rag

【RAG实战】语言模型基础

语言模型赋予了计算机理解和生成人类语言的能力。它结合了统计学原理和深度神经网络技术，通过对大量的样本数据进行复杂的概率分布分析来学习语言结构的内在模式和相关性。具体地，语言模型可根据上下文中已出现的词序列，使用概率推断来预测接下来可能出现的词汇。接下来主要介绍一些基础的语言模型，如Transformer、自动编码器、自回归模型等。2.1TransformerTransformer模型是深度学习，尤
sysu_lluozh·2025-05-20 23:28

大模型工程化基础概念

RAG技术通过检索外部知识库优化LLM生成质量，与智能体的本质区别在于任务流程是否由AI自主决策。关键技术涵盖提示词工程激
看今朝··2025-05-20 12:56

快速掌握AWS Bedrock知识库检索器

AWS推出的AmazonBedrock知识库是一个强大的工具，可以帮助你快速构建基于检索-生成（RAG）应用。本文将带你了解如何使用Bedrock知识库检索器，从而轻松构建自定义的AI应用程序。
tt_jishu·2025-05-20 07:26

为什么RAG系统“一看就会，一做就废“？

随着大语言模型（LLM）的广泛应用，检索增强生成（RAG）技术作为一种结合检索技术和LLM提示的创新架构，因其在结合外部知识库和生成模型方面的卓越表现而备受关注。
AI大模型系统化学习·2025-05-20 05:07

多模态RAG与LlamaIndex——1.deepresearch调研

摘要关键点：多模态RAG技术通过结合文本、图像、表格和视频等多种数据类型，扩展了传统RAG（检索增强生成）的功能。
小洛~·~·2025-05-20 00:00

[论文精读]Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

AdvancesinNeuralInformationProcessingSystems33(NeurIPS2020)链接：http://arxiv.org/abs/2005.11401题目翻译：用于知识密集型NLP任务的检索增强生成阅读原因RAG
0x211·2025-05-19 22:19

动易 私人知识库方案 解析

技术架构与核心能力动易私有知识库解决方案基于WebFuture全媒体信息管理平台，融合了RAG（检索增强生成）技术和DeepSeek大模型，构建了一个集知识整合、智能问答和多渠道接入于一体的系统。
bbsh2099·2025-05-19 13:49

大模型学习路线

学习内容大模型基座&大模型部署：大模型学习路线（1）——大模型基座&大模型部署_大模型的学习路线-CSDN博客数据工程（数据预处理）：大模型学习路线（2）——数据工程（数据预处理）-CSDN博客知识检索增强（RAG
Giao00001·2025-05-19 00:25

RAG之大规模解析 PDF 文档全流程实战

PDF文档在商业、学术和政府领域无处不在，蕴含着大量宝贵信息。然而，从PDF中提取结构化数据却面临着独特的挑战，尤其是在处理数千甚至数百万个文档时。本指南探讨了大规模解析PDF的策略和工具。PDF解析挑战PDF的设计初衷是为了提供一致的视觉呈现，而非数据提取。这带来了一些挑战：结构复杂：PDF结合了文本、图像、表格和表单
FeelTouch Labs·2025-05-18 14:46

DeepSeek时代，AI怎样从概念到落地？直播：AWS INNOVATE大会!给你答案！

怎样构建可扩展的RAG应用？6.怎样
选型宝·2025-05-18 10:45

AI Agent开发第69课-彻底消除RAG知识库幻觉(3)-手撕“重排序”

这就会导致在以RAG为基础的AIAgent里大模型充满了幻觉。在上几篇“彻底消除RAG知识库幻觉”系列中我们提到了这么一个公式：你的搜索内容必须>=用户的提问。要求召回率越大、越多
TGITCIC·2025-05-18 04:30

大厂NLP技术全景：从BERT到GPT-5的演进与优化

深入剖析：大厂AI算法在自然语言处理中的优化实践（专题系列）专题目录大厂NLP技术全景：从BERT到GPT-5的演进与优化亚马逊云科技Bedrock平台：企业级NLP微调与RAG优化实战高通骁龙AI引擎
DeepFaye·2025-05-18 02:17

给MCP加上RAG，工具准确率提升200%，起飞～

因此引入了RAG-MCP，这是一个检索增强生成框架，通过卸载工具发现来克服这一挑战。论文地址：https://arxiv.org/pdf/2505.03275提示
Datawhale·2025-05-18 00:39

【AI大模型学习路线】第二阶段之RAG基础与架构——第八章（文档切分常见算法）根据每个Sentence切分？

【AI大模型学习路线】第二阶段之RAG基础与架构——第八章（文档切分常见算法）根据每个Sentence切分？
985小水博一枚呀·2025-05-17 07:59

window本地部署Dify

其直观的界面结合了AI工作流、RAG管道、代理功能、模型管理、可观察性功能等，让您可以快速从原型开发到生产。
baker_zhuang·2025-05-16 19:10

AI Agent开发大全第十五课-零售智能导购Agent的代码实现

开篇在上一篇《AIAgent开发大全第十四课-零售智能导购智能体的RAG开发理论部分》中我们讲了整个智能导购的数据流部分以及相应的设计技巧，今天就来把它实现。
TGITCIC·2025-05-16 18:09

AI测试入门：RAG、Agent、Chatbot 类AI应用的评估体系&测试方法详解

AI测试入门：RAG、Agent、Chatbot类AI应用的评估体系&测试方法详解前言一、AI测试与传统测试的区别二、AI应用类型及其核心测试理念1.RAG(RetrievalAugmentedGeneration
blues_C·2025-05-16 18:05

RAG怎么向量化？向量化文件存放在哪里？Ollama deepseek-R1 1.5b

在构建基于RAG（Retrieval-AugmentedGeneration）的系统时，向量化是核心步骤之一。它涉及将文本数据转换为数值向量，以便能够高效地进行相似性搜索和检索。
liyinchi1988·2025-05-16 18:35

基于Qwen-14b的基础RAG实现及反思

1、概览本文主要介绍RAG的基础实现过程，给初学者提供一些帮助，RAG即检索增强生成，主要是两个步骤：检索、生成，下面将基于这两部分进行介绍。
带鱼工作室·2025-05-16 16:18

第四章：基于langchain构造一个完整RAG系统

文章目录引言一、RAG的基本原理1.1什么是RAG？
tangjunjun-owen·2025-05-16 15:11

教育行业的 RAG 落地：个性化学习助手设计

检索增强生成（RAG,Retrieval-AugmentedGeneration）技术通过结合大语言模型（LLM）与外部知识库检索，为教育资源的精准获取和个性化学习提供了全新解决方案。
水煮蛋不加蛋·2025-05-15 21:02

一步一步构建基于知识图谱的RAG应用指南

知识图谱已成为管理与分析复杂数据关系的强大工具。与传统的关系型数据库通过行和列在表格中存储数据不同，图数据库使用节点、边和属性来表示和存储数据，提供了一种更直观和高效的方式来构建、查看和查询复杂系统。本文将指导你了解、实现和利用知识图谱数据库。理解知识图谱（关键概念）节点：这些代表单个数据实体，如人、地点或物体。每个节点具有标识符、标签和若干属性。边：这些代表节点之间的连接，显示它们之间的关系。每
Python_金钱豹·2025-05-15 21:31

深度剖析 RAG 架构：从向量检索到答案生成的全链路技术解析

一、RAG架构核心原理与技术栈RAG（Retrieval-AugmentedGeneration）通过将外部知识库检索与语言模型生成深度耦合，解决了传统生成模型的“幻觉”问题，同时提升了领域知识的准确性和时效性
水煮蛋不加蛋·2025-05-15 21:30

大模型—— FastGPT 知识库无缝集成到 n8n 工作流 (基于 MCP 协议)

大模型——FastGPT知识库无缝集成到n8n工作流(基于MCP协议)背景：n8n与RAG知识库集成的挑战n8n作为一款强大的开源自动化工作流工具，正获得越来越多用户的青睐。
不二人生·2025-05-15 20:54

构建知识图谱：从文本到图的深入指南

本文旨在指导您如何从非结构化文本构建知识图谱，并将其作为RAG应用程序中的知识库使用。⚠️**安全提示**⚠️构建知识图谱需要对数据库执行写访问，这存在固有风险。
aehrutktrjk·2025-05-15 19:42

大模型从入门到精通：大模型RAG系统学习路线（附实战代码）

摘要：2023年大模型技术爆发，RAG（检索增强生成）成为解决大模型幻觉问题的关键技术。
AI大模型-大飞·2025-05-15 15:50

人工智能 - MCP、RAG、Agent 是构建现代智能 AI 系统的三大核心组件

MCP、RAG、Agent是构建现代智能AI系统的三大核心组件，它们在架构设计中扮演不同角色并形成协同关系。
天机️灵韵·2025-05-15 11:19

Datawhale-llm-universe 第一章 LLM介绍打卡

DataWhale的六月llm打卡课程，并融入了一些个人的理解以及思考）大型语言模型LLM理论简介LLM的定义和概念发展历程主要模型（如GPT-3、GPT-4、PaLM等）典型应用场景LLM的能力和特点检索增强生成RAG
星野yee·2025-05-15 01:11

微软的RAG框架和GraphRAG

什么是RAG框架？RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种结合检索和生成的技术，用于提升大语言模型的表现。
RAG知识库·2025-05-14 20:05

RAG 是什么？一文带你看懂 AI 的“外挂知识库”

1、RAG是什么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方案RAG技术就像给AI装上了「实时百科大脑」，通过先查资料后回答的机制
大模型微调教程·2025-05-14 15:06

轻装上阵：Webpack 5 & Vite资源优化

作者简介：大家好，我是文艺理科生Owen，某车企前端开发，负责AIGC+RAG项目目前在卷的技术方向：工程化系列，主要偏向最佳实践希望可以在评论区交流互动，感谢支持~~~上一篇我们从0开始构建了webpack
前端Owen·2025-05-14 08:17

Flowise: 对接大模型实现RAG能力

吾名爱妃，性好静亦好动。好编程，常沉浸于代码之世界，思维纵横，力求逻辑之严密，算法之精妙。亦爱篮球，驰骋球场，尽享挥洒汗水之乐。且喜跑步，尤钟马拉松，长途奔袭，考验耐力与毅力，每有所进，心甚喜之。吾以为，编程似布阵，算法如谋略，需精心筹谋，方可成就佳作。篮球乃团队之艺，协作共进，方显力量。跑步与马拉松，乃磨炼身心之途，愈挫愈勇，方能达至远方。愿交志同道合之友，共探此诸般妙趣。诸君，此文尚佳，望点赞
Aiffy爱妃·2025-05-13 19:52

大模型企业落地应用方法对比：微调、RAG与MCP工具调用

一、微调（Fine-tuning）存储数据类型训练数据：结构化的问答对、指令-响应对格式要求：通常为JSON、JSONL或CSV格式数据质量：需要高质量、领域特定的标注数据数据规模：根据需求从数千到数十万条不等，质量高于数量技术栈基础模型：GPT、LLaMA、Claude等大型语言模型训练框架：HuggingFaceTransformers、PEFT、LoRA、QLoRA训练工具：DeepSpee
热血的青春666·2025-05-13 04:15

0基础小白入门必看：AI大模型基本概念与工具梳理

常见概念RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种结合了信息检索技术与语言生成模型的人工智能技术。
AI小白熊·2025-05-13 04:15

驳“RAG 已死”论：上下文窗口扩展≠RAG 终结

编者按：我们今天为大家带来的这篇文章，作者的观点是：即便在大语言模型上下文窗口不断扩大的今天，检索增强生成（RAG）技术依然具有不可替代的价值。
·2025-05-13 00:28

19、RAG的原理及代码实战（2）pipeline介绍

1、整体流程根据前文介绍，整体的RAG流程如下2、embeddingembedding是指使用嵌入模型将切分后的文本块转换为向量表示。这些向量能够在高维空间中表示文本的语义信息。
Andy_shenzl·2025-05-12 17:06

【速通RAG实战】2.RAG的场景及技术原理深度解析

1.RAG技术的背景与必要性大语言模型（LLM）的局限性：领域知识缺乏：依赖训练数据，无法覆盖特定领域或私有知识。信息过时：训练数据固定，无法动态获取实时信息（如新闻事件）。
无心水·2025-05-12 17:35

TEXT2SQL工具vanna本地化安装和应用

ollama安装和运行ollama下载模型测试下API方式正常使用chromaDB的默认的embedding模型准备vanna脚本跑起来Vanna和Text2SQLTEXT2SQL即文本转SQL，是利用RAG
wengad·2025-05-12 07:55

《AI大模型应知应会100篇》第57篇：LlamaIndex使用指南：构建高效知识库

本文将带你全面掌握LlamaIndex（原GPTIndex）这一强大的开源框架，从基础架构讲起，通过多个实战代码示例，展示如何构建一个完整的、高效的RAG（检索增强生成）知识库系统。
带娃的IT创业者·2025-05-12 05:09

大模型的RAG技术系列（三）

RAG将推动未来的AI发展提高AI输出的精准度通过增强检索和生成过程的集成，检索增强生成将在未来的LLM中发挥关键作用。
默然zxy·2025-05-11 13:31

【RAG技术全景解读】从原理到工业级应用实践

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、技术原理剖析核心概念图解核心作用讲解⚙️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：本地知识问答系统案例2：混合检索策略✅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
满怀1015·2025-05-11 12:24

【LangChain全景指南】构建下一代AI应用的开发框架

解决方案概述目标读者说明一、技术原理剖析核心概念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：基础对话链案例2：带记忆的聊天机器人案例3：检索增强生成（RAG
满怀1015·2025-05-11 11:49

JavaAI：LangChain4j学习（三）AI Service及与SpringBoot结合使用

AIServices举例AIService连接SpringBootExplicitComponentWiring显示组件举例监听AIService注册Flux可观察性Tools(FunctionCalling)RAG
一本小书·2025-05-11 05:40

5、大模型的记忆与缓存

实现长期记忆缓存LangChain中的缓存语义缓存本节内容介绍本节主要介绍大模型的缓存思路，通过使用常见的缓存技术，降低大模型的回复速度，下面介绍的是使用redis和mem0，当然redis的语义缓存还可以使用一些rag
志士惜日短，愁人知夜长️·2025-05-11 03:25

SpringAI框架中的RAG知识库检索与增强生成模型详解

SpringAI框架中的RAG知识库检索与增强生成模型详解一、RAG简介RAG（Retrieval-AugmentedGeneration）可以通过检索知识库，克服大模型训练完成后参数冻结的局限性，携带知识让大模型根据知识进行回答
代码蛀虫向品·2025-05-10 19:04

源雀SCRM开源·AI企微客服｜RAG知识中枢+自训练闭环

源雀SCRM免费开源「AI企微智能客服系统」，基于RAG知识库与企微深度集成，实现从知识管理到智能应答的全链路闭环，助力企业降本增效，提升客户满意度。
源雀数智·2025-05-10 09:24

使用 NV‑Ingest、Unstructured 和 Elasticsearch 处理非结构化数据

作者：来自ElasticAjayKrishnanGopalan了解如何使用NV-Ingest、UnstructuredPlatform和Elasticsearch为RAG应用构建可扩展的非结构化文档数据管道
Elastic 中国社区官方博客·2025-05-10 06:05

RAG技术全景解读：从原理到实践的学习指南

一、什么是RAG？RAG，全称Retrieval-AugmentedGeneration（检索增强生成），是一套融合检索技术与生成式大模型的创新技术架构。
大模型知识·2025-05-09 15:54

【阿里云大模型高级工程师ACP习题集】2.4 自动化评测答疑机器人的表现（⭐️⭐️⭐️ 重点章节！！！）

习题集：【单选题】在使用Ragas评估RAG应用时，AnswerCorrectness指标计算中，语义相似度是通过以下哪种方式得到的？
Charles茶总·2025-05-09 13:44

【阿里云大模型高级工程师ACP学习笔记】2.9 大模型应用生产实践 (下篇)

具体目标如下：掌握安全合规要点：深入学习RAG应用在内容安全合规和应用服务安全方面的具体要求与实现方案，包括输入输出合规检查
Charles茶总·2025-05-09 13:41
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他