搜索[RAG技术]结果-低调大师优秀个人博客

精选列表

搜索[RAG技术]，共10007篇文章

比 RAG 更强的 AI 内存层 Mem0

与 RAG 的区别：实体关系：Mem0 可以理解和关联不同交互中的实体，可以更深入地理解上下文和关系。RAG 则从静态文档中检索信息。

2024-07-24

Advanced RAG 02：揭开 PDF 文档解析的神秘面纱

编者按：自 2023 年以来，RAG 已成为基于 LLM 的人工智能系统中应用最为广泛的架构之一。

2024-04-07

阿里云PAI大模型RAG对话系统最佳实践

相关文档：【万字长文】基于阿里云PAI搭建知识库向量检索增强的大模型对话系统上线几个月来，随着 RAG 技术日趋火热，我们保持对线上链路的迭代，不断加入学界业界最新的 RAG 优化技术（eg: advanced

2024-03-14

Graph RAG: 知识图谱结合 LLM 的检索增强

本文为大家揭示 NebulaGraph 率先提出的 Graph RAG 方法，这种结合知识图谱、图数据库作为大模型结合私有知识系统的最新技术栈，是 LLM+ 系列的第三篇，加上之前的图上下文学习、Text2Cypher

2023-10-10

RAG 还是微调？企业知识库场景的选型决策

企业要做"基于自己知识库的 AI 问答"，第一个要做的技术决策，就是：用 RAG，还是微调（Fine-tuning）？这个问题我几乎每周都会被问到。

2026-09-28

客服 Agent 渡劫 48 关，从 Tool 到 RAG、MCP、Eval

2026 年人人会喊 Agent，可上线仍卡在同一句：Prompt 调得再花，过不了生产。

2026-09-24

《基于 RAG 的汽车故障诊断知识问答方法研究》

第一，知识长尾且专业。一个故障码（如 P0420）背后对应着成套的成因链条、排查步骤和维修成本，通用大模型的训练语料中这类结构化知识覆盖有限，直接提问极易产生「看起来专业但实际错误」的回答——在维修场景里，这种幻觉的代价是真金白银。

2026-09-23

关键参数与边界：①alpha 为向量 / BM25 权重，默认 0.5，关键词密集场景调高 BM25 权重（alpha 降到 0.3）；②BM25 需先分词，中文建议接 jieba 切词提升匹配；③两路各自归一化再融合，避免量纲差异压垮一路；④仅对向量召回 top 候选做 BM25 重排亦可（先向量取 top-50 再 BM25 精排），省算力；⑤对纯语义、无关键词的问题，BM25 增益有限，alpha 可上调。

2026-09-07

谈一谈企业为什么需要 `RAG` 知识库？

对于绝大多数企业来说，内部通常已经有比较成熟的知识管理系统了，相关的产品包括飞书文档、语雀、Confluence、企业 Wiki、网盘以及各种业务文档平台。这些系统已经能够完成知识创建、协作编辑、目录组织、权限管理、版本维护和内容共享。

2026-08-11

RAG BM25 算法和重排，微调以外的手段

微调能够提高模型的专门性，但也面临问题：数据需求大、计算资源要求高、隐私与安全问题，RAG 通过将 LLM 与外部知识库结合，在生成答案时检索相关信息，避免微调的高成本和复杂性。

2026-08-07

RAG 论文学习：从 NaiveRAG 到 AgenticRAG 的范式演进

RAG：Retrieval-Augmented Generation（检索增强生成）。

2026-07-23

使用 LangChain 和 Elasticsearch 开发一个 agentic RAG 助手

Agentic RAG 简介检索增强生成（RAG）已成为基于 LLM 的应用程序的基石，它通过根据用户查询检索相关上下文，使模型能够提供最佳答案。

2025-12-02

怎样为你的 RAG 应用选择合适的嵌入模型？

根据我近两年构建 RAG 应用的经验，回答质量很大程度上取决于检索到的上下文信息。而提升 RAG 检索效果的关键在于：将数据分割至合适大小的文本块、选择合适的嵌入模型，并采用高效的检索机制。

2025-11-05

AI 系统架构的演进：LLM → RAG → AI Workflow → AI Agent

编者按：当前 AI 系统建设中的一大痛点是：盲目追求先进技术而忽视业务实际需求，导致系统过度复杂、成本高昂、可靠性差。

2025-07-11

基于云原生向量数据库 PieCloudVector 的 RAG 实践

然而 AIGC 依然面临一系列挑战，检索增强生成（RAG）技术作为 LLM 的一项重要补充被提出。本文将结合实例演示，和大家一起探索基于 PieCloudVector 的 RAG 实践。

2024-09-05

🎉OpsPilot 2.2.0：强化 RAG 解析，新增 SaltStack 与 PaddleOCR 服务

🧠 Munchkin 更新优化多处RAG解析细节：解析更细致，使用体验更流畅。支持上传Zip格式的文件知识：方便批量文件上传，知识导入一步到位。

2024-07-08

Vector | Graph：蚂蚁首个开源Graph RAG框架设计解读

我们希望向大家分享一下：引入知识图谱技术后，传统RAG链路到Graph RAG链路会有什么样的变化，如何兼容RAG中的向量数据库（Vector Database）和图数据库（Graph Database

2024-06-17

如何优化RAG系统的性能表现？10条实用策略

作者 | Matt Ambrogi 编译|岳扬 🚢🚢🚢欢迎小伙伴们加入AI技术软件及技术交流群，追踪前沿热点，共探技术难题~ 01 快速入门指南，但只阅读本节是不够的检索增强生成（Retrieval

2023-12-20

剖析 RAG 应用中的指代消解

其中，检索增强生成（Retrieval-augmented generation，RAG）是一种针对知识密集型 NLP 任务的生成方法，它通过在生成过程中引入检索组件，从已知的知识库中检索相关信息，并将这些信息与

2023-12-19

资源下载

更多资源

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。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。