Rag

【爆款长文】RAG检索增强大模型的“记忆力”革命：Contextual Chunk Headers（CCH）实战全解析

今天我们来聊聊RAG（Retrieval-AugmentedGeneration）这个AI圈的“记忆力补脑丸”，以及它最近新晋的“脑白金”——ContextualChunkHeaders（CCH）。

许泽宇的技术分享·2025-06-29 05:37

爆改RAG检索力：三大Query变形术，助你玩转AI知识检索！

你以为RAG（Retrieval-AugmentedGeneration）就是“检索+生成”那么简单？那你可太低估AI界的“内卷”了！

许泽宇的技术分享·2025-06-29 00:30

RAG应用的评估（一）

前言上篇文档主要是对Advanced-RAG的定义、策略和适用场景做了一个细致的分析，那么当我们准备将一个基于大模型的RAG应用投入生产时，如何去判断这个RAG是否合理呢？

AI老炮·2025-06-28 15:50

【RAG面试题】LLMs已经具备了较强能力,存在哪些不足点?

目录LLMs核心不足点1、知识过时与静态性（LackofReal-Time&DynamicKnowledge）：2、幻觉与事实性错误（Hallucinations&FactualInaccuracies）：3、领域专业知识深度不足（LimitedDomain-SpecificExpertise）：4、缺乏透明度和可追溯性（LackofTransparency&Traceability）：5、上下文

一叶千舟·2025-06-28 15:50

构建医学文献智能助手：基于 LangChain 的专业领域 RAG 系统实践

前言在当今医疗科技快速发展的时代，每天都有数以千计的医学研究成果在全球范围内发表。从临床试验报告到基础研究论文，从流行病学调查到药物研发数据，这些专业文献承载着推动医学进步的重要知识。然而，面对如此海量且专业性极强的文献资料，医疗从业者往往感到力不从心。如何在有限的时间内，准确把握文献核心价值，并将其转化为临床实践的指导？这个问题一直困扰着整个医疗行业。1.项目背景与业务价值1.1医学文献阅读的困

·2025-06-28 15:18

RAG 调优指南：Spring AI Alibaba 模块化 RAG 原理与使用

>夏冬,SpringAIAlibabaContributorRAG简介什么是RAG（检索增强生成）RAG（RetrievalAugmentedGeneration，检索增强生成）是一种结合信息检索和文本生成的技术范式

ApacheDubbo·2025-06-28 14:40

【RAG面试题】如何获取准确的语义表示

1.选择合适的Embedding模型2.正确的文本预处理与切分3.文本清洗与标准化4.构建合理的向量库5.检索质量验证与优化详细知识点覆盖面试回答技巧回答模板在RAG中，准确的语义表示直接影响检索相关性

·2025-06-28 00:48

基础RAG实现，最佳入门选择（七）

增强型RAG系统的查询转换采用三种查询转换技术，以提高RAG系统中的检索性能，而无需依赖于像LangChain这样的专门库。通过修改用户查询，我们可以显著提高检索信息的相关性和全面性。

·2025-06-28 00:42

大语言模型(LLM)量化基础知识(一)

-派神-·2025-06-27 23:42

增强版 Kimi：AI 驱动的智能创作平台，实现一站式内容生成（图片、PPT、PDF）！

AI大模型（LLM）、智能体（Agent）、知识库、向量数据库、知识图谱，RAG，AGI的不同形态愈发显现，如何将其动态组合，凸显其强大爆发力！！！接下来，我们介绍通过Kimi进行功能增强？

每天译点晓知识·2025-06-27 10:12

局域网访问WSL服务——问题排查笔记

给团队做了一个RAG项目，由于使用的向量数据库是milvus（不支持Windows），以及方便后面项目迁移到服务器，遂开发调试过程中使用的是WSL2。

迟三登·2025-06-27 03:48

基础RAG实现，最佳入门选择（五）

上下文标头在RAG中使用增强生成（RAG）通过在生成响应之前检索相关的外部知识来提高语言模型的事实准确性。然而，标准组块经常丢失重要的上下文，使得检索不太有效。

·2025-06-27 01:51

实战LangChain（三）：深化交互——利用Neo4j提升聊天机器人的对话能力

实战LangChain（三）：深化交互——利用Neo4j提升聊天机器人的对话能力实战LangChain（一）：构建您的第一个聊天机器人_langchai机器人实战LangChain（二）：探索RAG——

matianlongg·2025-06-26 12:38

No module named ‘dbgpt_ext.rag.retriever.doc_tree‘

dbgpt_ext模块导入失败解决方案1.检查dbgpt_ext是否存在于项目中(推荐)首先确认项目中是否存在dbgpt_ext目录：#进入项目根目录cdD:\soft\DB-GPT#查找dbgpt_ext目录dirpackages|findstrdbgpt_ext#Windowslspackages|grepdbgpt_ext#Linux/macOS如果不存在，可能需要从源码安装或更新子模块：#

爱吃土豆的马铃薯ㅤㅤㅤㅤㅤㅤㅤㅤㅤ·2025-06-26 07:05

深入理解RAG：大语言模型时代的知识增强架构

检索增强生成（Retrieval-AugmentedGeneration，简称RAG）技术的出现，为解决这些问题提供了一个优雅而有效的方案。一、为什么需要RAG？

小胡说技书·2025-06-25 23:43

医疗AI新势力：自演进多智能体MAS的进击之路

医疗AI新势力：自演进多智能体MAS的进击之路往期相关文章：Python在开放式医疗诊断多智能体系统中的深度应用与自动化分析基于多智能体强化学习的医疗AI中RAG系统程序架构优化研究自演进多智能体在医疗临床诊疗动态场景中的应用医疗

Allen_Lyb·2025-06-25 14:36

RAG系列：RAG越来越不准？你可能忽略了“元数据”的力量

在这个过程中，你可能已经花了大量时间解析和清洗上千份文档，接入RAG，但结果仍然不理想。为什么会这样？其中一个很重要的原因是，我们花了很多时间构建知识库，却忽略了一个看似不起眼的部分——元数据。

数智前沿·2025-06-25 14:28

【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解Function Calling）如何使用 Function Calling 且保证鲁棒性？

【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解FunctionCalling）如何使用FunctionCalling且保证鲁棒性？

985小水博一枚呀·2025-06-25 10:34

Java企业技术趋势分析：AI驱动下的Spring AI、LangChain4j与RAG系统架构

【Java企业技术趋势分析：AI驱动下的SpringAI、LangChain4j与RAG系统架构】开篇在当今快速发展的技术环境中，人工智能（AI）正在以前所未有的速度重塑企业的技术架构和业务流程。

在未来等你·2025-06-25 05:28

【AI大模型学习路线】第二阶段之RAG基础与架构——第十章（向量数据库算法进阶-HSNW）NSW图中的搜索问题？

【AI大模型学习路线】第二阶段之RAG基础与架构——第十章（向量数据库算法进阶-HSNW）NSW图中的搜索问题？

985小水博一枚呀·2025-06-25 05:53

【AI大模型学习路线】第二阶段之RAG基础与架构——第十章（向量数据库算法进阶-HSNW）具有层次结构的NSW？

【AI大模型学习路线】第二阶段之RAG基础与架构——第十章（向量数据库算法进阶-HSNW）具有层次结构的NSW？

985小水博一枚呀·2025-06-25 05:53

从零构建企业知识库问答系统（基于通义灵码+RAG+阿里云OSS的落地实践）

传统解决方案如Wiki或文档管理系统存在两大局限：被动检索：用户需精确知道搜索关键词理解缺失：无法解析"季度营收增长率计算方法"等复合问题RAG（检索增强生成）技术的革命性在于将语义检索与大语言模型结合

大熊计算机·2025-06-24 23:21

RAG技术对比：AI原生应用中的检索增强方案选型

RAG技术对比：AI原生应用中的检索增强方案选型关键词：RAG技术、检索增强生成、大语言模型、向量检索、混合检索、方案选型、AI原生应用摘要：本文深度解析RAG（检索增强生成）技术在AI原生应用中的核心价值

·2025-06-24 14:39

【LangChain】

️技术背景与价值当前技术痛点️解决方案概述目标读者说明一、技术原理剖析核心架构图解核心作用讲解关键技术模块说明⚖️技术选型对比️二、实战演示⚙️环境配置要求核心代码实现案例1：使用Template构建RAG

满怀1015·2025-06-24 12:25

基础RAG实现，最佳入门选择（四）

RAG中的上下文丰富检索，检索增强生成（RAG）通过从外部来源检索相关知识来增强AI响应。传统的检索方法返回孤立的文本块，这可能导致答案不完整。

·2025-06-23 22:49

Chonkie：一个极速且轻量级文本分块的革命者，解锁 RAG 分块多种策略

Chonkie是为RAG任务设计的轻量级文本分块库，以快速性能和易于使用著称，旨在解决传统文本分块库的效率和体积问题。核心特点包括多种分块器、9.7MB的轻量级安装、以及优化的分块速度。

程序员笑武·2025-06-23 20:41

基础RAG实现，最佳入门选择（二）

·2025-06-23 14:05

Java AI 开发技术栈详见

提示：本文深入探讨了Java在AI开发中的技术栈JavaAI开发技术栈详见前言1.Java在AI开发中的优势2.核心JavaAI框架与技术栈2.1LangChain4j2.2SpringAI2.3RAG

Spume--·2025-06-23 13:53

【读代码】深入解析Ragas：RAG应用效果评估最好的工具

一、基本介绍Ragas是由ExplodingGradients团队开发的专业LLM应用评估框架，通过自动化测试和量化指标帮助开发者构建可靠的AI系统。项目采用模块化架构设计，核心功能包括：#典型架构模块├──metrics#50+评估指标实现├──testset#测试集生成系统├──embeddings#多模态嵌入支持├──integrations#主流框架集成├──optimizers#遗传算法

kakaZhui·2025-06-23 12:45

【RAG优化】深度解析开源项目MinerU：从PDF解析到多模态理解的工业级解决方案

一、项目全景扫描MinerU（GitHub:opendatalab/MinerU）是由OpenDataLab团队开发的开源文档解析工具，其核心价值在于将复杂的PDF文档转化为结构化数据。项目始于大模型预训练数据清洗需求，现已成为支持多模态文档理解的工业级解决方案。最新发布的2.0版本（2025/06）在架构设计、性能指标和功能特性上实现全面升级，展现出三个显著特征：模块化架构：通过pipeline

kakaZhui·2025-06-23 11:43

【大模型应用开发动手做AI Agent】RAG和Agent

RAG,Agent,大模型应用,AI,知识图谱,检索,响应生成,聊天机器人1.背景介绍近年来，大模型技术取得了飞速发展，其强大的语言理解和生成能力为人工智能应用带来了新的机遇。

AI智能应用·2025-06-23 07:45

AI大模型RAG架构详细解析（一）标准RAG、纠正型RAG、推测型RAG、融合型RAG、代理型RAG

检索增强生成（Retrieval-AugmentedGeneration，简称RAG）正是实现这一目标的幕后英雄。

大模型面微调_·2025-06-23 07:41

【AI大模型学习路线】第二阶段之RAG基础与架构——第十一章（【项目实战】基于RAG的新闻推荐）传统推荐算法与基于LLM的推荐算法？

【AI大模型学习路线】第二阶段之RAG基础与架构——第十一章（【项目实战】基于RAG的新闻推荐）传统推荐算法与基于LLM的推荐算法？

985小水博一枚呀·2025-06-23 05:03

单机环境下基于 LLM-Agent 框架的数据查询智能体训练教程

训练目标包括：构建高效的检索模块（如FAISS向量检索、RAG、混合检索

·2025-06-23 00:53

大模型RAG系统面试题及参考答案

目录什么是RAG？它由哪些核心部分组成？RAG与传统的LLM（如GPT）生成方式有何区别？RAG的设计初衷是什么？解决了哪些问题？检索器（Retriever）在RAG中的作用是什么？

大模型大数据攻城狮·2025-06-22 18:13

Spring Boot + LangChain 构建 RAG 应用

使用LangChain构建RAG应用程序什么是RAG？检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种结合了检索和生成两种关键技术的机器学习方法。

程序员丸子·2025-06-22 16:05

LangChain4j入门学习项目

点击跳转到网站一、LangChain4j技术概览与环境搭建1.1LangChain4j核心价值解析大模型集成统一API优势[2][6]Java生态下RAG/Agent等高级模式支持[13][14]1.2

HeartException·2025-06-22 16:03

大模型实战干货：如何基于LangChain 在本地构建一个可运行的 RAG 系统（附完整代码）

RAG系统结构图项目依赖安装pipinstallla

勤奋的知更鸟·2025-06-22 16:33

【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解Function Calling）Function Calling（函数调用）详解，附代码？

【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解FunctionCalling）FunctionCalling（函数调用）详解，附代码？

985小水博一枚呀·2025-06-22 15:27

Agent 处理流程

而大模型源于研究知识的深度学习多数情况下认为该系统中会存在下面的角色或名词用户（另一个人）上下文（记忆）变量（记忆）提示词（沟通方式）工具（手臂）大模型（大脑）这个图将着重表现Agent的决策循环，这是其与普通RAG

成都犀牛·2025-06-22 14:20

RAG 和微调如何抉择

要选择RAG(Retrieval-AugmentedGeneration)还是微调(Fine-tuning)，或者两者结合，主要取决于如下数据特性应用场景资源限制模型行为的控制需求RAGvs.微调：如何选择

成都犀牛·2025-06-22 14:20

RAG 处理流程

下面是处理流程图UserSystemEmbeddingModelRetrieverRerankerLLMKnowledgeBase输入问题(Query)用嵌入模型编码QueryQuery向量用Query向量检索查找相似向量(原始使用嵌入模型编码)返回TopK文档块原始检索结果对结果重排序(可选)精排后文档组合:Query+相关文档生成最终回答返回答案UserSystemEmbeddingModel

成都犀牛·2025-06-22 14:20

互联网大厂Java求职面试：AI与大模型技术下的RAG系统架构设计与性能优化

【互联网大厂Java求职面试：AI与大模型技术下的RAG系统架构设计与性能优化】文章内容面试官开场白技术总监（李明）：“郑薪苦，欢迎来到今天的面试。我是李明，负责我们公司的AI平台架构设计。

在未来等你·2025-06-22 03:37

【开源项目】免费且本地运行：快用 DeepEval 测测你的大模型接口有没有缩水

作为一个整天鼓捣大语言模型应用的大学生，我经常遇到一个头疼事儿：做了个RAG管道、搞了个聊天机器人，或者搭了个代理工作流之后，怎么才能知道它到底好不好、靠不靠谱？

MarkGosling·2025-06-21 12:32

检索增强生成（RAG）领域关键数据集综述：分类、挑战与展望

检索增强生成（RAG）领域关键数据集综述：分类、挑战与展望摘要检索增强生成（RAG）通过融合外部知识库与大型语言模型，已成为解决知识密集型自然语言处理（NLP）任务的关键范式。

致Great·2025-06-21 10:23

大模型系列——使用 Redis 和 Spring AI 创建 RAG（检索增强生成）应用

文章目录大模型系列——使用Redis和SpringAI创建RAG（检索增强生成）应用1、概览2、RAG是什么？

猫猫姐·2025-06-21 01:56

Java大模型开发入门 (13/15)：拥抱官方标准 - Spring AI框架入门与实践

它就像一个装备齐全的“瑞士军刀”，为我们提供了构建RAG和Agents所需的所有底层和高层工具。然而，在Java企业级开发的世界里，有一个名字我们永远无法忽视——Spring。

程序员阿超的博客·2025-06-20 23:07

基于 Spring AI + MCP + DeepSeek-R1-7B 构建企业级智能 Agent 工具调用系统

项目背景与架构设计技术选型SpringAISpring官方推出的AI接入框架，支持LangChain、MCP、RAG等能力；MCP（ModelContextProtocol）模型与工具之间通信的协议桥梁

奔向理想的星辰大海·2025-06-20 22:36

Streamlit在人工智能中的应用场景

Streamlit在AI大模型（如GPT、LLaMA、Claude等）和RAG（检索增强生成）中的应用非常广泛，它能够快速构建交互式界面，让用户直观体验大模型的能力，并灵活调整参数或输入数据。

不老刘·2025-06-20 18:37

告别复杂SQL！Vanna问答引擎构建动态可视化报表

一、Vanna简介Vanna是一个开源的、基于Python的RAG（检索增强生成）框架，专门用于SQL生成和相关功能。它能将自然语言问题自动转成SQL，并且还能直接跑在数据库上，自动生成可视化图表。

青见丑橘·2025-06-20 09:04

推荐频道

Rag

【爆款长文】RAG检索增强大模型的“记忆力”革命：Contextual Chunk Headers（CCH）实战全解析

爆改RAG检索力：三大Query变形术，助你玩转AI知识检索！

RAG应用的评估（一）

【RAG面试题】LLMs已经具备了较强能力,存在哪些不足点?

构建医学文献智能助手：基于 LangChain 的专业领域 RAG 系统实践

RAG 调优指南：Spring AI Alibaba 模块化 RAG 原理与使用

【RAG面试题】如何获取准确的语义表示

基础RAG实现，最佳入门选择（七）

大语言模型(LLM)量化基础知识(一)

增强版 Kimi：AI 驱动的智能创作平台，实现一站式内容生成（图片、PPT、PDF）！

局域网访问WSL服务——问题排查笔记

基础RAG实现，最佳入门选择（五）

实战LangChain（三）：深化交互——利用Neo4j提升聊天机器人的对话能力

No module named ‘dbgpt_ext.rag.retriever.doc_tree‘

深入理解RAG：大语言模型时代的知识增强架构

医疗AI新势力：自演进多智能体MAS的进击之路

RAG系列：RAG越来越不准？你可能忽略了“元数据”的力量

【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解Function Calling）如何使用 Function Calling 且保证鲁棒性？

Java企业技术趋势分析：AI驱动下的Spring AI、LangChain4j与RAG系统架构

【AI大模型学习路线】第二阶段之RAG基础与架构——第十章（向量数据库算法进阶-HSNW）NSW图中的搜索问题？

【AI大模型学习路线】第二阶段之RAG基础与架构——第十章（向量数据库算法进阶-HSNW）具有层次结构的NSW？

从零构建企业知识库问答系统（基于通义灵码+RAG+阿里云OSS的落地实践）

RAG技术对比：AI原生应用中的检索增强方案选型

【LangChain】

基础RAG实现，最佳入门选择（四）

Chonkie：一个极速且轻量级文本分块的革命者，解锁 RAG 分块多种策略

基础RAG实现，最佳入门选择（二）

Java AI 开发技术栈详见

【读代码】深入解析Ragas：RAG应用效果评估最好的工具

【RAG优化】深度解析开源项目MinerU：从PDF解析到多模态理解的工业级解决方案

【大模型应用开发 动手做AI Agent】RAG和Agent

AI大模型RAG架构详细解析（一）标准RAG、纠正型RAG、推测型RAG、融合型RAG、代理型RAG

【AI大模型学习路线】第二阶段之RAG基础与架构——第十一章（【项目实战】基于RAG的新闻推荐）传统推荐算法与基于LLM的推荐算法？

单机环境下基于 LLM-Agent 框架的数据查询智能体训练教程

大模型RAG系统面试题及参考答案

Spring Boot + LangChain 构建 RAG 应用

LangChain4j入门学习项目

大模型实战干货：如何基于LangChain 在本地构建一个可运行的 RAG 系统（附完整代码）

【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解Function Calling）Function Calling（函数调用）详解，附代码？

Agent 处理流程

RAG 和微调如何抉择

RAG 处理流程

互联网大厂Java求职面试：AI与大模型技术下的RAG系统架构设计与性能优化

【开源项目】免费且本地运行：快用 DeepEval 测测你的大模型接口有没有缩水

检索增强生成（RAG）领域关键数据集综述：分类、挑战与展望

大模型系列——使用 Redis 和 Spring AI 创建 RAG（检索增强生成）应用

Java大模型开发入门 (13/15)：拥抱官方标准 - Spring AI框架入门与实践

基于 Spring AI + MCP + DeepSeek-R1-7B 构建企业级智能 Agent 工具调用系统

Streamlit在人工智能中的应用场景

告别复杂SQL！Vanna问答引擎构建动态可视化报表

【大模型应用开发动手做AI Agent】RAG和Agent