搜索[RAG]结果-低调大师优秀个人博客

精选列表

搜索[RAG]，共3437篇文章

RAG 技术在企业智能客服中的工程化实践

> RAG（检索增强生成）是当前大模型落地企业场景最主流的技术方案之一。本文从工程实践角度，拆解 RAG 在智能客服场景下的完整架构、核心挑战和优化路径。

2026-09-28

企业 RAG 知识库验收架构：引用、权限与失败恢复

企业 RAG 知识库上云后，需要验收的不只是回答质量，还包括文档版本、检索权限、引用证据、摄取状态和失败恢复。可以把整条链路设计成可观测、可重放的云上任务。 ## 1.

2026-09-08

《Spring AI 2.0实战》第9招 RAG先做最小闭环

RAG 的“检索”不是可有可无的附加步骤，而是让模型“先看证据再说话”的核心机制。 ## 04、架构 Spring AI 里的 Modular RAG 把检索增强生成拆成几个清晰的模块。

2026-09-03

《Spring AI 2.0实战》第10招 RAG进入模块化

换句话说，我们可以像搭乐高一样把 RAG 流水线搭出来，并且能直接使用现成的 RAG 模式。

2026-09-03

用 Python 实现查询分解提升多跳 RAG 检索召回

将查询分解接入检索链路，RAG 系统可从"单向量匹配"演进为"多子问题并行召回"，多跳问答的完整性上限随之提升。

2026-09-03

生产级AI标书工具的RAG架构设计与实践

## 一、为什么标书场景的RAG，比你想的难得多？ RAG（Retrieval-Augmented Generation）已经是LLM应用中最成熟的工程范式之一。

2026-08-28

自有 RAG 系统的最小评测协议：分层排查框架

# 自有 RAG 系统的最小评测协议：分层排查框架企业知识库接入检索增强生成（RAG）后，"回答不对"是高频反馈。但问题出在哪一层？

2026-08-20

RAG 与 Agent 性能深度解析：从架构对比到工程优化

# RAG（检索增强生成）与 Agent（智能体）是当前大模型应用的两大核心范式。RAG 通过外挂知识库为模型提供事实依据，Agent 则通过自主规划与工具调用完成复杂任务。

2026-08-20

从零构建生产级RAG服务--AI大模型应用开发

为什么RAG需要“应用开发”思维大模型API的调用门槛已经极低，但真正的落地挑战在于：**如何将模型与私有数据、业务逻辑、运维体系结合**。

2026-08-19

基于 RAG 架构的 DeepSeek 大模型本地知识库构建

# 基于 RAG 架构的 DeepSeek 大模型本地知识库构建 ## 引言随着大语言模型（LLM）的爆发式增长，企业级知识问答系统面临新的机遇与挑战。

2026-08-18

检索增强生成（RAG）基础：大模型如何获取外部知识

直接答案：RAG 不是单个模型，而是"检索 + 生成"的流水线。下面按工程落地顺序拆解，每一步给出常见参数与取舍，便于直接对照实现。一、文档切分（chunking）。

2026-08-16

驯服"知识幻觉"：Agent RAG工程、知识治理与可信检索实战

RAG系统缺乏引用溯源能力，无法验证回答来源，在金融、医疗等强监管领域被一票否决。

2026-08-12

![](https://developer.qcloudimg.com/http-save/audit-12617516/c079980702cf50e5bf0e5eccf018227f.png) ![](https://developer.qcloudimg.com/http-save/audit-12617516/483ed2088ab528b65c8532ba829fd7c4.png) ![](https://developer.qcloudimg.com/http-save/audit-12617516/46345fdc65f9cef1542437651f9f8694.png) ![](https://developer.qcloudimg.com/http-save/audit-12617516/3416a70eeee72c429e3dc82b623b1173.png) ![](https://developer.qcloudimg.com/http-save/audit-12617516/1dd55cf55af9b50ddb4c0f5926a615df.png) ![](https://developer.qcloudimg.com/http-save/audit-12617516/54c60264ac5f913ff49dbb442d092283.png) ![](https://developer.qcloudimg.com/http-save/audit-12617516/253a8263ea62dd17e9c6af6458876327.png) ![](https://developer.qcloudimg.com/http-save/audit-12617516/083789c1fbf086e4445afb562b6a0e05.png) 🌿LLM Wiki 不是简单的资料收藏工具，而是一种面向大模型时代的知识管理方法。 🌿它通过结构化整理、持续更新、语义检索和上下文调用，让零散内容逐步沉淀为可复用、可追溯、可持续增长的知识库，帮助 AI 不再每次从零开始，也让个人与团队的知识真正参与后续工作。

2026-07-11

靠更换嵌入模型，该产品将 RAG 延迟降低了50%

编者按：在 RAG 系统中，一味追求更高维的嵌入模型真的意味着更好的性能吗？

2025-12-26

LLM 应用评估综合指南（多轮对话系统、RAG、AI Agent）

编者按：随着大语言模型应用从简单的文本生成，发展到复杂的多轮对话机器人、检索增强生成（RAG）系统乃至智能体（Agent），我们应如何科学、有效地评估它们的性能，确保其稳定可靠？

2025-10-22

UltraRAG 2.0 发布，基于 MCP 架构设计的开源 RAG 框架

NEUIR 实验室、OpenBMB 与 AI9Stars 联合推出 UltraRAG 2.0 （UR-2.0），这是首个基于 Model Context Protocol (MCP) 架构设计的开源 RAG

2025-09-01

基于RAG（检索生成技术）构建知识驱动型AI智能体

（Retrieval-Augmented Generation, RAG）这一相对成熟的技术范式，其基本流程如图2所示。

2025-07-02

RAG 升级之路：如何让问答机器人真正“智能”起来

在之前的文章中，我们介绍了如何使用 CloudCanal 和 Ollama 搭建全栈私有的 RAG 问答服务，为企业级 RAG 应用提供了部署简单、安全可靠的解决方案。

2025-06-20

RAG市场的2024：随需而变，从狂热到理性

虽然这一年做了很多事情，但从技术层面上来说，RAG肯定是不得不提的，所以今天分享一下作为大模型应用创业者所感知的这一年，RAG市场环境的变化。

2025-02-08

面向法律场景的大模型RAG检索增强解决方案

RAG模型通过将检索与生成相结合，能有效提升回答的准确性和上下文相关性。本方案以人工智能平台PAI为基础产品，为您介绍面向法律场景的大模型RAG检索增强解决方案。

2025-01-15

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。

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。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

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。

精选列表

RAG 技术在企业智能客服中的工程化实践

企业 RAG 知识库验收架构：引用、权限与失败恢复

《Spring AI 2.0实战》第9招 RAG先做最小闭环

《Spring AI 2.0实战》第10招 RAG进入模块化

用 Python 实现查询分解提升多跳 RAG 检索召回

生产级AI标书工具的RAG架构设计与实践

自有 RAG 系统的最小评测协议：分层排查框架

RAG 与 Agent 性能深度解析：从架构对比到工程优化

从零构建生产级RAG服务--AI大模型应用开发

基于 RAG 架构的 DeepSeek 大模型本地知识库构建

检索增强生成（RAG）基础：大模型如何获取外部知识

驯服"知识幻觉"：Agent RAG工程、知识治理与可信检索实战

RAG知识库升级新范式

靠更换嵌入模型，该产品将 RAG 延迟降低了50%

LLM 应用评估综合指南（多轮对话系统、RAG、AI Agent）

UltraRAG 2.0 发布，基于 MCP 架构设计的开源 RAG 框架

基于RAG（检索生成技术）构建知识驱动型AI智能体

RAG 升级之路：如何让问答机器人真正“智能”起来

RAG市场的2024：随需而变，从狂热到理性

面向法律场景的大模型RAG检索增强解决方案

资源下载

Mario

Nacos

Spring

Rocky Linux

欢迎您来访！

精选列表

RAG 技术在企业智能客服中的工程化实践

企业 RAG 知识库验收架构：引用、权限与失败恢复

《Spring AI 2.0实战》第9招 RAG先做最小闭环

《Spring AI 2.0实战》第10招 RAG进入模块化

用 Python 实现查询分解提升多跳 RAG 检索召回

生产级AI标书工具的RAG架构设计与实践

自有 RAG 系统的最小评测协议：分层排查框架

RAG 与 Agent 性能深度解析：从架构对比到工程优化

从零构建生产级RAG服务--AI大模型应用开发

基于 RAG 架构的 DeepSeek 大模型本地知识库构建

检索增强生成（RAG）基础：大模型如何获取外部知识

驯服"知识幻觉"：Agent RAG工程、知识治理与可信检索实战

RAG知识库升级新范式

靠更换嵌入模型，该产品将 RAG 延迟降低了50%

LLM 应用评估综合指南（多轮对话系统、RAG、AI Agent）

UltraRAG 2.0 发布，基于 MCP 架构设计的开源 RAG 框架

基于RAG（检索生成技术） 构建知识驱动型AI智能体

RAG 升级之路：如何让问答机器人真正“智能”起来

RAG市场的2024：随需而变，从狂热到理性

面向法律场景的大模型RAG检索增强解决方案

资源下载

Mario

Nacos

Spring

Rocky Linux

欢迎您来访！

基于RAG（检索生成技术）构建知识驱动型AI智能体