强生

探索大模型应用：构建基于检索的RAG实战指南

为了克服这些限制，本文将带你深入了解如何利用检索增强生成模型（RAG）来扩展大模型的能力，并通过一个实战案例，展示如何构建一个基于RAG的AI知识库。

李逍遥猿·2025-03-17 14:23

AI学习指南RAG篇(14)-RAG企业级应用案例

1.3示例代码2.知识管理平台2.1案例背景2.2实现过程3.企业级RAG系统建设3.1案例背景3.2实现过程三、总结一、引言RAG（Retrieval-AugmentedGeneration，检索增强生成

俞兆鹏·2025-03-16 09:24

向量存储与检索器

它们对于应用程序来说非常重要，这些应用程序需要获取数据以作为模型推理的一部分进行推理，就像检索增强生成（

小码农0912·2025-03-15 22:05

大模型工程师学习日记（十四）：检索增强生成（RAG）

如何递归分割文本递归分割(recursively)，这个文本分割器是用于通用文本的推荐工具。它接受一个字符列表作为参数。它会按顺序尝试在这些字符上进行分割，直到块足够小。默认的字符列表是["\n\n","\n","",""]。这样做的效果是尽可能保持所有段落（然后是句子，再然后是单词）在一起，因为这些通常看起来是语义上相关的文本块。文本如何分割：根据字符列表。块大小如何衡量：根据字符数量。下面我们

MMMMMMMay Love Code·2025-03-15 20:52

RAG技术的PDF智能问答系统

关键要点系统基于RAG（检索增强生成）技术，允许用户上传PDF并进行智能问答。使用Ollama的deepseek-r1模型和FAISS向量数据库，支持普通对话和基于PDF的问答模式。

AI Echoes·2025-03-15 05:38

AI学习指南RAG篇(5)-RAG的系统架构

检索算法3.2检索结果排序3.3示例代码4.生成模块4.1生成模型4.2提示工程4.3示例代码三、RAG系统的架构图四、总结一、引言RAG（Retrieval-AugmentedGeneration，检索增强生成

俞兆鹏·2025-03-14 09:56

【GPT入门】第16课 RAG入门

【GPT入门】第16课RAG入门1.RAG概念核心原理主要应用优势挑战RGA工作图解2.RAG系统基本搭建流程1.RAG概念RAG通常指检索增强生成（Retrieval-AugmentedGeneration

*星星之火*·2025-03-14 06:03

从零开始：基于LLM大模型构建智能应用程序的完整指南

基于LLM大模型构建智能应用程序的完整指南什么是LLM大模型如何利用LLM大模型构建智能应用程序1.收集和准备数据2.构建LLM大模型3.集成和部署4.监测和维护使用特定于私有领域的数据增强LLM检索增强生成

AI天才研究院·2025-03-14 00:27

【大模型新书】基于RAG的生成式AI：使用LlamaIndex、Deep Lake和Pinecone构建自定义的检索增强生成管道

书籍简介最小化AI幻觉，构建准确的自定义生成式AI管道，利用嵌入式向量数据库和集成的人类反馈来实现检索增强生成（RAG）购买本书的纸质版或Kindle版即包含免费的PDF格式电子书主要特点实现RAG的可追溯输出

AI大模型-大飞·2025-03-13 23:18

相同的问题看看Grok3怎么回答-Dify、RAG-Flow、FastGPT 核心特点对比

关键要点研究表明，Dify、RAG-Flow和FastGPT都是开源平台，专注于AI应用开发，特别是涉及RAG（检索增强生成）和知识库的场景。

释迦呼呼·2025-03-13 15:18

RAG(检索增强生成)系统实践与调优

在人工智能领域，检索增强生成（RetrievalAugmentedGeneration,RAG）是一种结合信息检索和生成式人工智能的技术，它通过从外部数据源中检索相关信息，来辅助大语言模型（LargeLanguageModel

python_知世·2025-03-13 07:16

大语言模型（LLM）的微调与应用

应用（Application）：基于现有模型的能力构建实际系统（如智能客服、文档摘要），侧重于工程化集成和交互设计，通常不修改模型参数，而是通过Prompt工程、RAG（检索增强生成）或A

AI Echoes·2025-03-13 03:50

第二十七个问题-AI Agent 与 RAG 的核心区别

AIAgent与RAG的核心区别AIAgent（人工智能代理）与RAG（检索增强生成）是当前生成式AI领域的两个关键技术，二者在功能定位、技术架构和应用场景上存在显著差异，但也可协同互补。

释迦呼呼·2025-03-12 22:46

AI学习指南RAG篇(7)-RAG知识库构建

分块的目的3.2分块策略3.3示例代码4.向量化4.1向量化的目的4.2示例代码4.3向量数据库4.4示例代码三、总结一、引言在RAG（Retrieval-AugmentedGeneration，检索增强生成

俞兆鹏·2025-03-12 10:28

9.3 智谱AI大模型生态爆发！中文准确率89.2%+代码生成67.3%，全面碾压GPT-4！

1.WebGLM：联网检索增强大模型智谱AI于2022年推出的WebGLM是基于GLM-10B打造的检索增强生成（RAG）模型，其创新性地将大语言模型与搜索引擎深度整合，构建了独特的四阶段处理架构：

少林码僧·2025-03-12 10:27

RAG检索增强生成（Retrieval-Augmented Generation）介绍（双模态架构：检索子系统、生成子系统）实现知识获取与内容生成的协同

文章目录增强生成（RAG）技术：原理、架构与前沿实践1.RAG技术架构剖析1.1技术融合范式-**检索子系统**-**生成子系统**2.核心组件与工作流程2.1数据预处理管线-**多粒度分块策略**-*

Dontla·2025-03-12 08:45

打造RAG系统：四大向量数据库Milvus、Faiss、Elasticsearch、Chroma 全面对比与选型指南

在当今信息爆炸的时代，检索增强生成（Retrieval-AugmentedGeneration，简称RAG）系统已成为自然语言处理（NLP）领域的重要工具。

橙子小哥的代码世界·2025-03-10 16:57

大模型好书推荐 -挖到宝了，500页RAG神书几乎把RAG讲得透透的

《基于大模型的RAG应用开发与优化——构建企业级LLM应用》是一本专注于RAG（Retrieval-AugmentedGeneration，检索增强生成）技术应用的书籍。

脱泥不tony·2025-03-10 14:07

具有自主规划与决策能力的 RAG 工作全面解析

简介RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种将信息检索与生成模型相结合的技术，广泛应用于需要外部知识支持的AI任务。

weixin_40941102·2025-03-07 13:15

RAG 检索增强生成：技术详解与应用展望

RAG检索增强生成：技术详解与应用展望一、引言随着人工智能技术的飞速发展，自然语言处理（NLP）领域迎来了前所未有的变革。

君君学姐·2025-03-07 07:18

【大模型基础_毛玉仁】0.系列文章

原书涵盖传统语言模型、大语言模型架构、提示工程、参数高效微调、模型编辑和检索增强生成等几大模块。

XiaoJ1234567·2025-03-07 00:02

Search-o1：智体搜索增强的大型推理模型

为了解决这一限制，引入Search-o1，这是一个使用智体检索增强生成(RAG)机制和用

三谷秋水·2025-03-05 22:53

【AI论文】DeepSolution：通过基于树的探索和双点思维促进复杂的工程解决方案设计

然而，检索增强生成（RAG）领域之前的研究并没有充分解决与复杂工程解决方案设计相关的任务。

东临碣石82·2025-03-05 17:07

RagFlow专题四、RagFlow 代码实战：基于通义千问（百炼平台）的检索增强生成（RAG）实现

RagFlow代码实战：基于通义千问（百炼平台）的检索增强生成（RAG）实现在本篇文章中，我们将从代码实战的角度，讲解如何使用RagFlow结合通义千问（百炼平台API）进行检索增强生成（RAG），实现一个完整的

伯牙碎琴·2025-03-05 13:07

【DeepSeek R1构建本地RAG知识库】应用框架选型对比（MaxKB、Dify、FastGPT、RagFlow、Anything-LLM）

Xd聊架构·2025-03-03 11:06

【大模型】RAG检索增强生成

RAG（Retrieval-AugmentedGeneration）是一种结合了信息检索（Retrieval）和生成（Generation）模型的混合型大模型架构，旨在解决传统生成模型在处理大规模外部知识时的局限性。简单来说，RAG通过在生成过程之前引入检索步骤，使得生成模型可以利用外部文档或知识库来增强其生成能力，提升对复杂问题的回答准确性。一、RAG的工作原理：检索阶段（Retrieval）：

油泼辣子多加·2025-03-02 21:47

Dify理论：漫话RAG

RAG，检索增强生成。给大语言模型一个大型图书馆。大语言模型在回答问题前，不要急于回答。先去图书馆里查阅一番，再根据所获取的知识进行回答。大语言模型，由闭卷考试，变成了开卷考试。

几道之旅·2025-03-02 12:58

基于 langchain+ollama 创建私有化知识库

概念介绍什么是RAGRAG是retrieval-augmented-generation的缩写，直译中文的意思是检索增强生成，可以简单理解能让训练好的大模型LLM可以结合外部数据，可以补充或者修正大模型返回的答案

大语言模型·2025-03-02 02:09

使用 LangChain 掌握检索增强生成 (RAG) 的终极指南：1、使用Langchain与RAG构建问答系统

1.使用Langchain实现基本RAG在本节中，我们将使用OpenAI和Langchain创建一个简单的QARAG。在下面的笔记本中，我们将进一步深入探讨RAG管道的复杂性。%load_extdotenv%dotenvsecrets/secrets.envfromlangchain_community.document_loadersimportPyPDFLoader,DirectoryLoad

Hugo_Hoo·2025-03-01 23:45

使用 LangChain 和 Milvus 构建测试知识库

LangChain是一个强大的框架，可以与向量数据库（如Milvus）无缝集成，用于构建基于检索的增强生成（RAG）系统。

Python测试之道·2025-03-01 22:07

提升AI测试效率：如何通过RAG技术优化LLM输出质量

为了解决这些问题，基于“检索增强生成”（RAG，Retrieval-Augmen

测试者家园·2025-03-01 12:05

基于 RAG（检索增强生成）、KAG（知识感知生成）和 CoT（链式思维）的生成式语言模型驱动推荐系统

一、系统架构详解1.输入层a.用户行为数据数据来源：网站浏览历史、购物车内容、购买记录、收藏夹、搜索记录等。处理方式：数据清洗、去重、时间序列分析，提取用户的长期和短期兴趣。特征工程：行为序列：用户行为的时间顺序，如最近浏览的商品类别。频率与时长：浏览某类商品的频率和时长。转化率：从浏览到购买的转化情况。b.商品数据数据来源：商品数据库，包括价格、品牌、类别、库存、评价、销量等。处理方式：标准化处

路人与大师·2025-02-27 09:27

RAG技术落地：核心痛点与应对策略全面解析

核心痛点与应对策略全面解析RAG技术落地：核心痛点与应对策略全面解析一、技术实现层的四大挑战二、数据质量管理的生死线三、产业落地的软性痛点四、未来技术演进方向RAG技术落地：核心痛点与应对策略全面解析检索增强生成

山风wind·2025-02-27 05:58

什么是RAG？RAG是如何解决问题的？RAG的未来发展趋势有哪些？

一、什么是RAG所谓RAG，检索增强生成（RetrievalAugmentedGeneration），简称RAG，已经成为当前最火热的LLM应用方案。

大模型综述·2025-02-26 18:31

在Intel GPU上使用IPEX-LLM进行本地BGE嵌入

在现代人工智能应用中，尤其在诸如检索增强生成（RAG）和文档问答等任务中，低延迟是一个至关重要的指标。

shuoac·2025-02-26 16:16

RAG技术全面解析：从原理到实践中的20个关键问题

RAG定义检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种结合检索技术与生成模型的技术。

大F的智能小课·2025-02-26 12:47

【RAG系列】AI的“三步记忆法“ - RAG工作流程全景解析

从人类记忆到机器记忆1.1考试复习的三步法则建立知识框架提取核心信息综合运用考前预习划重点考场作答最终答案这个经典的学习过程与RAG的工作流程惊人相似：预习阶段→文档预处理与向量化划重点→语义检索与上下文压缩作答→增强生成与结果校验技术原理

什么都想学的阿超·2025-02-26 04:51

细说向量化知识库

向量化知识库（VectorizedKnowledgeBase）+检索增强生成（Retrieval-AugmentedGeneration，RAG）提供了一种高效的解决方案。本文将深入解析向量

CCSBRIDGE·2025-02-25 18:41

怎么提升自定义知识库的质量（向量知识库）

上传文档后，CherryStudio或者AnythingLLM会将内容转换为向量数据库（VectorDatabase），然后用于检索增强生成（RAG，Retrieval-AugmentedGeneration

CCSBRIDGE·2025-02-25 18:11

如何用解决大模型时效性和准确性问题？RAG技术核心原理

为了解决这一问题，研究人员提出了一种新颖的技术，即RAG（Retrieval-AugmentedGeneration，检索增强生成）。

·2025-02-25 03:23

Ollama Open WebUI

OpenWebUI支持多种语言模型运行器（如Ollama和OpenAI兼容API），并内置了用于检索增强生成（RAG）的推理引擎，使其成为强大的AI部署解决方案。

alden_ygq·2025-02-25 03:51

探索与Cursor协作创建一个完整的前后端分离的项目的最佳实践

在一定程度上可以说是当今AI时代的最强生产力代表。为此，不惜重金开了年费会员来紧跟时代步伐。当然cline、roocode、trae等开源或者免费产品也在紧追不舍。

朝凡FR·2025-02-24 08:40

使用 pgvector 实现 PostgreSQL 语义搜索和 RAG：完整指南

本文将介绍如何使用pgvector扩展来增强PostgreSQL数据库，实现语义搜索和检索增强生成（RAG）功能，从而大大提升数据检索的效率和准确性。2.p

llzwxh888·2025-02-22 19:00

无缝融入，即刻智能[4]：MaxKB知识库问答系统[进一步深度开发调试，完成基于API对话，基于ollama大模型本地部署等]

.简介MaxKB(MaxKnowledgeBase)是一款基于LLM大语言模型的开源知识库问答系统，1.1产品优势开箱即用：支持直接上传文档、自动爬取在线文档，支持文本自动拆分、向量化、RAG（检索增强生成

汀、人工智能·2025-02-22 13:14

南京大学联合字节开源视频超分辨率增强生成框架，视频清晰度一键提升，支持从低分辨率视频生成高分辨率视频

❤️如果你也关注AI的发展现状，且对AI应用开发非常感兴趣，我会每日分享大模型与AI领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！微信公众号｜搜一搜：蚝油菜花快速阅读功能：STAR能够将低分辨率视频提升为高分辨率，恢复细节并保持时间一致性。技术：整合文本到视频扩散模型，引入局部信息增强模块和动态频率损失。应用：适用于影视制作、安防监控、运动员动作分析等多个

蚝油菜花·2025-02-21 05:45

使用BREEBS平台提升AI知识库

Breebs背后实现了多种增强生成（RAG）模型，以在每次迭代中无缝提供有用的上下文。技术背景介绍随着自然语言处理（NLP）技术的进步，大语言模型（LLM）在生成

dgay_hua·2025-02-21 05:11

企业级RAG开源项目分享：Quivr、MaxKB、Dify、FastGPT、RagFlow

企业级RAGGitHub开源项目深度分享：Quivr、MaxKB、Dify、FastGPT、RagFlow及私有化LLM部署建议随着生成式AI技术的成熟，检索增强生成（RAG）已成为企业构建智能应用的关键技术

Ainnle·2025-02-21 00:16

什么是Embedding、RAG、Function calling、Prompt engineering、Langchain、向量数据库？怎么使用

怎么使用Embedding（嵌入）RAG（检索增强生成）Functioncalling（函数调用）Promptengin

ZhangJiQun&MXP·2025-02-19 10:49

腾讯云大模型知识引擎×DeepSeek赋能文旅

腾讯云大模型知识引擎×DeepSeek赋能文旅——以合肥文旅为例的技术革新与实践路径一、技术底座：知识引擎与DeepSeek的融合逻辑腾讯云大模型知识引擎与DeepSeek模型的结合，本质上是**“知识库+检索增强生成

繁依Fanyi·2025-02-19 00:55

【带你 langchain 双排系列教程】1. langchian 基本架构与环境配置（siliconFlow Deepseek接入）

LangChain是一个用于构建和部署大模型应用的框架，涵盖了从语言模型（LLM）到检索增强生成（RAG）、OpenAI集成以及智能体（Agent）的全套工具链。

夜里慢慢行456·2025-02-18 17:35

推荐频道

强生