rag 第8页

LangChain4j实战项目 - RAG、Tool、Agent

介绍一个包含Agent+Tool+RAG的一个简易机器人项目，后面可能会慢慢扩展其他功能，比如知识图谱等（目前想不到LangChain4j还能做什么功能==）。

艾露z·2025-04-19 03:03

MaxKB本地部署

MaxKB介绍MaxKB=MaxKnowledgeBase，是一款基于大语言模型和RAG的开源知识库问答系统，广泛应用于智能客服、企业内部知识库、学术研究与教育等场景。

居7然·2025-04-18 21:56

大模型半月报第3期｜Open AI发布o1推理模型；Cohere升级Command R和Command R+模型

新版模型在编码、数学、推理和延迟方面进行了显著提升，重点提升了处理检索增强生成(RAG)和多语言支持能力。CommandR模型新版本的吞吐量提高了约50%，延迟

科智咨询·2025-04-18 18:38

RAG 作者Douwe Kiela ： RAG已死？ RAG万岁！

一个拥有更大上下文窗口的新模型问世，社交媒体上便充斥着“检索增强生成（RAG）已死”的宣告。

小橘子就是小橘子·2025-04-17 23:33

【AI大模型】大模型RAG技术Langchain4j 核心组件深入详解

目录一、前言二、Langchain4j概述2.1Langchain4j是什么2.2Langchain4j主要特点2.3Langchain4j核心组件2.4Langchain4j核心优势三、Langchanin4j组件应用实战3.1前置准备3.1.1导入如下依赖3.1.2获取apikey3.1.3获取官方文档3.2聊天组件3.2.1基本对话3.2.2记住上下文对话3.2.3流式对话3.3文生图3.4

小码农叔叔·2025-04-17 12:23

深度洞察：DeepSeek 驱动金融行业智能化转型变革

目录一.金融行业的智能化转型浪潮二.DeepSeek的核心技术剖析1.DeepSeek模型的金融智慧2.实时联网搜索：把握金融市场脉搏3.RAG能力：铸就精准金融知识问答三.多维度金融应用实例展示1.智能投资顾问

Pocker_Spades_A·2025-04-17 07:45

RAG 多文档代理 (Multi-Document Agent)架构

多文档代理(Multi-DocumentAgent)系统详解多文档代理是一种先进的检索增强生成(RAG)架构，它采用分层设计来处理多个领域或文档集的查询。

AI Agent首席体验官·2025-04-16 22:50

初识 spring ai 之rag、mcp、tools calling使用

环境准备在使用RAG（检索增强生成）时，可以选择使用本地缓存保存Embedding向量，也可以使用数据库存储。

一只猪的思考·2025-04-16 13:49

检索增强生成（RAG）：利用Python、LangChain和OpenAI实现前沿的自然语言处理技术

检索增强生成（RAG）：利用Python、LangChain和OpenAI实现前沿的自然语言处理技术引言在自然语言处理（NLP）的领域中，随着大型语言模型（LLM）的发展，我们已经见证了许多突破性的进展

m0_57781768·2025-04-16 09:25

python实战（四）——RAG预热实践

一、任务目标为了清晰直观地展示RAG（检索增强生成）方法的有效性，我们手搓一套RAG的流程进行演示，作为后续LangChain等技术的预热。

CM莫问·2025-04-16 09:53

RAG优化：python从零实现[吃一堑长一智]循环反馈Feedback

本文将介绍一种有反馈循环机制的RAG系统，让当AI学会"吃一堑长一智"，给传统RAG装了个"后悔"系统，让AI能记住哪些回答被用户点赞/拍砖，从此告别金鱼记忆：每次回答都像在玩roguelike：失败结局会强化下次冒险悄悄把优质问答变成新知识卡牌

AI仙人掌·2025-04-16 08:22

长上下文时代：RAG的块大小为何仍需克制？

一、技术矛盾：长与短的博弈1.1LLM的"长"与RAG的"短"当LLM的上下文窗口突破64K甚至128Ktokens时，开发者常陷入直觉误区——认为RAG的拆分块也应"同步升级"。

TGITCIC·2025-04-16 03:16

AI大模型四大技术架构演进选型

大模型技术架构通过最初的简单交互，逐渐发展为可对已有模型进行能力迁移学习扩展的架构，这个过程包括了四大技术架构的演进，分别为：纯Prompt、Agent+FunctionCalling、RAG（检索增强生成

AI程序猿人·2025-04-15 19:22

大模型RAG系列：什么是RAG？RAG是如何解决问题的？RAG的未来发展趋势！

一、什么是RAG所谓RAG，检索增强生成（RetrievalAugmentedGeneration），简称RAG，已经成为当前最火热的LLM应用方案。

大模型微调部署·2025-04-15 15:28

两层检索策略：摘要检索 + 内容检索在 RAG 中的实践

在企业级RAG系统开发中，面对成百上千的复杂文档，我们常常会陷入这样的困境：直接检索原始内容容易被海量细节淹没，只依赖摘要又担心丢失关键信息。有没有一种方案能兼顾「全局视角」和「细节把控」？

佑瞻·2025-04-15 10:59

深度解析 RAG 融合检索：从自定义实现到框架应用

在RAG（检索增强生成）系统中，检索环节的质量直接决定了最终回答的准确性。当面对复杂查询时，单一检索方式往往难以兼顾语义理解与精确匹配的需求。

佑瞻·2025-04-15 10:59

从 0 到 1 构建高效 RAG 问答系统：LangChain+Ollama+Chroma 实战指南

一、引言：突破LLM知识边界的RAG技术在企业级AI应用中，大语言模型（LLM）常面临两大痛点：知识时效性不足（如训练数据截止到2023年）和领域知识缺失（如企业内部文档未被模型学习）。

佑瞻·2025-04-15 10:29

RAG架构概述

RAG(Retrieval-AugmentedGeneration)是一种结合了信息检索和生成模型的架构，旨在通过引入外部知识库来增强生成模型的能力。

沉墨的夜·2025-04-15 10:27

大模型面经 | DeepSeek-R1中提到的思维链(Chain of Thought，CoT)是什么？

往期回顾：大模型面经|春招、秋招算法面试常考八股文附答案（RAG专题一）大模型面经|春招、秋招算法面试常考八股文附答案（RAG专题二）大模型面经|春招、秋招算法面试常考八股文附答案（RAG专题三）大模型面经

皮先生!·2025-04-14 23:12

基于Qwen2/Lllama3等大模型，部署团队私有化RAG知识库系统的详细教程（Docker+AnythingLLM）

自ChatGPT发布以来，大型语言模型（LargeLanguageModel，LLM，大模型）得到了飞速发展，它在处理复杂任务、增强自然语言理解和生成类人文本等方面的能力让人惊叹，几乎各行各业均可从中获益。然而，在一些垂直领域，这些开源或闭源的通用基础大模型也暴露了一些问题，主要体现在以下3个方面：知识的局限性：大模型的知识源于训练数据，目前主流大模型（如：通义千问、文心一言等）的训练数据基本来源

大耳朵爱学习·2025-04-14 19:11

大模型在金融行业的应用场景

目前已有的大模型知识库基本上都采用RAG的方案构建，但是数据源多样（流程规范、产品材料、规章制度等），数据格式繁杂（文字、表格、公式、图片等），针对不同的数据都需要业务上进行单独处理。

Python程序员罗宾·2025-04-14 14:12

深度解析多文档场景下的 Agentic RAG 架构：从原理到实现

在构建知识密集型应用时，面对几十甚至上百个不同来源的文档，传统RAG方案常因向量检索的局限性，在处理复杂任务时显得力不从心。

佑瞻·2025-04-13 12:24

**深入探索会话式RAG：构建智能问答应用的终极指南**

#引言在当今的问答应用中，赋予应用能够进行回合制对话的能力变得至关重要。这意味着应用程序需要某种形式的“记忆”来记录过往的问题和答案，并具有将这些上下文融入当前问题推理的逻辑。在本文中，我们将探讨如何在您的应用中加入这种逻辑，以提升用户体验。#主要内容##1.理解基础概念在开始之前，确保您熟悉以下概念：-**聊天历史**：记录用户与系统之间的对话。-**聊天模型**：例如GPT模型，用于处理自然语

sjufgwgfhoia·2025-04-12 19:36

搭建大模型知识库流程，以及基于langchain实现大模型知识库案例

“RAG检索增强生成是为了解决大模型知识不足的问题”大模型主要面临三个问题：垂直领域内的知识不足大模型知识有时间限制大模型幻觉问题第一个问题产生的原因是因为，没有经过垂直领域数据训练的大模型普遍表现不好

AI程序猿人·2025-04-12 10:42

检索增强技术RAG和向量数据库技术的优势和劣势，应用范围和价值

RAG和向量数据库在技术栈中处于不同层级，前者侧重生成任务的准确性与动态性，后者专注检索效率与扩展性。在实际应用中，二者常协同工作，但也可独立服务于不同场景。

weixin_30777913·2025-04-12 00:31

从实践出发：AI智能体GPU算力估算方案全解析——以知识库应用为例

引言：AI智能体时代的算力困境随着大模型与RAG（Retrieval-AugmentedGeneration）技术的普及，新一代AI智能体正呈现知识密集化与响应实时化的双重趋势。

awei0916·2025-04-11 22:21

快速构建个人本地知识库管理系统与实现RAG问答

文章目录摘要一、RAG和知识库简介1、RAG2、知识库二、工作流程三、系统架构设计文件结构知识库构建模块RAG模块用户交互模块四、技术实现细节五、系统使用案例结论未来改进方向致谢摘要在当今信息爆炸的时代

慢热型网友.·2025-04-11 10:57

一文秒懂 AI 核心： Agent、RAG、Function Call 与 MCP 全解析

一文秒懂AI核心：Agent、RAG、FunctionCall与MCP全解析懒人直看版一图胜千言，我们用一个表格来总结下它们的关系和区别：特性MCP(模型上下文协议)RAG(检索增强生成)Agent(智能体

‍。。。·2025-04-11 06:00

为什么RAG，如何RAG和怎么做RAG?

文章目录什么是RAG？RAG应用RAG是如何工作的？索引检索增强生成RAG的优势与挑战RAG的优势RAG的挑战RAG必知术语RAG学习路线图RAG开发者栈什么是RAG？检索增强生成（RAG）是一种流

AI拉呱_·2025-04-10 16:33

如何实现参加RAG比赛但进不了复赛的总结

今天写这篇文章主要就是总结一下我使用的一些基本方法，虽然肯定比不上前十的大佬们的操作，但对于常规RAG实现来说也是够用的。这次的考题是给了一堆HTML的知识文档，基于这些文档来进行知识问答。

AI大模型-王哥·2025-04-10 12:06

RAGFlow (https://github.com/infiniflow/ragflow/blob/main/README.md)

一个非常好的项目，可以让你用ollama部署的模型和自带rag的功能，界面也很清爽几乎可以直接商用使用教程看README.md就可以，从下面开始

fc&&fl·2025-04-10 03:03

RAG（检索增强生成）系统，提示词（Prompt）表现测试（数据说话）

在RAG（检索增强生成）系统中，评价提示词（Prompt）设计是否优秀，必须通过量化测试数据来验证，而非主观判断。

小赖同学啊·2025-04-09 23:42

RAGFlow 开源项目安装与使用文档

RAGFlow开源项目安装与使用文档ragflowRAGFlow是一个基于深度文档理解的开源RAG（检索增强生成）引擎。

束葵顺·2025-04-09 12:24

LLM大模型在融合通信产品中的应用实践_文档生成

RAG是解决其中一些挑战的一种方法。它会重定向LLM，从权威的、预先确定的知识来源中检索相关信息。组织可以更好地控制生成的文本输出，并且用户可以深入了解LLM如何生成响应。RAG范

脱泥不tony·2025-04-09 03:02

RAG优化：python从零实现GraphRag 一场文档与知识的“恋爱”之旅

嘿，亲爱的算法工程师们，准备好迎接一场文档与知识的“恋爱”之旅了吗？今天我们要介绍的GraphRAG，就像是一位“红娘”，帮助文档和知识在图的世界里找到彼此，擦出智慧的火花！文章目录为什么需要GraphRAG？GraphRAG的“恋爱秘籍”准备好了吗？让我们开始吧！环境设置设置OpenAIAPI客户端文档处理函数创建嵌入知识图谱构建图遍历和查询处理响应生成可视化完整的GraphRAG流程评估函数在

AI仙人掌·2025-04-08 00:33

知识Agent检索：让RAG迸发智慧的五个架构跃迁点

作为经历过从零搭建企业级RAG系统的老兵，我深知开发者们在面对复杂问题时"知道该优化，但不知从何下手"的迷茫。本文将用最直白的语言，拆解传统RAG升级为智能Agent的必经之路。

码农Q！·2025-04-07 19:03

基于langchain的长文本多迭代总结

之前我们讲到langchain的rag问答，有兴趣的同学可以做下回顾[langchain基于混元大模型的实时内容的RAG问答](https://blog.csdn.net/trnanan/article

·2025-04-07 18:05

LLMs之RAG：解读RAG主流的七类架构(Naive RAG/Retrieve-and-rerank/Multimodal RAG/GraphRAG/HybridRAG/Agentic RAG(Ro

LLMs之RAG：解读RAG主流的七类架构(NaiveRAG/Retrieve-and-rerank/MultimodalRAG/GraphRAG/HybridRAG/AgenticRAG(Router

一个处女座的程序猿·2025-04-07 10:32

RAG模型的工作原理

RAG（Retrieval-AugmentedGeneration）模型通过结合检索与生成技术，显著提升了生成内容的准确性和事实性。

m0_53487505·2025-04-07 06:39

产品经理的大语言模型课 03 - 定制自己的大语言模型

文章目录什么时候需要定制大语言模型提示词工程RAG、知识库与文本嵌入在数据准备阶段用户提问与回答微调模型蒸馏适配器训练总结什么时候需要定制大语言模型在很多时候直接使用公共、通用的大语言模型无法满足需求，

平头某·2025-04-07 00:33

DeepSeek Chat 文件上传与处理的底层逻辑解析

是否像传统RAG（检索增强生成）系统一样，先进行向量嵌入+数据库存储，再召回相关信息？还是采用了更高效的实时处理方式？本文将深入探讨DeepSeek

_喵酱_·2025-04-06 18:54

LangChain与LlamaIndex，RAG框架该怎么选？

介绍检索增强生成（RAG）将信息检索与生成模型相结合，使其成为问答、摘要和其他自然语言处理（NLP）任务等应用程序的强大技术。

我爱学大模型·2025-04-06 15:33

RAGFlow + LlamaIndex 本地知识库RAG增强架构与实现直播智能复盘

一、需求分析与架构设计基于RAGFlow+LlamaIndex本地知识库RAG扩展直播话术合规与复盘系统，需构建实时流处理、多模态合规引擎、智能复盘分析三层能力。

每天三杯咖啡·2025-04-06 14:01

Rag中的文档切片chunking

rag系列文章目录文章目录rag系列文章目录前言一、几种切片策略1固定长度切割2滑动窗口切割3基于文档结构切割4语义切割5结构和长度结合的切割二、代码实践总结前言在rag整个流程中，文档的切片很重要。

sinat_28694519·2025-04-06 13:27

Dify与RAGFlow结合：智能应用开发与深度文档理解的优化

文章目录引言RAGFlow与Dify简介1.1RAGFlow：深度文档理解的RAG引擎1.2Dify：LLM应用开发平台与RAG集成混合检索与深度文档理解2.1混合检索的原理与设置2.2混合检索在Dify

我就是全世界·2025-04-06 05:56

【Dev常识】为什么搜索越来越难用？向量数据库揭开了我多年的困惑！

目录起因关于搜索多年的疑惑什么向量数据库什么是向量向量数据库向量搜索最简单的架构和流程架构组成流程步骤（举个例子）向量在大模型和RAG当中的应用场景什么是RAG？具体应用场景1.

豆浆whisky·2025-04-06 05:54

RAG（检索增强生成）系统中解析 Excel 文件

在RAG（检索增强生成）系统中解析Excel文件，需要将结构化数据转换为可供检索和生成的文本或向量形式。

小赖同学啊·2025-04-05 22:08

RAG 系统构建闭环实战：数据清洗 × 嵌入策略 × 更新机制 × 多语言 × 权限控制

你可能已经成功部署了一个RAG系统：✅文档上传→向量化→大模型问答✅页面漂亮，支持ChatUI/API接入✅使用国产模型（Qwen/DeepSeek等）+私有部署但现实往往是：上传一次文档之后，内容就很久没人更新每次新增资料都要手动处理

AI筑梦师·2025-04-05 12:36

AI在软件自动化测试领域的应用

一、概览1、常见术语AIRAG：RAG（RetrievalAugmentedGeneration，检索增强生成）技术，用通俗易懂的语言来说，就是一个结合了搜索和生成能力的AI框架。

在线打码·2025-04-05 01:55

多模态RAG实践：如何高效对齐不同模态的Embedding空间？

目录多模态RAG实践：如何高效对齐不同模态的Embedding空间？一、为什么需要对齐Embedding空间？

gs80140·2025-04-04 16:24

推荐频道

rag