rag 第4页

RAGFlow从理论到实战的检索增强生成指南

答案藏在RAG（检索增强生成）技术中

勤奋的知更鸟·2025-06-03 03:01

认识GraphRAG

GraphRAG（Graph-basedRetrieval-AugmentedGeneration）是微软提出的新一代检索增强生成技术，其核心创新在于将知识图谱与大语言模型（LLM）深度融合，突破传统RAG

勤奋的知更鸟·2025-06-03 03:01

【深度学习新浪潮】以Dify为例的大模型平台的对比分析

我们从核心功能、适用群体、易用性、可扩展性和安全性五个维度展开对比分析：一、核心功能对比平台核心功能多模型支持插件与工具链Dify低代码开发、RAG增强、Agent自律执行、企业级安全支持GPT-4/5

小米玄戒Andrew·2025-06-02 21:40

本地部署dify+ragflow+deepseek ,结合小模型实现故障预测，并结合本地知识库和大模型给出维修建议

1.准备工作使用ollama拉取deepseek-r1:7b官网下载ollamaollamarundeepseek-r1:7bollamalistRagflow专注于构建基于检索增强生成（RAG）的工作流

算法小菜鸟成长心得·2025-06-02 15:00

源码解析（一）：GraphRAG

原文技术博客GraphRAG是一种结构化的、分层的检索增强生成(RAG)方法，它利用知识图谱来增强LLM的输出，用于推理私有数据集中的复杂信息。

汪汪汪侠客·2025-06-01 21:51

学习笔记：3个学习AI路上反复看到的概念：RAG，Langchain，Agent

3个学习AI路上反复看到的概念：RAG，Langchain，Agent关键知识点知识点1RAG的能力核心是有效结合了检索和生成两种方法。

TaoTao Li·2025-06-01 18:35

【RAG 篇】万字深度对比：Milvus 与 FAISS、Pinecone、Weaviate 等向量数据库选型指南

大家好，我是大F，深耕AI算法十余年，互联网大厂核心技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。【专栏介绍】：欢迎关注《大模型理论和实战》、《DeepSeek技术解析和实战》，一起探索技术的无限可能！【大模型篇】更多阅读：【大模型篇】万字长文从OpenAI到DeepSeek：大模型发展趋势及原理解读【大模型篇】目前主流AI大模型体系全解析：架构、特点与应用【大模型篇】Gro

大F的智能小课·2025-06-01 15:09

【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）精排与prompt构建？

【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）精排与prompt构建？

985小水博一枚呀·2025-06-01 10:35

使用Redis和OpenAI进行RAG的完美指南：解析耐克10-K文件

在这篇文章中，我们将介绍如何利用Redis作为向量数据库，结合OpenAI的语言模型（LLM），实现对耐克10-K文件的检索生成（RAG）系统。

dsndnwfk·2025-06-01 06:02

为何 RAG 向量存储应优先考虑 PostgreSQL + pgvector 而非 MySQL？

构建检索增强生成（RAG）系统已成为释放大型语言模型（LLM）潜力的关键范式。通过将LLM的推理能力与外部知识库的实时、特定信息相结合，RAG能够生成更准确、更相关、更值得信赖的回答。

qq_44199605·2025-06-01 05:27

超越代码：在 AI 浪潮中如何让软件工程师的价值持续增长？

技术狂潮AI·2025-06-01 01:01

Graph-RAG：知识图谱与大模型完美融合的开创性探索

本文将揭示Graph-RAG的神秘面纱，这是一种突破传统的技术，它将知识图谱的严谨结构与RAG的动态生成能力相结合，为我们提供了一种全新的理解和推理复杂数据的方法。

AGI大模型学习·2025-05-31 10:12

Spring Boot集成Spring AI与Milvus：构建高效智能问答系统

本文将介绍如何在SpringBoot项目中集成SpringAI和向量数据库Milvus，结合RAG（检索增强生成）技术，构建一个高效的智能问答系统。

Uranus^·2025-05-31 03:51

⭐️⭐️⭐️白嫖的阿里云认证⭐️⭐️⭐️ 第三弹【课时2：RAG应用的构建和优化】for「大模型Clouder认证：RAG应用构建及优化」

一、学习目标：明确核心能力培养方向概要通过系统化学习，掌握在阿里云百炼平台构建可调用RAG应用的全流程，并深入理解RAG技术的局限性及针对性优化策略，形成从理论到实战的完整知识体系。

Charles茶总·2025-05-30 17:11

大型语言模型的生物医学知识图优化提示生成

大型语言模型的生物医学知识图优化提示生成https://arxiv.org/abs/2311.17330https://github.com/BaranziniLab/KG_RAG大型语言模型的生物医学知识图优化提示生成摘要

发呆的比目鱼·2025-05-30 12:29

AIGC的常见概念

数据间的最大差异性，进而实现判断的功能Token定义：大模型处理文本的基本和计费单位Token成本优化：不同问题采用不同大模型解决精简Prompt限制大模型思考方向或输出结构向量检索代替直接输入限制历史对话RAG

艾露z·2025-05-30 09:38

Java求职面试实录：详解Spring AI、MCP、RAG与向量数据库等AI技术

Java求职者面试实录：深入解析AI技术与编程原理今天是2025年05月08日，随着AI技术在软件开发领域的广泛应用，Java求职者的面试也逐渐增加了对人工智能相关知识的考察。本文将模拟一场由面试官和程序员JY之间的三轮深入对话，从基础概念到源码原理，全面展示现代Java开发者应具备的知识体系。第一轮：基础概念问题问题1：请解释一下SpringAI的核心特性及其应用场景？JY回答：SpringAI

迢迢星万里灬·2025-05-30 07:22

万字详解：向量数据库：原理、索引技术与选型指南

万字详解：向量数据库：原理、索引技术与选型指南关键词：向量数据库、向量检索、相似性搜索、ANN算法、HNSW、量化技术、嵌入模型、多模态搜索、RAG架构摘要：本文深入剖析向量数据库的核心原理、索引技术和实际应用场景

AI天才研究院·2025-05-28 21:19

Spring AI 1.0 GA 深度解析：构建企业级AI应用的全栈实践指南

目录SpringAI1.0核心架构解析统一接口与多模型支持检索增强生成（RAG）全流程实战对话记忆与工具调用进阶模型评估与可观测性体系企业级应用案例与最佳实践未来演进与技术展望1.SpringAI1.0

一休哥助手·2025-05-28 20:16

深入剖析25种大模型RAG架构，AI工程师该如何选择？

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

AI小白熊·2025-05-28 13:26

Spring Boot集成Spring AI与Milvus实现智能问答系统

本文将介绍如何利用SpringBoot集成SpringAI和向量数据库Milvus，通过RAG（检索增强生成）技术提升问答系统的准确性。技术栈核心框架:Sp

Uranus^·2025-05-27 01:52

2024年12月数据月报

实战Milvus2.5：语义检索VS全文检索VS混合检索Milvus×EasyAi：如何用java从零搭建人脸识别应用揭秘2024年B站最火RAG视频是怎样炼成的

@SmartSi·2025-05-26 04:52

【LangChain全栈开发指南】从LLM应用到企业级AI助手构建

目录前言️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组件功能⚖️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：基础对话链案例2：检索增强生成（RAG

满怀1015·2025-05-26 01:02

大模型技术生态全景解析：从基础组件到AGI的演进之路

目录技术演进脉络与核心定位大语言模型：智能生态的基石知识增强体系：RAG与知识库功能扩展机制：函数调用与Agent数据存储革命：向量数据库与知识图谱技术协同范式：AGI的实现路径典型应用场景与案例解析未来挑战与发展趋势

一休哥助手·2025-05-26 00:55

Milvus 构建高效 RAG 全攻略：从基础实现到全链路RAG性能优化技术解析

RAG（检索增强生成）架构正是解决这一问题的关键。作为专业的向量数据库，Milvus在RAG中扮演着核心角色。今天，咱们就来一步步拆解如何用Milvus构建高性能RAG管道，并深入探讨优化策略。

佑瞻·2025-05-25 23:42

RAG下的prompt编写探索

针对特定领域的回答，编写抽象的prompt需要在细节和灵活性之间找到平衡。我们需要一个既能涵盖普遍步骤又能适应不同问题的框架。以下是如何在这种情况下编写抽象prompt的方法，以及适用于各种技术领域的通用策略。一、编写抽象Prompt的通用策略定义用户问题和背景信息：明确用户输入（{user_input}）和背景信息（{retrieved_docs}）的角色。背景信息可以包括一组相关的知识点、数据

pumpkin84514·2025-05-25 14:49

pptx 文件版面分析-- python-pptx（python 文档解析提取）

://pypi.tuna.tsinghua.edu.cn/simple--ignore-installedpptx解析代码实现frompptximportPresentationfile_name="rag_pptx

去追风，去看海·2025-05-25 05:45

【检索增强生成（RAG）全解析】从理论到工业级实践

目录前言️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工作流程关键技术模块⚖️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：医疗问答系统✅运行结果验证⚡三、性能对比测试方法论量化数据对比结果分析四、最佳实践✅推荐方案❌常见错误调试技巧五、应用场景扩展适用领域创新应用方向生态工具链✨结语⚠️技术局限性未来发展趋势学习资源推荐前言️技术背景与价值

满怀1015·2025-05-25 00:44

【AI大模型学习路线】第二阶段之RAG基础与架构——第六章（Retrieval‑Augmented Generation，RAG基础与架构）检索与生成？

【AI大模型学习路线】第二阶段之RAG基础与架构——第六章（Retrieval‑AugmentedGeneration，RAG基础与架构）检索与生成？

985小水博一枚呀·2025-05-24 14:43

【Python】unstructured 库：处理和预处理非结构化数据（如 PDF、Word 文档、HTML、图片等），转换为结构化格式

它提供模块化的组件（称为“bricks”），支持文档分区、清理和格式化，广泛应用于数据管道、RAG（Retrieval-AugmentedGeneration）系统和文档分析。以下是对unstruc

彬彬侠·2025-05-24 12:59

【程序员AI入门：应用】11.从零构建智能问答引擎：LangChain + RAG 实战优化指南

一、技术选型与核心组件解析1.1黄金技术栈选型组件推荐方案核心优势资源需求文本嵌入模型sentence-transformers/all-MiniLM-L6-v2轻量级（128MB）、支持多语言语义编码，余弦相似度准确率达89.2%CPU即可运行向量数据库FAISS（内存检索）/Chroma（持久化存储）FAISS毫秒级检索速度，Chroma支持增量更新和元数据过滤本地部署优先选Chroma大语言

无心水·2025-05-24 08:27

Conda pack 进行Python环境打包

基于Dify的智能分类方案：大模型结合KNN算法（附代码）OpenCompass：大模型测评工具一文读懂多模态大模型基础架构大模型管理平台：one-api使用指南大模型RAG、ROG、RCG概念科普RAGOnMedicalKG

写代码的中青年·2025-05-24 05:04

使用NVIDIA模型和Milvus向量数据库实现高效RAG系统

使用NVIDIA模型和Milvus向量数据库实现高效RAG系统引言在人工智能和自然语言处理领域，检索增强生成(Retrieval-AugmentedGeneration,RAG)系统已经成为一种强大的技术

llzwxh888·2025-05-23 21:16

[初阶--使用milvus向量数据库实现简单RAG]

什么是向量数据库向量是数据在高维空间中的数学表示。在这个空间中，每个维度对应数据的一个特征，维度的数量从几百到几万不等，具体取决于所表示数据的复杂性。向量在该空间中的位置代表其特征。单词、短语或整篇文档，以及图像、音频和其他类型的数据，都可以被向量化向量数据库（Vectordatabase）、向量存储或向量搜索引擎是一种能够存储向量（固定长度的数值列表）及其他数据项的数据库。向量数据库通常实现一种

阿梦Anmory·2025-05-23 21:15

检索增强生成（RAG）：大模型的‘外挂知识库

欢迎来到我的博客，代码的世界里，每一行都是一个故事：你只管努力，剩下的交给时间：小破站检索增强生成（RAG）：大模型的‘外挂知识库前言什么是RAG工作原理1.检索（Retrieval）（1）输入处理（2

一只牛博·2025-05-23 19:33

Spring AI 1.0 GA 正式发布

**RAG（检索增强生成）**4.**评估与监控**5.

engchina·2025-05-23 18:53

突破 RAG 检索瓶颈：Trae+MCP 构建高精度知识库检索系统实践

一、引言：RAG技术的落地困境与破局思路在企业级AI应用中，基于检索增强生成（RAG）的知识库系统已成为构建智能问答、文档分析的核心方案。

大卫的 AI 办公摸鱼手册·2025-05-23 15:58

【RAG】ragflow源码亮点：文档embedding向量化加权融合

引言：最近在看ragflow源码，其中有一个较为巧妙地设计：分别将文字、标题行向量化之后，直接根据权重，进行加法运算，得到向量融合，增强了文本向量化的表示能力，这里开始讨论一下，为什么这里可以直接对向量进行加法运算，而得到一个增强的表示加权代码片段：title_w=0.1是标题的权重tts是标题进行embedding向量化后的矩阵cnts是将内容进行embedding向量化后的矩阵vects生成的

每天写点bug·2025-05-23 15:55

基于Llamaindex的本地向量与大模型RAG搭建流程

问题背景Llamaindex提供了LangChain之外的另一种选择，擅长搜索与检索场景。工程化必须解决的全本地路径：本地embedding和LLMs（如Ollama）。Qwen指导文档给出了基于HF或者其他使用APIKey大模型的示例，场景不符。Llamaindex自身相关文档，尤其是关键插件的用户手册难寻，接口说明也很少。鉴于此，本文展示了Llamaindex+Chunk+LocalEmbed

1024点线面·2025-05-23 03:10

Springboot+deepseek 实现向量数据库优化检索

在SpringBoot中实现RAG（Retrieval-AugmentedGeneration）的增强，可以从检索优化、生成优化和系统架构三个维度进行改进。

奔向理想的星辰大海·2025-05-22 10:27

使用 LlamaIndex 构建 RAG 应用程序

答案在于检索增强生成(RAG)。今天我们将探索RAG流程，并演示如何使用LLama索引构建一个。检索增强生成：基础知识LLM是当今最先进的NLP模型，在翻译、写作和一般问答方面表现出色。

爱分享的小明·2025-05-22 10:26

【RAG 实践】LlamaIndex 快速实现一个基于 OpenAI 的 RAG

这是LlamaIndex官方StarterTutorial中demo，用很少的代码来使用OpenAI快速实现出一个RAG。

yubinCloud·2025-05-22 10:24

Nvidia通过自研LLM压缩技术爆炸式提升模型性能

它是一个推理模型，经过后训练以增强推理能力、人类聊天偏好以及任务处理能力，例如RAG和工具调用。Llama-3.1-

吴脑的键客·2025-05-22 04:46

一堂课，学会用NIM部署AI大模型，构建RAG

一NIM课程概述目标：通过nvidia的AI分享课，了解NIM的概念和使用，另附一个使用NIM微服务部署大模型构建RAG的实验（课程目前free，云上有环境，地址：CourseDetail|NVIDIA

pang企鹅·2025-05-22 04:46

【RAG技术解析：大语言模型的私有化知识增强方案】

一、什么是RAG？RAG（检索增强生成）通过将私有文档向量化存储，使大语言模型（如DeepSeek）具备处理特定领域知识的能力。

纸团团长励志要成长·2025-05-21 20:51

LangChain-RAG学习之 LangChain框架入门

什么是LangChainLangChain是一个强大的框架，旨在帮助开发人员使用语言模型构建端到端的应用程序。它提供了一套工具、组件和接口，可简化创建由大型语言模型(LLM)和聊天模型提供支持的应用程序的过程。LangChain可以轻松管理与语言模型的交互，将多个组件链接在一起，并集成额外的资源，例如API和数据库。官方文档：https://python.langchain.com/en/late

小江爱学习~·2025-05-21 09:01

大模型（3）——RAG（Retrieval-Augmented Generation，检索增强生成）

文章目录1.核心组成2.工作流程3.训练方式4.优势与局限5.应用场景6.典型模型变体总结RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种结合了信息检索与文本生成的技术

追逐☞·2025-05-21 06:47

RAG检索系统的两大核心利器——Embedding模型和Rerank模型

“Embedding和Rerank模型是RAG系统中的核心模型。”在RAG系统中，有两个非常重要的模型一个是Embedding模型，另一个则是Rerank模型；这两个模型在RAG中扮演着重要角色。

AI大模型教程·2025-05-21 06:46

大模型——多模态检索的RAG系统架构设计

5.扩展能力总结多模态检索的RAG系统架构设计（文本+图像混合检索）1.系统架构设计文本查询图像查询用户输入多模态编码器文本Embedding模型图像Embedding模型联

追逐☞·2025-05-21 06:16

大模型的实践应用43-基于Qwen3(32B)+LangChain框架+MCP+RAG+传统算法的旅游行程规划系统

大家好，我是微学AI，今天给大家介绍一下大模型的实践应用43-基于Qwen3(32B)+LangChain框架+MCP+RAG+传统算法的旅游行程规划系统。

微学AI·2025-05-21 04:05

推荐频道

rag