1.一种基于通识大模型和迁移学习的私有知识内容生成方法，其特征在于，所述方法包括：获取当前业务模式所需企业私有数据对应的结构化数据库，对所述结构化数据库中的结构化关系型数据进行表之间的外键关联，得到表关联数据；分别采用sql2text方法和sql2Instruction方法对所述表关联数据进行处理，得到文本数据集和指令数据集，利用所述文本数据集以及所述指令数据集对预先训练的通识大模型进行lora微调，得到私有知识大模型；获取实时私有数据，根据所述实时私有数据对应的若干分段文本向量构建参考材料向量库，获取用户输入，对所述用户输入进行向量转换，得到输入向量，从所述参考材料向量库中选取与所述输入向量最相近的参考材料向量，得到所述用户输入对应的参考材料；将所述用户输入和所述参考材料按照指令模板进行拼接，将拼接后的结果输入所述私有知识大模型，以得到对应的生成内容；从所述参考材料向量库中选取与所述输入向量最相近的参考材料向量，得到所述用户输入对应的参考材料的步骤，包括：计算所述输入向量与参考材料向量库中的参考材料向量之间的余弦相似度，根据每一参考材料向量对应的余弦相似度与预设阈值之间的大小关系，得到所述用户输入对应的参考材料；根据每一参考材料向量对应的余弦相似度与预设阈值之间的大小关系，得到所述用户输入对应的参考材料的步骤，包括：获取私有知识大模型支持的最大输入长度和相似度差值区间；所述相似度差值区间包括最小差值和最大差值；将每一参考材料向量对应的余弦相似度按照降序排序，得到相似度列表；遍历所述相似度列表中的每一余弦相似度，计算当前余弦相似度与符合预设条件的上一排序相似度的相似度差值，根据所述相似度差值与所述相似度差值区间的关系，得到用户输入对应的参考材料；所述用户输入与所述参考材料的总长度小于所述最大输入长度;所述利用所述文本数据集以及所述指令数据集对预先训练的通识大模型进行lora微调，得到私有知识大模型的步骤，包括：根据所述文本数据集以及所述指令数据集，得到混合数据集；将待训练参数分解为降维矩阵和升维矩阵，根据所述通识大模型的参数和所述待训练参数，得到私有知识大模型的参数；将所述混合数据集输入所述通识大模型中，对所述私有知识大模型的参数进行迭代训练，直到模型输出和真实答案的差距最小时，停止迭代，得到私有知识大模型。
2.根据权利要求1所述的方法，其特征在于，所述对所述结构化数据库中的结构化关系型数据进行表之间的外键关联，得到表关联数据的步骤，包括：根据当前任务模式设置关联字段对；将包含所述关联字段对的结构化关系型数据进行表之间的外键关联，得到表关联数据。
3.根据权利要求1所述的方法，其特征在于，采用sql2Instruction方法对所述表关联数据进行处理，得到指令数据集的步骤，包括：将所述表关联数据导出为sql语句，根据预先设置的多种提问方式和回答方式构建指令模板集；根据所述sql语句和所述指令模板集进行数据填充，得到指令数据集。
4.根据权利要求1所述的方法，其特征在于，根据所述实时私有数据对应的若干分段文本向量构建参考材料向量库的步骤，包括：采用sql2text方法将所述实时私有数据转换为文本，将所述文本划分为若干自然段；将每一所述自然段转换为多维向量，得到参考材料向量，根据若干自然段对应的参考材料向量，得到参考材料向量库。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：若所述相似度差值在所述相似度差值区间内，则保留当前排序相似度对应的参考材料。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：若所述相似度差值小于所述最小差值，则丢弃当前排序相似度对应的参考材料。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：若所述相似度差值大于所述最大差值，则丢弃当前排序相似度对应的参考材料向量，将所述符合预设条件的上一排序相似度对应的参考材料作为用户输入对应的参考材料。
