搜索[RAG]结果-低调大师优秀个人博客

精选列表

搜索[RAG]，共1319篇文章

GEO与RAG检索链路：为什么高质量页面仍进不了AI答案

一篇文章内容专业、结构完整，也已经被搜索引擎收录，却始终没有出现在 AI 答案中。

2026-07-22

2026多模态RAG“幻觉风暴”调查：跨模态对齐失效与语义锚点重构纪实

2026年7月，随着企业知识库全面进入图文音视频混合时代，多模态RAG（检索增强生成）成为大模型落地的标配。

2026-07-15

从RAG、MCP到工作流编排的工程路径

最近搜一搜"从0到1搭建AI Agent"，大概率会刷到同一个模板：接入一个大模型，写几行提示词，注册一个查天气或者查火车票的工具，让 Agent 自己判断什么时候该调用工具。跑通的那一刻，确实会让人有种"智能体也就这样"的错觉。

2026-07-13

RAG命中率从60%到78% 经验分享

我花了1个月搭了一套自建 RAG 知识库，240 篇技术文章灌进去，向量库跑起来一切正常。

2026-07-11

LazyLLM 测评 | 十行代码构建工业级 RAG，LazyLLM 如何重塑 AI 应用开发

官方宣称，仅需 10 行代码，即可实现工业级的 RAG 系统，这听起来是否有些不可思议？

2025-11-21

清华等联合发布 UltraRAG 2.1，全球首个基于 MCP 架构的多模态 RAG 框架

THUNLP实验室、东北大学NEUIR实验室、OpenBMB与AI9Stars联合开发的 UltraRAG2.1 已正式发布，成为全球首个基于Model Context Protocol（MCP）架构的开源RAG

2025-11-12

LazyLLM教程 | 第6讲：检索更准：RAG召回效果优化的底层逻辑与技巧

RAG效果评测 RAG系统结合检索与生成两个组件实现由外部知识源查找相关信息从而对抗大模型的幻觉问题生成符合用户查询上下文的响应。

2025-08-26

小米 Mi-BRAG 获中国信通院可信 AI RAG 评估最高等级

小米技术官博发文称，2025年5月，小米自研智能知识库问答框架—Mi-BRAG顺利通过中国信息通信研究院（以下简称“中国信通院”）组织的“可信AI检索增强生成（RAG）”评估，并获当前最高评级4+级。

2025-06-06

化“腐朽”为“神奇”：5 种 RAG 优化技术应对千奇百怪的 Query

编者按：您是否曾经遇到这样的情况：明明构建了一个功能强大的 RAG 系统，但用户却频繁抱怨"找不到想要的信息"或"返回的结果不够准确"？这是许多 RAG 应用开发者面临的共同挑战。

2024-09-11

网易有道自研 RAG 引擎 QAnything 升级：发布纯 python 版本，首次支持在 Mac 运行

（QAnything 系统架构图） QAnything是网易有道自研的RAG（Retrieval Augmented Generation)引擎。

2024-04-12

本体驱动ERP｜情报周报：本体 / RAG / Agent 正在一起向"图"收敛

4 条信号指向同一件事：多路检索 + 图遍历 + 层级结构，正在成为企业 RAG 的默认答案；大厂也开始用轻量本体给显式知识背书。

2026-09-09

GraphRAG vs 传统RAG：我实测了主流方案，结果和你想的不一样

去年我帮一个客户搭企业问答系统，上来就选了GraphRAG——觉得有图谱加持肯定比纯向量检索强。

2026-09-09

维策信息｜基于 RAG 架构的企业实体资产构建与可信度评估技术实践

主流生成式 AI 问答系统普遍采用 RAG（Retrieval-Augmented Generation，检索增强生成）架构。RAG 系统的算法逻辑经历了三个阶段的演进：

2026-09-01

一个污染页面就能带偏推荐：RAG 消费决策的信任边界该重画了

当用户问“哪款儿童座椅更安全”时，他以为模型在比较产品；模型却可能只是在复述搜索结果里写得最像答案的页面。更危险的是，页面不需要攻破模型，也不需要控制整个互联网：只要进入靠前检索位，就可能让一个并不存在的商品得到一本正经的推荐。

2026-08-25

企业知识库搭建实战：RAG 从文档导入到检索调优全流程拆解

适合人群：企业技术产品运营，想把公司私域资料变成"会回答的 AI"的团队。

2026-08-21

基于RAG的DeepSeek本地知识库构建：从分块策略到混合检索的工程实践

在实际业务场景中，通用大模型（LLM）无法直接回答基于企业内部规章、产品手册或存量PDF文档的精细化问题。虽然DeepSeek具备强大的推理能力，但在未提供上下文的情况下，仍会产生“幻觉”。

2026-08-17

别再只用RAG做知识库！四层分层记忆解决多Agent团队协作孤岛难题

传统RAG仅解决文档检索，无法完成经验提炼、权限管控、技能复用、代码影响分析全链路治理。

2026-08-07

构建高可用 RAG 大模型系统：从基础检索到上下文增强的实战指南

检索增强生成（Retrieval-Augmented Generation, RAG）已成为大模型落地企业知识库、客服机器人等场景的标配架构。然而，从 Demo 到生产环境，开发者常面临以下痛点：

2026-08-04

大模型幻觉本质：源于Transformer架构天生固有缺陷 + RAG根治方案参数调优18.4

不知道大家是不是也一样，做大模型应用做的久了，回过来头来总结思考，一直都有一个误区：总觉得大模型胡说八道、编造事实的幻觉问题，改改代码、修修bug、优化一下推理逻辑就能彻底解决。但实际行业踩过无数坑后才明白，幻觉从来不是程序故障，而是Transformer天生自带的架构短板。模型天生只擅长预测文字通顺概率，不擅长分辨真假对错，长上下文注意力衰减、知识分布冷热不均、采样逻辑发散，都会让模型一本正经地输出错误信息。不管是通用对话、政企问答、合同解析还是行业知识库，幻觉都会直接影响可信度、业务安全与落地合规。

2026-08-04

WorkBuddy + MaxKB 搭建个人知识库实战：10 年技术文档 3 小时接入 RAG 智能问答

💡 摘要: 写了 10 年技术博客，文档散落在 CSDN、语雀、本地 Markdown、Notion、GitHub 五个地方，每次找一个配置要点都要翻半天。市面上的知识库工具要么不能私有部署，要么不支持自定义模型，要么接入成本高。本文记录我用腾讯云 WorkBuddy 作为 AI 编程助手，结合开源项目 MaxKB，3 小时搭建起属于自己的个人智能知识库的完整过程：Docker 一键部署、500+ 篇文档批量导入、对接腾讯混元大模型、自定义 API 集成到个人博客。重点不是操作步骤的复述，而是 WorkBuddy 在每个环节如何把"2 天的搭建工作"压缩到"3 小时"——从生成 docker-compose、编写文档清洗脚本、调试 API 对接代码，全程 AI 辅助。包含 4 个实操步骤、3 张架构图、5 个踩坑案例，适合有技术文档沉淀需求的开发者、技术博主和知识管理者阅读。

2026-07-24

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。