RAG 第4页

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

使用pgvector实现PostgreSQL语义搜索和RAG：完整指南1.引言在当今的数据驱动世界中，能够高效地搜索和检索相关信息变得越来越重要。

小林rr·2025-02-18 00:28

1 分钟极速接入：ABAP 系统如何调用 DeepSeek

笔者之前的文章，已经详细介绍了DeepSeek的API调用方式：在腾讯HAI上使用DeepSeek+RAG实现SAP私人知识库免费使用DeepSeekR1满血版不卡顿，支持个人知识库D

汪子熙·2025-02-17 20:48

OpenWebUI，RAG+外部知识库+AI写文的开源应用

引言自从去年AI火起来之后，很多人便热衷于寻找适合自用的AI开源项目，把各家大模型API接入到自己的AI程序里，便可以通过AI辅助完成一系列日常任务，比如内容翻译/润色/总结/撰写、格式转换、数据分类、代码分析、角色扮演等等。一般情况下，大模型依靠自身训练数据便能够完成的任务质量偏高，像翻译总结、格式转换之类，市面上所有的AI程序基本都能够满足这一点需求；但是需要结合外部资料/超长上文信息/实时信

m0_74824780·2025-02-17 12:39

知识图谱大模型系列之 11什么是 Neo4j LLM 知识图谱构建器？

它与检索增强生成(RAG)聊天机器人集成，可实现自然语言查询和对数据的可解释洞察。

知识大胖·2025-02-17 07:53

python后端调用Deep Seek API

DeepSeekAPI需要依次下载●Ollama●DeepseekR1LLM模型●嵌入模型nomic-embed-text/bge-m3●AnythingLLM参考教程：DeepseekR1打造本地化RAG

YY_oot·2025-02-16 22:20

DeepSeek-R1 蒸馏 Qwen 和 Llama 架构企业级RAG知识库

“DeepSeek-R1的输出，蒸馏了6个小模型”意思是利用DeepSeek-R1这个大模型的输出结果，通过知识蒸馏技术训练出6个参数规模较小的模型，以下是具体解释：-**知识蒸馏技术原理**：知识蒸馏是一种模型压缩技术，核心是“教师-学生”模式。在该场景中，DeepSeek-R1作为“教师模型”，它是一个大型、复杂且性能强大的模型，具有丰富的语言知识和出色的处理能力。以Qwen或Llama架构为

qq_25467441·2025-02-15 20:00

基于 llama-index与Qwen大模型实现RAG

文章目录llama-index核心功能工作流程Qwen技术特点核心能力RAG核心原理关键优势工作流程知识准备阶段查询处理阶段检索与重排阶段语言模型调用阶段实现环境准备代码实现参考LlamaIndex和Langchain

uncle_ll·2025-02-15 09:35

PDF文件提取开源工具调研总结

在现代信息处理工作流中发挥了重要的作用，尤其是RAG项目中，通过将非结构化数据转化为结构化和可访问的信息，极大地提高了信息检索和生成的准确性、效率和实用性。所以PDF文档提取在RAG中显得尤为重要。

塞大花·2025-02-14 22:37

一个AI应用的开发、上线流程解析

PyTorch模型格式)2.2.mindir(MindSpore模型格式)2.3.onnx(开放神经网络交换格式)2.4实际例子：自动驾驶系统中的推理模块3.APP与网页4.运维中心与本地部署SDK5.RAG

終不似少年遊*·2025-02-14 17:03

RAG中的双编码器与跨编码器模型

RAG中的双编码器与跨编码器模型阅读时长：19分钟发布时间：2025-02-13近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【

·2025-02-14 01:01

RAG私域问答场景升级版方案(第二期方案)[2]：工业级别构建私域问答（业务问题、性能问题、安全成本问题等详细解决方案）

RAG私域问答场景升级版方案(第二期方案)[2]：工业级别构建私域问答（业务问题、性能问题、安全成本问题等详细解决方案）第一期方案参考：RAG私域问答场景整体夏详细方案(第一期方案)[1]：工业级别构建私域问答

汀、人工智能·2025-02-13 02:24

一文读懂RAG

目录一、RAG是什么？二、为什么需要RAG?

wangziling123456·2025-02-12 22:58

RAG-Driven Enhancement of Multimodal Electronic Health Records Analysis via Large Language Models

本文是LLM系列文章，针对《REALM:RAG-DrivenEnhancementofMultimodalElectronicHealthRecordsAnalysisviaLargeLanguageModels

UnknownBody·2025-02-12 21:50

DeepSeek-Ollama实现本地化无烦恼

它支持各种LLM运行器，如Ollama和OpenAI兼容的API，并内置了RAG推理引擎，使其成为强大的AI部署解决方案。star72

c_zyer·2025-02-12 20:11

亚马逊云科技Bedrock知识库自定义语义搜索配置教程

借助亚马逊云科技的AmazonBedrock知识库功能，我们可以安全地将AmazonBedrock中的基础模型连接到我们的私有数据，实现检索增强生成（RAG）。

佛州小李哥·2025-02-12 13:57

【Neo4j 】学习笔记：GraphRAG 宣言：为 GenAI 添加知识

GraphRAG宣言：为GenAI添加知识原文菲利普·拉瑟尔图片菲利普·拉瑟尔7月11日阅读时长：22分钟我们正在进入RAG的“BlueLinks”时代GraphRAG宣言。

等风来不如迎风去·2025-02-10 16:53

如何在 Node.js 中创建嵌入向量

在构建检索增强生成（RAG）应用时，首要任务是准备

·2025-02-09 18:10

探秘检索增强生成：上下文检索、混合搜索与密集检索全解析

近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】在自然语言处理（NLP）领域，检索增强生成（RAG

·2025-02-09 18:33

接入deepseek构建RAG企业智能问答系统

RAG基础流程AI大模型回答问题的方式AI大模型基于其训练的数据回答所有问题。如果未针对特定业务（如美团）进行专门“学习”，面对直接相关的问题时，无法给出理想的答案。

da pai ge·2025-02-09 16:08

大模型 RAG 知识总结

RAG（Retrieval-AugmentedGeneration）面一、LLMs已经具备了较强能力了，存在哪些不足点？

da pai ge·2025-02-09 16:38

聊聊Agentic RAG，可能是目前最强大和灵活的RAG实现方式

前言经典RAG应用的范式与架构已经非常流行，我们可以在很短的时间内借助成熟框架开发一个简单能用的RAG应用。

江湖人称麻花滕·2025-02-09 14:50

Retrieval-Augmented Generation，检索增强生成流程

RAG流程用户输入接收系统接收用户输入的查询问题或文本内容，例如“李白有哪些著名的作品？”用户输入可以通过自然语言处理（NLP）模型的输入端口或用户交互界面（如聊天应用、搜索引擎输入框等）接收。

从零开始学习人工智能·2025-02-09 08:40

14.4K+ Star！GPT Researcher：一个基于AI的智能研究助手

GPTResearcher的设计灵感来源于最新的Plan-and-Solve和RAG论文，目标是解决错误信息、速度、确定性和可靠性问题，通过并行化智能体工作而不是同步

鱼满满记·2025-02-09 07:00

MaxKB开源知识库问答系统累计下载数量超过300,000次！

截至2024年12月30日22:00，飞致云旗下开源项目——基于大语言模型和RAG的知识库问答系统MaxKB全网累计下载数量超过300,000次！

FIT2CLOUD飞致云·2025-02-09 04:03

智能代理RAG：超越传统信息检索的AI代码生成新范式

传统的检索增强生成(RetrievalAugmentedGeneration,RAG)技术在信息检索领域扮演着重要的角色，但其局限性也日益显现。

·2025-02-08 23:09

【AI】【RAG】使用WebUI部署RAG：数据优化与设置技巧详解

RAG（Retrieval-AugmentedGeneration）是一种通过知识库构建的高效问答系统。然而，在使用WebUI部署和优化RAG时，数据源管理和参数设置直接决定了系统的回答质量。

踏雪无痕老爷子·2025-02-08 07:30

基于LangChain-Chatchat实现的RAG-本地知识库的问答应用[3]-参数配置详细版

基于LangChain-Chatchat实现的RAG-本地知识库的问答应用[3]-参数配置详细版在开始参数配置之前，先执行以下脚本pythoncopy_config_example.py该脚本将会将所有

汀、人工智能·2025-02-08 07:28

【RAG知识库】本地搭建chatgpt知识库

️一种利用langchain思想实现的基于本地知识库的问答应用，目标期望建立一套对中文场景与开源模型支持友好、可离线运行的知识库问答解决方案。实现原理如下图所示，过程包括加载文件->读取文本->文本分割->文本向量化->问句向量化->在文本向量中匹配出与问句向量最相似的topk个->匹配出的文本作为上下文和问题一起添加到prompt中->提交给LLM生成回答。环境准备硬件准备：win11+wsl2

LLM教程·2025-02-08 06:23

RAG和KAG：AI知识增强的两大“利器”

一文读懂RAG和KAG：AI知识增强的两大“利器”阅读时长：15分钟发布时间：2025-02-07近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎

·2025-02-07 13:53

实例解析：RAG与模型微调的选择策略——三个简单案例帮你做出明智决策

我们重点来讨论几个案例，来看一下每个案例到底选择RAG，还是微调，或者是RAG+微调。

程序员老冉·2025-02-07 06:50

专为RAG和AGENT而生的PDF解析新工具：PymuPDF4LLM

利用大模型（LLM），结合本地知识，开发RAG或者AGENT的应用，解析PDF文档几乎是不可避免的事情。多数开发者可能习惯使用LlamaParse。这个工具虽然可以用，但总有不满意之处。

CS创新实验室·2025-02-07 03:56

使用DeepSeek-R1和Ollama构建RAG系统以进行本地部署

使用DeepSeek-R1和Ollama构建RAG系统以进行本地部署我们将探讨如何使用DeepSeekR1（一种针对结构化任务优化的开源推理模型）和Ollama（一种用于在本地运行LLM的框架）构建功能齐全的

·2025-02-07 02:10

大模型RAG优化方案_融合bm25和语义检索

1.写在前面检索增强生成(Retrieval-AugmentedGeneration,RAG)是一种将检索(Retrieval)和生成(Generation)相结合的技术，它利用检索到的相关信息来增强大型语言模型

kakaZhui·2025-02-06 23:31

高效抽取PDF文件打造RAG，从LlamaParse转向PymuPDF4llm

PymuPDF4llm：大型语言模型的高效PDF数据处理利器。PymuPDF4llm是专为大型语言模型设计的强大工具，能够将杂乱的PDF数据整理得井井有条，为你的AI项目提供有力支持。本文将带你深入了解PymuPDF4llm的功能和应用。1从LamaParse到Pymupdf4llm过去，我们经常遇到PDF提取工具操作复杂、结果不准确的问题。LamaParse曾试图简化这一过程，但其免费资源消耗速

小天才学习机打游戏·2025-02-06 19:38

大模型RAG应用开发之PDF解析工具对比

一汇总类型名称地址OCR提取表格内容保留文本顺序提取图片保存成md格式其他特性传统PDF解析库pymupdfhttps://github.com/pymupdf/PyMuPDF❌✔️✔️✔️❌●表格提取●自定义字体传统PDF解析库pdfminerhttps://github.com/pdfminer/pdfminer.six❌❌✔️❌❌●版面分析传统PDF解析库pdfplumberhttps://

大模型应用·2025-02-06 19:06

三分钟看懂RAG在智能问答系统中的应用

什么是RAG？RAG是一种将信息检索与生成模型相结合的混合架构。

大模型玩家·2025-02-05 22:04

LLM大模型RAG内容安全合规检查

针对RAG应用，内容安全合规检查方案的设计将围绕这三个阶段展开。为此，我们可以设计一套通用的合规检查机制，支持不同内容类型的检查，且

MichaelIp·2025-02-05 21:57

长上下文大模型会让检索增强生成（RAG）过时吗？

长上下文大模型会让检索增强生成（RAG）过时吗？大模型（LLM）的迅速发展对人工智能领域，尤其是自然语言处理（NLP）产生了重大影响。

·2025-02-05 18:38

知识图谱检索增强的GraphRAG(基于Neo4j代码实现）

在RAG应用中，结合

大模型扬叔·2025-02-05 02:44

心法利器[128] | 2024年算法小结-个人成长-打开思路-生日

往期回顾心法利器[123]|算法面试的八股和非八股讨论心法利器[124]|24年算法思考-大模型的应用与训练篇心法利器[125]|24年算法思考-RAG技术论文和实践小

机智的叉烧·2025-02-05 01:07

使用 LangChain 掌握检索增强生成 (RAG) 的终极指南：2、查询转换

例如，如果用户提出一个模糊的问题，我们的RAG检索器可能会根据与用户问题不太相关的嵌入（embeddings）检索出错误的（或模糊的）文档，导致LLM生成错误的答案。

Hugo_Hoo·2025-02-04 16:29

使用LangChain进行半结构化数据的RAG：从PDF解析到API集成

本文将介绍如何利用LangChain工具包，结合RAG（Retrieval-AugmentedGeneration）技术，处理这类数据。

aehrutktrjk·2025-02-04 16:55

【基于langchain + streamlit 完整的与文档对话RAG】

本地部署文档问答webdemo支持pdf支持txt支持doc/docx支持源文档索引你的点赞和收藏是我持续分享优质内容的动力哦~废话不多说直接看效果准备首先创建一个新环境（选择性）condacreate-nchatwithdocspython=3.11condaactivatechatwithdocs新建一个requirements.txt文件streamlitpython-docxPyPDF2f

放飞自我的Coder·2025-02-04 13:30

RAG：本地部署Langchain-Ollma(Windows)

RAG：本地部署Langchain-Ollma(Windows)RAG，即“RetrievalAugmentedGeneration”（检索增强生成），是一种结合了检索和生成技术的自然语言处理模型。

MurphyStar·2025-02-04 12:26

如何在本地正确部署Dify服务

Dify是一个开源的LLM（大型语言模型）应用开发平台，旨在为开发者提供从Agent构建到AIworkflow编排、RAG检索、模型管理等全方位的能力，从而轻松构建和运营生成式AI原生应用。

写python的鑫哥·2025-02-04 12:56

关于 RAG 模式的用户建议-（致Openai邮件内容节选）

问题现状与不足在使用RAG模式（“GPTs”应用或“项目”功能）处理相对复杂的任务（例如项目管理、长篇内容创作或复杂问题求解）时，我发现当前的检索方式过于依赖多路召回和全文总结。

tsistbasit·2025-02-04 12:51

缓存增强生成（CAG）对比检索增强生成（RAG）：谁才是大语言模型的最优解？

缓存增强生成（CAG）对比检索增强生成（RAG）：谁才是大语言模型的最优解？

·2025-02-04 03:49

深度学习：基于MindNLP的RAG应用开发

什么是RAG？

Landy_Jay·2025-02-03 13:47

使用Colpali架构掌握多模态RAG技术

为了解决这个问题，检索增强生成（RAG）模型应运而生。RAG（语义缓存：提升RAG性能的关键策略）通过将LLM的生成能力与外部知识检索系统相结合，实现了更准确、更可靠的输出。

大模型之路·2025-02-03 07:33

推荐频道

RAG