RAG

【AI大模型应用开发】【RAG评估】综述：一文了解RAG评估方法、工具与指标

0.RAG效果评估的必要性评估出RAG对大模型能力改善的程度RAG优化过程，通过评估可以知道改善的方向和参数调整的程度1.RAG评估方法1.1人工评估最Low的方式是进行人工评估：邀请专家或人工评估员对
Langchain·2025-03-29 05:36

RAG技术综合评测：python从零实现

检索增强生成（RAG）是一种结合信息检索与生成模型的混合方法。它通过引入外部知识来提升语言模型的性能，从而提高回答的准确性和事实正确性。
AI仙人掌·2025-03-29 05:05

浅谈大模型RAG架构落地的十大挑战

0、RAG简介RAG（RetrievalAugmentedGeneration）结合知识库检索与大模型回答，确保信息可靠且精准，同时节省了微调成本。
冻感糕人~·2025-03-29 00:26

使用知识图谱，大幅提升RAG准确性

使用Neo4j和LangChain，在RAG应用中构建和检索知识图谱。微信搜索关注《AI科技论谈》图形检索—增强生成（GraphRAG）的发展势头日益强劲，已成为传统向量搜索检索方法的有力补充。
AI科技论谈·2025-03-28 22:47

科普：到底啥是RAG

一、RAG是什么1.1RAG的定义RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种创新的自然语言处理技术，它巧妙地融合了检索和生成两种方法，旨在为各种语言相关任务提供更为精准且富有逻辑性的解决方案
二流的吃货·2025-03-28 16:07

LangChain简明使用笔记（2）RAG系统构建

第二部分RAG构建摄取就是将文档转换为计算机可以理解和分析的数字，并将其存储在特殊类型的数据库中以便有效检索的过程。这些数字在形式上被称为嵌入，这种特殊类型的数据库被称为向量存储。
simon_skywalker·2025-03-27 15:32

《AI大模型开发笔记》企业RAG技术实战（二）

接上一篇《AI大模型开发笔记》企业RAG技术实战（一）https://mp.csdn.net/mp_blog/creation/editor/146381354使用llamaindex实例https:/
Richard Chijq·2025-03-27 08:06

LangChain开发（九）基于Rag实现文档问答

文章目录关联阅读Rag是什么？
丶只有影子·2025-03-27 02:54

那些自学【AI大模型】的，能骂醒一个算一个！

想要完全了解大模型，你首先要了解市面上的LLM大模型现状，学习Python语言、Prompt提示工程，然后深入理解FunctionCalling、RAG、LangChain、Agents等很多人不知道想要自学大模型
大模型入门学习·2025-03-26 18:27

【大模型技术】RAG系统的难题和解决方案（一）

RAG（Retrieval-AugmentedGeneration）系统是一种结合了检索（Retrieval）和生成（Generation）能力的混合模型架构，广泛应用于问答系统、对话系统、知识密集型任务等领域
大数据追光猿·2025-03-26 18:24

【大模型技术】RAG系统的难题和解决方案（二）

在RAG（Retrieval-AugmentedGeneration）系统中，召回排序环节的关键文档被遗漏是一个常见问题。
大数据追光猿·2025-03-26 18:24

【大模型知识点】检索增强生成（Retrieval Augmented Generation，RAG）简要介绍

RAG介绍1.RAG是什么？2.RAG的应用3.为什么需要RAGforLLM？4.RAG的一般流程5.检索优化6.重排序1.RAG是什么？
自信的小螺丝钉·2025-03-26 10:24

DeepSeek+RAG局域网部署

已经有很多平台集成RAG模式，dify，cherrystudio等，这里通过AI辅助，用DS的API实现一个简单的RAG部署。
长飞哥·2025-03-26 04:38

从 0 打造私有知识库 RAG Benchmark 完整实践

背景介绍最近从0构建了一个大模型知识库RAG服务的自动化Benchmark评估服务，可以基于私有知识库对RAG服务进行批量自动化测试与评估。本文是对这个过程的详细记录。
易迟·2025-03-25 23:35

论RAG技术在借贷业务审批流程优化中的运用及思考

本文深入探讨RAG（检索增强生成）技术在借贷业务审批流程中的运用，分析其对审批效率、准确性和客户体验的积极影响，同时剖析应用过程中面临的挑战，并提出相应的解决策略，旨在为金融机构利用RAG技术优化审批流程提供理论与实践参考
hy098543·2025-03-25 22:26

Langchain+Ollama实现Qwen模型+客服问答私有数据FAQ-实现RAG

目标：部署一个结合大模型和RAG的，客服问题API，如果提问的问题在常见FAQ里，使用FAQ里数据，否则使用大模型回答问题。本文使用Ollama直接运行本地Qwen模型，需要先安装好ollama。
showker·2025-03-25 18:21

RAG优化：python从零实现时间管理大师Self-RAG

今天我们要聊的是一个让RAG不再“乱来”的神奇系统——Self-RAG！它可不是那种只会机械检索文档的“书呆子”，而是一个懂得“偷懒”、懂得“挑三拣四”的“时间管理大师”！
AI仙人掌·2025-03-25 07:33

Dify知识库-RAG流程解析

Dify知识库RAG代码流程图源码解析document_indexing_task代码目录：dify/api/tasks/document_indexing_task.py主要做了以下两件事1.查询dataset
AI航海家(Ethan)·2025-03-25 03:04

一文搞懂RAG，原理，流程，最佳实践

前言最近遇到好多人和我交流RAG相关的技术，同事在说，面试在说，甚至我多年未联系的挚爱亲朋都突然来问我RAG是个啥？要怎么搞？
AI领航者·2025-03-25 03:01

无需Elasticsearch，三步搞定RAG！

无需复杂架构！不用学Elasticsearch！本文教你用纯Python+博查API，30行代码搭建一个高精度问答系统，本地文件、网页结果一键融合！一、核心思路：用文件+API实现“混合检索”极简设计图用户提问→本地知识库搜索→博查API搜索→结果合并→生成答案优势：本地文件快速检索（txt/csv等）博查API补充实时网页结果零第三方依赖，代码控制在100行内二、手把手实现：三模块代码拆解2.1
BigNorthBear·2025-03-24 22:54

大模型提示词工程师的自我修养-应用二（RAG数据合成与数据多样性问题的解决） -（专题4）

1.生成数据大型语言模型（LLMs）具有生成连贯文本的强大能力。通过有效的提示策略，可以引导模型生成更好、一致且更有事实依据的响应。LLMs也特别适用于生成数据，这对于进行各种实验和评估非常有用。例如，我们可以用它来为情感分类器生成快速样本，如下所示：提示词生成10个情感分析的示例。示例分为正面或负面类别。生成2个负面示例和8个正面示例。示例如下格式：Q:A:输出Q:我刚刚得到了最棒的消息！A:正
AI专题精讲·2025-03-24 11:28

聊聊langchain4j的Naive RAG

序本文主要研究一下langchain4j的NaiveRAG示例publicclassNaive_RAG_Example{/***ThisexampledemonstrateshowtoimplementanaiveRetrieval-AugmentedGeneration
hello_ejb3·2025-03-23 22:55

大模型Agent 和 RAG 的关系

Agent和RAG（Retrieval-AugmentedGeneration）是两种在自然语言处理（NLP）和人工智能领域中广泛使用的技术，它们在功能、目标和实现方式上既有区别又有联系。
大数据追光猿·2025-03-23 16:38

Agent、RAG、LangChain的概念及作用

作用：它能利用内置的大语言模型来做出规划，决定执行哪些步骤，以及每个步骤需要调用哪些工具（如RAG），之后调用相应的工具，最终完成任务。
北极冰雨·2025-03-23 16:04

端到端的NLP框架（Haystack）

Haystack是一个端到端的NLP框架，专门用于构建基于文档的问答系统，是实现RAG的理想选择。它提供了数据预处理、文档存储、检索和生成等一系列组件，支持多种语言模型和检索器。
deepdata_cn·2025-03-23 09:13

使用Python和LangChain构建检索增强生成（RAG）应用的详细指南

使用Python和LangChain构建检索增强生成（RAG）应用的详细指南引言在人工智能和自然语言处理领域，利用大语言模型（LLM）构建复杂的问答（Q&A）系统是一个重要应用。
m0_57781768·2025-03-22 21:33

使用LangChain实现基于LLM和RAG的PDF问答系统

2.LLM的能力与特点二、增强检索生成(RAG)三.什么是LangChain？
张同学吧·2025-03-22 20:00

向量检索、检索增强生成（RAG）、大语言模型及相关系统架构——典型面试问题及简要答案

2.什么是检索增强生成（RAG）？核
快撑死的鱼·2025-03-22 05:13

如何评估一个RAG系统（RAGas评测框架）-下篇

RAGas是一个用于评测RAG系统的评测框架，它支持与不同大语言模型的集成，并与langchain生态打通，能够很方便的构建评测系统。
写程序的小火箭·2025-03-22 05:13

【AI大模型应用开发】【RAG评估】0. 综述：一文了解RAG评估方法、工具与指标

微信公众号也可搜【同学小张】本站文章一览：前面我们学习了RAG的基本框架并进行了实践，我们也知道使用它的目的是为了改善大模型在一些方面的不足：如训练数据不全、无垂直领域数据、容易出现幻觉等。
同学小张·2025-03-22 05:43

Open WebUI – 本地化部署大模型仿照 ChatGPT用户界面

Docker部署简单，功能非常丰富，包括代码高亮、数学公式、网页浏览、预设提示词、本地RAG集成、对话标记、下载模型、聊天记录、语音支持等。官网地址：ht
m0_74824845·2025-03-22 01:37

使用SQL-PGVector进行PostgreSQL与语义搜索/RAG的结合

在现代数据密集型应用中，语义搜索和检索增强生成（RAG）技术越来越受欢迎。通过结合PostgreSQL和pgvector扩展，我们可以实现高效的语义搜索。
fgayif·2025-03-22 01:05

AI-智能体

AI智能体可以定义为「一个被赋予行动能力的LLM（通常在RAG环境中进行函数调用），以便在环境中对如何执行任务做出高层次的决策。」
修炼十万年的狗尾巴草·2025-03-21 23:19

收入突破 5 万，从大专生到大模型开发-第二篇（下）

学习心得：突出“普通人破局”的真实挣扎深夜破防：我也想过放弃1：学RAG时，连续3天卡在向量数据库检索效果，甚至想“回去干Java算了”。
智码工坊·2025-03-21 20:30

nextjs 实现rag知识库检索增强的ai问答app

AI-Chat-一个基于LLM大语言模型的知识库问答系统项目源码：https://github.com/goliter/ai-chat项目简介AI-Chat是一个基于Next.js和React开发的现代化大语言模型的知识库问答系统。该平台提供了简易的对话界面，支持上传文件进行知识库的构建，让用户在与大语言模型进行问答时给与大模型知识库内的相关内容。主要功能上传文件构建属于自己的知识库支持doc,t
*goliter *·2025-03-21 20:55

如何用大模型评估大模型——PAI-Judge裁判员大语言模型的实现简介

但是如何对一个开放式生成LLM进行效果评估，尤其在知识问答、客服对话、内容合规、RAG（检索增强生成）等场景中，目前主流的评测方式仍存在一定的局限性：人工标注：成本高昂、效率低下；传统的自动化评估
·2025-03-21 12:08

【AI大模型应用开发】RAG-Fusion框架：忘掉 RAG，未来是 RAG-Fusion

RAG目前很火，但是也有一些不足的地方。有不足就有改进方法。本文我们来看一个方法：RAG-Fusion，理解其原理，并看一下其实现源码。
同学小张·2025-03-21 10:22

rag-给一篇几百页的pdf，如何从中找到关键信息并汇总出关系图

小思考对pdf肯定要做模糊chunk，能用模型切分就用模型切分，不能用模型就用规则，规则要尽可能保存连续文本，特殊数据格式（图、表格）必须完整保存，必须能被捕捉到。这些独立的表格or图数据，也要单独做embedding，以其中的title和行列title信息作embedding材料。也不能忘了传统搜索方法，基于搜索的、基于传统词频的、基于关键字的。。。假设已经找到了信息所在的目标，如果它是个表格，
蒸土豆的技术细节·2025-03-21 09:20

RAG 企业级应用落地框架细节差异对比

—1—什么是RAG？RAG检索增强生成本质上来讲，就三件事情：第一、Indexing索引。即如何更有效地存储知识。第二、Retrieval检索。
一顿码·2025-03-20 15:55

【Spring AI】基于专属知识库的RAG智能问答小程序开发——代码逐行精讲：核心交互函数及RAG知识库构建

系列文章目录【SpringAI】基于专属知识库的RAG智能问答小程序开发——完整项目（含完整前端+后端代码）【SpringAI】基于专属知识库的RAG智能问答小程序开发——代码逐行精讲：核心ChatClient
un_fired·2025-03-20 15:20

个人AI助手的未来：Yi AI开源系统助力快速搭建

同时，平台集成了本地RAG方案，利用Milvus与Weaviate向量数据库支持本地部署，为用户提供高效、灵活的数据处理能力。
耶耶Norsea·2025-03-20 14:16

AI学习指南RAG篇(24)-RAGFlow的社区与开源贡献

一、引言RAGFlow是一款基于深度文档理解的开源RAG（Retrieval-AugmentedGeneration，检索增强生成）引擎，旨在解决现有RAG技术在数据处理和生成答案方面的挑战。
俞兆鹏·2025-03-20 10:07

聊聊langchain4j的Naive RAG

序本文主要研究一下langchain4j的NaiveRAG示例publicclassNaive_RAG_Example{/***ThisexampledemonstrateshowtoimplementanaiveRetrieval-AugmentedGeneration
·2025-03-20 09:46

DeepSeek智能政务大脑：城市服务知识库构建全指南——从RAG架构到民生场景落地实践

DeepSeek赋能城市智慧升级：基于RAG架构的市民服务智能知识库构建全解一、需求分析与技术选型1.1市民服务场景需求市民服务智能知识库需要解决政务咨询效率低下、专业术语难理解、多轮对话能力弱等核心问题
Coderabo·2025-03-20 07:42

五、AIGC大模型_08Agent基础知识

0、概述根据知识的生命周期分类，我们通常会采取不同的方法（微调、RAG、Agent）来将知识融入到AI中0.1长生命周期知识这类知识通常具有较高的稳定性和通用性，不会因时间的推移而轻易改变。
学不会lostfound·2025-03-20 06:33

macos 搭建 ragflow 开发环境

ragflow是一个很方便的本地RAG库。
Dickence·2025-03-20 02:08

95% 向量资源节省，火山引擎云搜索 RAG 技术体系演进

2024年，RAG技术如日中天。RAG使得大模型能够在不更新模型参数的情况下，获得必要的上下文信息，从而减少大模型的幻觉。
字节跳动云原生计算·2025-03-20 02:58

AI编程工具领域：深度理解项目架构篇

以下是基于最新信息的工具评估与分析：1.通义灵码（阿里云）核心能力：@workspace功能：基于RAG技术，支持本地代码库的索引和深度感知，可分析项目完整结构，生成文件解释、代码逻辑查询和整体修改建议
xinxiyinhe·2025-03-20 00:16

深度学习-130-RAG技术之基于Anything LLM搭建本地私人知识库的应用策略问题总结(一)

文章目录1AnythingLLM的本地知识库1.1本地知识库应用场景1.2效果对比及思考1.3本地体现在哪些方面1.3.1知识在本地1.3.2分割后的文档在本地1.3.3大模型部署运行在本地2问错问题带来的问题2.1常见的问题2.2原因分析3为什么LLM不使用我的文件？3.1LLM不是万能的【omnipotent】3.2LLM不会自省【introspect】3.3AnythingLLM是如何工作的
皮皮冰燃·2025-03-20 00:43

DeepSeek私有化部署搭建、本地知识库、可联网查询RAG检索增强生成

一、如何私有化部署DeepSeek如何部署DeepSeek，具体可参考以下内容：喂饭式教程-腾讯云轻量服务器部署DeepSeek：https://cloud.tencent.com/developer/article/2494571喂饭式教程-腾讯云HAI服务部署DeepSeek：https://cloud.tencent.com/developer/article/2495288喂饭式教程-腾讯
TonyH2002·2025-03-20 00:42
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他