rag 第6页

初探RAG

源码核心工作流程读取文件的内容将内容保存在向量数据库检索向量数据库用户的问题用户问题+上下文【向量数据】=>LLM读取文件内容【pdf为例】frompdfminer.high_levelimportextract_pagesfrompdfminer.layoutimportLTTextContainerclassPDFFileLoader():def__init__(self,file)->Non

今天也想MK代码·2025-05-09 05:22

一文讲透向量数据库 2.0：从索引原理到 RAG 大模型全链路架构

不管是构建RAG系统、Agent知识记忆、Copilot工具链，还是做端侧推理、本地智能助手，只要涉及“非结构化语义检索”，都绕不开它。✅为什么大模型离不开向量数据库？

观熵·2025-05-09 03:13

构建最优的 RAG 检索增强生成系统：为你的数据集找到最优解

从RAG系统中获得最佳结果并不总是那么直接。你把文档切分成什么样子，检索多少片段，甚至你使用的策略（简单检索、查询重写、重排……）都会显著影响最终答案的质量。

AI仙人掌·2025-05-08 23:14

一文细数大模型 RAG 十二大痛点及解决方案

大模型与自然语言处理·2025-05-08 22:39

大模型+RAG构建知识问答助手入门到精通，收藏这一篇就够了！

大模型存在幻觉问题、可解释性差、隐私和安全问题等明显缺点，为了提高知识问答的准确率，一种基于“大模型+RAG（检索增强生成）”架构的方式正在形成。RAG的本

Python程序员罗宾·2025-05-08 16:52

微软GraphRAG的安装和在RAG中的使用体会

文章目录0.简介（1）**技术原理**（2）**优势**（3）**开源与演进**1.下载graphrag.git2.安装poetry3.初始化项目：建立cases目录4.修改.env5.修改settings.yaml,将两处api_base改成中转站地址:6.cases下面建目录input,把三国演义.txt拖进case/input7.建索引：8.问问题：9.GraphRAG支持通过Python模

alpha xu·2025-05-08 00:50

【速通RAG实战】3.从零开始快速搭建RAG应用

1.RAG核心架构与技术栈1.基础架构用户查询→检索模块（Retriever）→生成模块（Generator）→结果输出↳向量/语义检索↳大模型生成↳文档/知识库↳答案整合2.关键技术栈模块工具/技术说明数据处理

无心水·2025-05-07 21:58

【速通RAG实战：索引】4.RAG文档解析技术

由于PDF文档往往篇幅巨大、页数众多，且企业及专业领域PDF文件数据量庞大，因此文档解析技术还需具备极高的处理性能，以确保知识库的高效构建和实时更新。1.文档解析技术全景架构原始文档→格式解析→版面分析→元素识别→语义增强→分块存储1.格式解析技术栈文档类型工具/技术核心能力PDFPyMuPDF6、gptpdf3、MinerU15、TextIn16支持电子/扫描PDF解析，处理多栏布局、嵌套表格、

无心水·2025-05-07 21:58

大白话讲清提示词工程、RAG、AI Agent与微调的区别

最近，人工智能大模型火得一塌糊涂，各种新名词也层出不穷：RAG、Agent、微调、提示词工程……是不是听着就头大？

大模型训练师·2025-05-07 19:19

LLM｜利用Ollama搭建个人本地知识库

最近一直想基于RAG（检索增强生成，Retrieval-AugmentedGeneration）和大预言模型（LargeLanguageModel,LLM）技术搭建一套属于自己的个人知识库，以为会涉及到诸多复杂的流程

Hanyu M·2025-05-07 05:52

AI产品经理必须知道的技术之【RAG】

AI产品经理或者准备从事这个职业的朋友，一定都听说过RAG。RAG全称是RetrievalAugmentedGeneration，中文意思是检索增强生成，是一种构建AI应用的方法。

weixin_47233946·2025-05-06 07:05

保姆级指南：基于 LangChain 搭建 RAG 系统全流程

一、RAG系统核心原理与技术选型1.1RAG技术架构解析RAG（检索增强生成）系统通过向量检索+LLM生成的双轮驱动架构，解决传统LLM的三大痛点：知识滞后：实时接入最新数据内容幻觉：基于检索结果生成保证事实性私有数据缺失

水煮蛋不加蛋·2025-05-05 22:36

RAG vs 微调：场景对比与混合使用策略，谁更适合你的业务？

一、技术原理与核心差异1.1RAG（检索增强生成）原理：将外部知识库与大模型结合，生成时先检索相关信息，再融合生成内容。核心优势：知识实时更新：通过更新知识库即可引入新信息，无需重新训练模型。

水煮蛋不加蛋·2025-05-05 22:36

AI驱动的人力资源智能化转型白皮书：从招聘场景破局到全流程重构

第一章行业变革背景与技术底座人力资源数字化转型现状传统招聘流程耗时占比分析（简历筛选占HR工作时长35%+）头部厂商能力图谱：北森的全周期管理、Moka的招聘协同、Boss直聘的智能匹配新一代AI技术栈核心组件：RAG

charles666666·2025-05-05 15:52

[特殊字符] 大模型（LLMs）RAG 版面分析——文本分块面

一、为什么需要对文本分块？**当遇到"大象级"文档时...**想象你面对一个几百页的文档，就像要吃掉一整头大象！️这时候，**文本分块**就是你的"餐刀"。❗**两大核心问题**：1.**信息丢失风险**：一次性处理整个文档就像用渔网捞金鱼，总会漏掉细节！2.**分块大小限制**：GPT-4的32K窗口就像电梯限载，超重可不行哦！**分块好处**：-提高信息提取精度-避免上下文丢失-适配模型限制⚖

AI大模型顾潇·2025-05-05 15:52

智能体开发框架简介特点及功能优劣对比

✅1.Dify核心定位：一体化的LLM应用开发平台，集成智能体管理、知识库、工作流、API服务于一体，适合企业构建和部署智能助手或RAG系统。

醒道·2025-05-05 11:24

【RAG实战】基于 LangChain+Transformers+Qwen3 的RAG 智能产品助手实现

1、背景介绍就在2025年4月29日凌晨，阿里巴巴正式推出新一代大语言模型通义千问Qwen3，并宣布全面开源。这一消息瞬间引爆AI圈，被誉为“开源大模型王座再易主”的里程碑事件。作为国内首个支持“混合推理”的模型，Qwen3不仅在技术上实现颠覆性创新，更以开源生态加速行业变革。Qwen3大模型的主要创新点有：1、支持两种思考模式：思考模式：在这种模式下，模型会逐步推理，经过深思熟虑后给出最终答案，

大模型研究院·2025-05-05 10:16

词向量激活阿拉伯语知识 —— 打造本地化智能知识库的创新架构

词向量与知识库融合：原理与创新架构解析阿拉伯语知识库构建全流程详解（附代码与解读）架构解剖：检索增强生成（RAG）系统剖析（Mermaid架构图）案例演示：“智能学伴”助力阿拉伯语“因材施教”展望与思考

海棠AI实验室·2025-05-05 08:31

【LangChain】langchain_milvus.Milvus 中常用的方法列举和解释说明

在LangChain中，langchain_milvus.Milvus是用于与Milvus向量数据库交互的向量存储类，适用于存储高维嵌入向量并进行高效相似性搜索，广泛用于检索增强生成（RAG）系统、文档检索等场景

彬彬侠·2025-05-05 04:10

LangChain4j（12）——Naive RAG

上篇文章，我们介绍了RAG的基本，并且使用的是LangChain4j中提到的EasyRAG，EasyRAG只是提供了对RAG认知的一个基本方式，对外隐藏了很多实现细节。

老任与码·2025-05-05 03:04

一篇文章带你学会向量数据库Milvus（一）

上一篇文章中LLM学习之「向量数据库」中我们介绍了什么是向量数据库，向量数据库有那些用途，向量数据库与LLM的关联以及RAG中向量数据库的使用。本篇文章我们重点介绍Milvus向量数据库的知识和使用。

AGI八零后·2025-05-05 03:32

AI原生应用实战：使用Python实现检索增强生成(RAG)系统

AI原生应用实战：使用Python实现检索增强生成(RAG)系统关键词：检索增强生成(RAG)、大语言模型(LLM)、向量数据库、文本嵌入、知识增强摘要：本文将带您从零开始构建一个「检索增强生成（RAG

AGI大模型与大数据研究院·2025-05-04 22:28

让用户与数据库对话：使用 Streamlit 构建由 RAG 支持的 SQL 助手，创建一个与数据库无关的聊天机器人，连接到 SQLite、BigQuery 和 Redshift。

检索与增强(RAG)系统正是体现了这一理念。通过利用大型语言模型(LLM)并将其与特

知识大胖·2025-05-04 21:52

《向量数据库指南》揭秘：Agentic RAG如何重塑RAG系统未来？

哈哈，大家好！我是王帅旭，大禹智库的向量数据库高级研究员，也是《向量数据库指南》一书的作者。今天，咱们来聊聊一个特别有意思的话题——从NaiveRAG到AgenticRAG的转变，这可是检索增强生成技术的一个重要里程碑啊！首先，咱们得明白什么是NaiveRAG。简单来说，NaiveRAG就是一种将检索到的信息与大型语言模型（LLM）相结合，以生成回答或文本的技术。它虽然在一定程度上解决了LLM在处

大禹智库·2025-05-04 12:26

了解大模型 RAG ：大模型外挂知识库（检索增强技术）

了解大模型RAG（Retrieval-AugmentedGeneration）：大模型外挂知识库（检索增强技术）前言了解大模型RAG（Retrieval-AugmentedGeneration）：大模型外挂知识库

程序员二飞·2025-05-04 06:47

检索增强生成（RAG）技术解析：大模型时代的“知识导航系统”

检索增强生成（Retrieval-AugmentedGeneration，简称RAG）是人工智能领域的一项突破性技术，通过将大型语言模型（LLM）与外部知识库动态结合，解决了传统大模型在知识时效性、准确性和可解释性等方面的核心痛点

花生糖@·2025-05-04 06:17

一文读懂大模型RAG：检索、增强与生成的技术详解，收藏这一篇就够了！！

相对于成本昂贵的“Post-Training”或“SupervisedFine-Tuning”（监督微调，SFT），基于RAG的技术方案成为了一种更优选择。

AI大模型优化师·2025-05-04 06:14

Speculative RAG：双模型架构提升效率与准确性

标题：SpeculativeRAG：双模型架构提升效率与准确性文章信息摘要：SpeculativeRAG是一种创新的RAG（Retrieval-AugmentedGeneration）系统优化方法，通过

XianxinMao·2025-05-04 04:37

coze、dify、n8n可以理解低代码平台的进化吗？

Coze零代码为主，拖拽式界面+插件模板化配置，无需编程基础强（深度集成NLP和大模型）快速构建AI聊天机器人及自动化对话流程Dify低代码为主，需理解Prompt工程和AI工作流设计强（原生支持LLM和RAG

码码哈哈爱分享·2025-05-03 09:01

大模型RAG实战｜向量数据库：Elasticsearch实现混合检索（附完整代码）

大模型RAG实战系列文章，带你深入探索使用LlamaIndex框架，构建本地大模型知识库问答系统。

AI程序猿人·2025-05-03 08:21

《向量数据库指南》——RAG破局，大模型新纪元！

爆发：LLM阴云笼罩下的破局者——向量数据库与RAG的崛起在科技产业的编年体史书中，2022年至2024年无疑是一段充满变革与创新的辉煌篇章。

大禹智库·2025-05-03 08:21

AI编程工具市场分析报告: 项目级RAG、Agent架构与多模态引擎的技术演进与商业竞争

目录AI编程工具市场分析报告:项目级RAG、Agent架构与多模态引擎的技术演进与商业竞争市场概览与竞争格局头部产品最新数据（2025年Q1）2024-2025年融资亮点技术架构对比：项目级RAGvsAgent

AI天才研究院·2025-05-03 06:11

【人工智能】RAG构建知识库与知识图谱指南

构建基于RAG（检索增强生成）的知识库和知识图谱涉及将检索与生成技术结合，提升知识获取、整合和应用的效率。

meisongqing·2025-05-02 21:37

Rerank详解

疑惑一我对rag的流程理解是。后端首先建立embedding后的向量数据库，用户提问使用相同的embedding模型进行向量化，使用阈值控制相似度找出前topk个数据。

一只Rookie炒菜机·2025-05-02 15:27

AutoGEN是什么？

它允许多个LLM代理(Agents)互相交流、分工协作，从而自动完成复杂任务，如代码生成、数据分析、RAG(检索增强生成)、自动问答等。

yxx122345·2025-05-02 10:25

生产级RAG系统一些经验总结

致Great·2025-05-02 07:00

使用Nodejs基于DeepSeek加chromadb实现RAG检索增强生成本地知识库

定义检索增强生成（RAG）的基本定义检索增强生成（Retrieval-AugmentedGeneration，简称RAG）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。

车轮滚滚__·2025-05-02 01:55

conda管理python环境

-CSDN博客快速搭建对象存储服务-Minio，并解决临时地址暴露ip、短链接请求改变浏览器地址等问题-CSDN博客大模型LLMs的MCP入门-CSDN博客使用LangGraph构建多代理Agent、RAG-CSDN

素雪风华·2025-05-01 16:59

构建LangChain应用程序的示例代码：53、利用多模态大型语言模型在RAG应用中处理混合文档的示例

然而，在大多数RAG应用中，图像中捕获的信息都会丢失。随着多模态LLMs的出现，比如GPT-4V，如何在RAG中利用图像是值得考虑的。

Hugo_Hoo·2025-05-01 05:40

基于SpringAI实现简易聊天对话

相比直接使用底层的ChatModel，ChatClient封装了提示词构建、响应处理、结构化输出、流式响应以及与RAG、聊天记忆等高级功能的集

ai大佬·2025-04-30 15:09

[论文笔记]Adaptive-RAG: Learning to Adapt Retrieval-Augmented Large Language Models through Question Com

引言今天带来论文Adaptive-RAG:LearningtoAdaptRetrieval-AugmentedLargeLanguageModelsthroughQuestionComplexity的笔记

愤怒的可乐·2025-04-30 14:36

第二大脑-个人知识库

https://i68.ltd/notes/posts/20250407-llm-person-kb/Quivr-第二大脑一样的个人助手，利用AI技术增强个人生产力将GenAI集成到您的应用程序中的个性化RAG

galileo2016·2025-04-30 07:45

GraphRAG + GPT-4o mini 低成本构建 AI 图谱知识库

限制首先，让我们来介绍一个词：RAG。简单来说，RAG（Retrieval-AugmentedGeneration，检索增强生成）的工作原理是将大型文档分割成多个小段落或片段。

nkwshuyi·2025-04-30 06:43

手把手教学：SpringBoot整合LangChain4j实现知识库RAG检索

搭建AI大模型应用开发环境-向量数据库pgvector（四）手把手教学：SpringBoot+LangChain4j实战全攻略（五）手把手教学：SpringBoot整合LangChain4j实现知识库RAG

xuke6677·2025-04-28 19:33

基于大模型底座重构司法信息系统

前置篇章：法律智能体所需的基础知识构建一个高效的法律智能体，特别是在基于RAG（Retrieval-AugmentedGeneration）架构的背景下，需要融合多种学科和领域的知识。

路人与大师·2025-04-28 19:02

RAG基础

一、什么是Rag？RAG，Retrieval-AugmentedGeneration，中文名检索增强生成，是AI领域非常重要的一种技术方案。

sztu_aYu·2025-04-28 08:55

5、Rag基础：RAG 专题

RAG简介什么是检索增强生成？检索增强生成（RAG）是指对大型语言模型输出进行优化，使其能够在生成响应之前引用训练数据来源之外的权威知识库。

Hugo_Hoo·2025-04-28 08:23

深入探索RAG（检索增强生成）模型的优化技巧

其中，RAG（Retrieval-AugmentedGeneration）模型以其将检索与

字节旅行·2025-04-26 22:16

【大模型】SpringBoot整合LangChain4j实现RAG检索实战详解

目录一、前言二、LangChain4j介绍2.1什么是LangChain4j2.2LangChain4j主要特点2.3Langchain4j核心组件三、RAG介绍3.1什么是RAG3.2RAG工作流程3.2.1

小码农叔叔·2025-04-26 20:31

结合RAG的发展谈谈它的未来

数据库网红教授AndyPavlo于2024年1月4日他的博客发表了2023年度数据库报告，正文开始就是向量数据库的兴起。对于所有数据库从业人员来说，都知道2023年是向量数据库的大年，这从2023年3月英伟达的黄仁勋在GTC大会上点名向量数据库开始，到2023年4月一系列向量数据库的巨额融资都可以感受出来。截止2023第三季度，向量数据库的火热都是以它作为大语言模型的外挂记忆体作为场景定义而出现的

infominer·2025-04-26 19:29

推荐频道

rag