rag 第3页

为什么RAG系统必须引入Rerank？深入解析两阶段检索的价值与挑战

在当今大模型应用中，检索增强生成（RAG）已成为解决知识更新和幻觉问题的关键技术，但超过70%的RAG系统在首次部署后都面临答案不精准的困扰——而引入Rerank重排序机制，正是解开这一困局的关键密钥。

一休哥助手·2025-06-12 19:18

论文阅读：Enhancing Retrieval and Managing Retrieval: A Four-Module Synergy for Improved Quality and Ef

检索增强生成（RAG）技术利用大型语言模型（LLM）的上下文学习能力，生成更准确、更相关的响应。RAG框架起源于简单的“检索-阅读”方法，现已发展成为高度灵活的模块化范式。

clvsit·2025-06-12 17:04

使用RAG-Chroma-Multi-Modal构建多模态幻灯片视觉助手

通过多模态大型语言模型(LLM)，我们现在能够创建一个视觉助手来解析和回答关于图像的问题，而RAG-Chroma-Multi-Modal正是这样一个工具。

tt_jishu·2025-06-12 14:41

企业级RAG系统架构设计与实现指南（基于Java技术栈）

企业级RAG系统架构设计与实现指南（基于Java技术栈）开篇：RAG系统的基本概念与企业应用价值在当今数据驱动的商业环境中，企业对智能问答、知识检索和内容生成的需求日益增长。

在未来等你·2025-06-12 04:54

RAG 文档解析难点1：多栏布局的 PDF 如何解析

写在前面在构建检索增强生成(Retrieval-AugmentedGeneration,RAG)应用时，高质量的数据源是成功的基石。PDF作为一种广泛使用的文档格式，承载着海量的知识。

kakaZhui·2025-06-12 02:23

MemGPT学习资源汇总 - 打造具有长期记忆和自定义工具的LLM代理

它的主要特性包括:长期记忆/状态管理连接外部数据源(如PDF文件)进行RAG定义和调用自定义工具(如Google搜索)MemGPT还可以用于将代理部署为服务,支持在多个LLM提供商之上运行多用户、多代理应用程序

2401_87458778·2025-06-12 00:09

【GitHub开源项目实战】MemGPT 系列项目实战解析：开源记忆增强智能体框架 mem0 的架构原理与工程实践路径

系列项目实战解析：开源记忆增强智能体框架mem0的架构原理与工程实践路径关键词mem0、MemGPT、长时记忆管理、开源智能体、AI记忆模型、ContextCompression、LLMMemoryEngine、RAG

观熵·2025-06-12 00:39

LlamaIndex 摄取管道深度解析：从数据处理到向量存储的全流程指南

本文将深入剖析摄取管道的核心机制、功能模块及实战应用，帮助开发者构建高性能的RAG（检索增强生成）系统。一、摄取管道核心概念与架构设计1.1什么是摄取管道？摄取管道是LlamaInde

佑瞻·2025-06-11 19:31

AI中Prompt与RAG区别是什么？

AIGC爆火以后，应运而生的Prompt、RAG到底都是什么？为什么会有这些产物呢？

不知名产品露·2025-06-11 17:18

【langchain学习】问题路由之语义路由（SemanticRouter）

背景在RAG中，问题路由情况的一种解决方法：语义路由（SemanticRouter）。例如，当我们处理新闻标题时，不同类型的新闻（如体育新闻、军事新闻、日常新闻）可能需要不同的处理逻辑。

NLP仙人·2025-06-11 17:46

检索增强生成（RAG）技术深度解析：从原理到实践

一、RAG技术概述1.1技术背景生成式AI模型（如GPT-4、Claude）在自然语言处理领域取得了革命性进展，但在处理特定领域查询或提供高度准确信息时仍面临局限性，常出现“幻觉”问题——生成不准确或虚构的细节

编程巫师·2025-06-11 17:43

【RAG排序】rag排序代码示例-简单版

claude生成的一个排序的例子，有几种简单的方法。示例数据查询：“人工智能在医疗领域的应用前景如何？”文档库：8个相关文档，涵盖AI在医疗、金融、教育、自动驾驶等领域的应用实现的排序方法SimpleBM25Ranker-中文BM25排序器使用jieba进行中文分词计算TF-IDF和文档长度归一化处理中文停用词ChineseKeywordRanker-关键词匹配排序器Jaccard相似度+查询词覆

weixin_37763484·2025-06-11 12:42

【RAG排序】rag排序代码示例-高级版

RAG系统排序阶段的多种方法与实现1.基础排序方法1.1余弦相似度排序最基本的相似度计算方法，适用于向量检索后的重排序。impo

weixin_37763484·2025-06-11 12:42

RAG是什么？手把手教你从零构建RAG系统全面指南（含代码）

检索增强生成（Retrieval-AugmentedGeneration，RAG）应运而生，这一创新性方法通过将大语言模型与外部知识源相结合，有效提升了其性能。

大模型研究院·2025-06-11 10:23

LangChain 概述 (模块索引)

文章目录一、简介二、langchain基本工作流程(RAG基本流程)三、langchain能帮助我们干什么1、LLMs和Prompts(提示)2、Chain(链)3、DataArguementedGeneration4

Miyazaki_Hayao·2025-06-10 23:37

【RAG】RAG系统——langchain 的用法（说人话版与专业版）

说人话版：RAG就是一句话：对数据设置索引，用问题去检索，用llm生成回答首先，做本地知识库注意:py3.10以上配置环境变量，安装库load外部数据，存储到本地的一个index里（这是最简单的形式）然后

DFminer·2025-06-10 17:21

使用 Unstructured 开源库快速入门指南

这些元素和元数据可用于RAG（检索增强生成）应用、AI代理、模型微调等任务。前提条件开始之前，你需要：Python虚拟环境管理器：推荐使用虚拟环境管理器来管理代码依赖。

fydw_715·2025-06-10 05:57

LangChain 中的文档加载器（Loader）与文本切分器（Splitter）详解《一》

LangChain中的文档加载器（Loader）与文本切分器（Splitter）详解——从入门到实战，构建你的知识库预处理系统作者：zgw时间：2025/4标签：LangChain、LLM、RAG、AIAgent

要努力啊啊啊·2025-06-09 19:55

spring-ai-alibaba使用Agent实现智能机票助手

具体要求为：基于AI大模型与用户对话，理解用户自然语言表达的需求支持多轮连续对话，能在上下文中理解用户意图理解机票操作相关的术语与规范并严格遵守，如航空法规、退改签规则等在必要时可调用工具辅助完成任务使用RAG

非ban必选·2025-06-09 07:56

深入解析 Qwen3-Embedding 和 Qwen3-Reranker：原理、应用与代码示例

文本嵌入（Embedding）和重排序（Reranking）技术在语义搜索、推荐系统、检索增强生成（RAG）等应用中发挥着基础性作用。

从零开始学习人工智能·2025-06-09 06:16

使用阿里云百炼embeddings+langchain+Milvus实现简单RAG

使用阿里云百炼embeddings+langchain+Milvus实现简单RAG注意测试时，替换其中的key、文档等importosfromlangchain_community.embeddingsimportDashScopeEmbeddingsfromlangchain_community.vectorstoresimportMilvusfromlangchain_text_splitte

sl4379·2025-06-09 01:11

【RAG召回】bge实现向量相似度索引

sentence-transformers是一个非常强大的Python框架，它可以将句子或段落转换成高质量、高信息密度的数字向量（称为“嵌入”或Embeddings）。它厉害的地方在于，语义上相似的句子，其向量在空间中的距离也更近。这使得我们能够超越简单的关键词匹配，去实现真正理解“意思”的搜索。例如，用户搜索“手提电脑”，我们能轻松地找出包含“笔记本电脑”的文档。下面，我们同样通过一系列代码示例

weixin_37763484·2025-06-09 00:06

【RAG召回优化】rag召回阶段方法探讨

提升检索增强生成（RAG）系统召回率：技术、权衡与实践洞察I.引言RAG效能中召回率的关键作用检索增强生成（Retrieval-AugmentedGeneration,RAG）通过整合外部知识库信息来增强大型语言模型

weixin_37763484·2025-06-09 00:36

【RAG召回】BM25算法示例

rank-bm25功能示例本篇将通过多个示例，快速展示rank-bm25库的核心功能。不使用jieba。准备工作首先，确保您已经安装了rank-bm25。pipinstallrank-bm25接下来，我们定义一个通用的中文语料库和分词函数。这里我们使用简单的单字切分作为分词方法，以避免引入第三方库。#1.定义一个中文语料库corpus=["北京是中国的首都，也是一座历史悠久的文化名城。","上海是

weixin_37763484·2025-06-09 00:36

RAG模型效果优化全攻略：多维度策略优化RAG模型性能的关键技术与方法（RAG优化）

：RAG在大模型实际落地的时候，存在一些问题，主要集中在以下方面：缺少垂直领域知识：虽然大模型压缩了大量的人类知识，但在垂直场景上明显存在短板，需要专业化的服务去解决特定问题。

汀、人工智能·2025-06-09 00:05

润和软件深度解读“基于鲲鹏RAG+openGauss智能体方案”

作为鲲鹏生态的紧密合作伙伴，江苏润和软件股份有限公司（以下简称“润和软件”）携手鲲鹏发布“鲲鹏RAG解决方案”、深度解读“基于鲲鹏RAG+openGauss智能体方案”，并展示润和软件AI创新成果矩阵、

openGauss社区·2025-06-08 11:01

【DeepSeek R1构建本地RAG知识库】数据结构化清洗-python工具清洗

文章目录前言一、数据结构化对RAG的意义1.1提升检索准确率1.2增强生成准确性1.3支持多维度查询1.4提高索引与检索效率1.5便于后期维护与扩展二、数据结构化的方法2.1分类与打标签2.2实体抽取与关系建模

Xd聊架构·2025-06-07 18:06

利用 DeepSeek 构建本地RAG系统

利用DeepSeek构建本地RAG系统一、目标构建一个基于PDF文档的问答系统。用户可以上传一个PDF文件，然后输入问题，系统会从PDF文档中检索相关信息，并结合大语言模型生成答案。

·2025-06-07 18:35

RAGflow启动之后，报错：WARNING:root:RedisDB.queue_info rag_flow_svr_queue got exception: no such key

安装RAGflow：https://github.com/infiniflow/ragflow/blob/main/README_zh.md安装完毕之后：root@flexusx-8b5d:/ragflow/docker#docker-composeup-dWARN[0000]The"HF_ENDPOINT"variableisnotset.Defaultingtoablankstring.WAR

徐福记c·2025-06-07 09:39

2025 年 Python AI 技术白皮书：AI Agent、Prompt、RAG、Function Calling、MCP 与 AI 开发框架

2025年PythonAI技术白皮书：AIAgent、Prompt、RAG、FunctionCalling、MCP与AI开发框架目录引言AIAgent（智能代理）2.1定义和技术背景2.2工作机制与核心流程

·2025-06-07 01:15

RAG基础知识概述

RAG（Retrieval-AugmentedGeneration）是一种自然语言处理模型架构，旨在结合检索和生成两个关键的NLP（NaturalLanguageProcessing）任务。

原味奶茶_三分甜·2025-06-06 22:53

RAG（Retrieval-Augmented Generation，检索增强生成）

一、核心概念与定位RAG是一种将检索（Retrieval）与生成（Generation）相结合的架构，旨在解决传统语言模型（如GPT系列）在处理需要外部知识的任务时的局限性。

allein_STR·2025-06-06 17:45

从微信读书后台架构看RAG知识召回架构

微信读书后台架构演进之路从微信读书后台架构看RAG知识召回架构当千万级书籍遇上亿级用户笔记，如何构建高性价比的智能检索系统？微信读书用分级架构给出了答案。

思绪漂移·2025-06-06 12:15

RAG入门之数据导入

LangChain的核心功能文档加载和处理：支持多种格式（PDF、文本、网页等）文本分割：将长文档切分成小块向量存储：文档向量化和相似性搜索链式调用：组合多个AI操作Agent：智能代理，能够使用工具RAG

·2025-06-06 10:49

小智医疗——总结

LangChain4j【1.0.0-beta4】基于LangChain4j实现聊天助手智能体后端服务聊天记忆隔离基于MongoDB实现聊天信息持久化基于FunctionCalling调用自定义业务逻辑支持RAG

松树戈·2025-06-05 22:14

RAG：大模型微调的革命性增强——检索增强生成技术深度解析

RAG：大模型微调的革命性增强——检索增强生成技术深度解析当大模型遇到知识瓶颈，RAG（检索增强生成）为模型装上"外部记忆库"，让静态知识库与动态生成能力完美融合。

摘取一颗天上星️·2025-06-05 22:13

检索增强生成(RAG)技术如何赋能AI原生应用的智能化升级

检索增强生成(RAG)技术如何赋能AI原生应用的智能化升级关键词：检索增强生成(RAG)技术、AI原生应用、智能化升级、知识融合、信息准确性摘要：本文深入探讨了检索增强生成(RAG)技术如何助力AI原生应用实现智能化升级

AI原生应用开发·2025-06-05 11:57

weixin_37763484·2025-06-05 06:48

RAG优化知识库检索（3）：向量化模型选择与优化

引言在检索增强生成（Retrieval-AugmentedGeneration，RAG）系统中，向量化模型（嵌入模型）扮演着至关重要的角色。

程序员查理·2025-06-05 06:16

RAG架构中用到的模型学习思考

前言RAG（Retrieval-AugmentedGeneration，检索增强生成）架构结合了检索和生成能力，通过引入外部知识库来提升大语言模型（LLM）的回答准确性和可靠性。

勤奋的知更鸟·2025-06-05 05:40

RAPTOR：如何用树状结构重塑RAG检索能力？

文章目录1.背景1.1长尾知识问题2.核心3.方法3.1RAPTOR的核心流程框架3.2聚类算法3.2.1聚类的作用与目标3.2.2软聚类（SoftClustering）的独特性3.2.3算法选择：高斯混合模型（GMM）3.2.4高维向量嵌入的降维处理（UMAP）3.2.5当一个聚类内容太长时怎么办？3.2.6如何选择聚类数量？（自动确定聚类数）3.3两种检索策略3.3.1TreeTraversa

阿牛大牛中·2025-06-04 21:39

GC-QA-RAG 智能问答系统的向量检索

本章节介绍GC-QA-RAG智能问答系统的核心检索技术原理，包括向量化策略、混合检索机制、RRF融合排序等关键实现细节。

·2025-06-04 11:38

Prompt提示工程上手指南:基础原理及实践(四)-检索增强生成(RAG)策略下的Prompt

较为主流的LLM模型框架设计可以基于链式思考（CoT）、思维树(ToT)和检索增强生成(RAG)。其中RAG框架可以算得上是AI平台研发的老生常谈之一了，因为无论是个人还是企业，都想要培养出一

fanstuck·2025-06-04 04:59

生产级 RAG 应用开发实战：索引构造与查询分离实现详解

在企业级RAG应用开发中，索引构造与查询的解耦是提升系统性能的核心设计。

佑瞻·2025-06-04 01:35

【大模型框架】LLM大模型开源RAG框架汇总

前言本文搜集了一些开源的基于LLM的RAG（Retrieval-AugmentedGeneration）框架，旨在吸纳业界最新的RAG应用方法与思路。

RAG知识库·2025-06-04 00:29

【RAG 应用的可视化框架】

以下是几个用于RAG（Retrieval-AugmentedGeneration）应用的可视化框架和工具，帮助开发者直观理解数据流、检索过程和生成结果：LangSmithLangSmith是LangChain

lyh1344·2025-06-04 00:59

LangChain(1) - RAG_langchain

embeddings（3）构建ChromaDB索引（4）配置LLMPipeline（5）构建问答链并查询（6）LCEL(LangChainExpressionLanguage)2.result3.有关RAG

夏天ccys·2025-06-03 17:38

LightRAG vs GraphRAG：两种RAG系统实体与关系提取提示机制的深度比较

目录引言RAG概述LightRAG实体与关系提取提示GraphRAG实体与关系提取提示深度对比分析提示设计复杂度功能覆盖与输出格式可定制性与扩展性性能与成本考量场景适用性与选型建议结论与展望引言随着大规模语言模型

gs80140·2025-06-03 12:34

RAG知识库模式：从基础到高阶

RAG技术从基础到高阶的演进历程：基础优化：NaiveRAG→Retrieve-and-Rerank。数据结构扩展：MultimodalRAG、GraphRAG、HybridRAG。

大势下的牛马·2025-06-03 09:42

RAG优化知识库检索（4）：混合检索技术

引言在RAG（检索增强生成）系统中，检索质量直接决定了最终生成内容的准确性和相关性，但单一检索方法的局限性日益凸显。

程序员查理·2025-06-03 09:12

推荐频道

rag