiomas extranjeros. El sistema responde las preguntas que enfrentan docentes y estudiantes durante el aprendizaje exploratorio, caracterizado por ser seguro, confiable, con información de referencia completa, precisa y actualizada en tiempo real. Las evaluaciones objetivas y subjetivas de expertos verificaron que el sistema tiene buena confiabilidad y efectividad.

grandes modelos de lenguaje; generación aumentada por recuperación; gráficos de conocimiento; bases de conocimiento heterogéneas multisource; preguntas y respuestas de conocimientos de idiomas extranjeros