搜索[RAG系统]结果-低调大师优秀个人博客

精选列表

搜索[RAG系统]，共10021篇文章

Docker快速安装Oracle11G，搭建oracle11g学习环境

安装说明 1.操作系统CentOS7_x64 2.安装的数据库为Oracle11G 3.已经安装了Docker环境 4.安装一些必要的软件 sh 复制代码 yum install unzip -y unzip

2025-09-05

Springboot2将连接池hikari替换为druid，体验最强大的数据库连接池

数据库连接池对比 Druid： Druid是Java语言中最好的数据库连接池，Druid能够提供强大的监控和扩展功能，是一个可用于大数据实时查询和分析的高容错、高性能的开源分布式系统，尤其是当发生代码部署

2025-09-05

基于 NebulaGraph ，构建属于你的 Graph RAG

自 2023 年 8 月 NebulaGraph 和 LlamaIndex 共同推出 Graph RAG 以来，凭借着 LLM（大语言模型) 和 RAG（检索增强生成）的发展势头，在业界掀起了一场革命

2024-07-25

有道开源 RAG 引擎 QAnything 版本更新啦

https://github.com/netease-youdao/QAnything 近日，我们将我们的RAG（基于检索增强的生成，Retrieval Augmented Generation）引擎QAnything

2024-01-23

RAG 检索增强生成原理详解：为什么你的 RAG 效果差，问题多半在检索端

假设一个场景，有个做 RAG 的活儿，给售后知识库搭问答。第一版上线就被业务怼了：用户问「退货要几天到账」，它回了一段「签收后 7 天内可申请」——条款本身没错，但答的根本不是这个问题。

2026-10-04

企业Agent为什么不能只靠RAG？RAG、规则引擎和Workflow的职责边界与架构设计

企业建设Agent时，一个常见起点是“LLM + RAG”：把产品手册、制度文件、FAQ、案例等资料向量化，通过检索增强生成，让大模型能够调用企业私有知识。

2026-08-24

LlamaFactory × 多模态RAG × Chat-BI，万字长文揭秘RAG进化迷踪，打造专业AI助手！

如何让 RAG 系统同时驾驭多模态理解与结构化数据分析？

2025-06-03

RAG 修炼手册｜RAG 敲响丧钟？大模型长上下文是否意味着向量检索不再重要

03.RAG - 中点还是终点？

2024-03-28

关键参数与边界：①改写 35 个，过多噪声、过少不全；②RRF 的 k 默认 60，调小更看重高排名文档、调大更平滑；③各查询取 top-410 再融合，控制计算量；④相比单查询，Fusion 覆盖多表述，对近义混淆类问题增益明显；⑤与查询分解互补——分解拆子意图、Fusion 扩同义表述；⑥线上增加一次 LLM 调用约 300~800ms，可缓存高频问题的改写结果。落地前建议在固定样本上对比单查询检索与 Fusion 检索的 context_recall 指标，确认提升后再接入。

2026-09-09

OpenViking如何打通RAG与Skills上下文

OpenViking 的核心对象是 Context Database for AI Agents，定位是把 Agent Memory、Knowledge RAG 和 Skills 统一到一套可启动、可检查

2026-08-20

code-graph-rag如何读懂大型代码仓库

code-graph-rag 是 vitali87/code-graph-rag 仓库里的 Python 项目，目标是把 monorepo 解析成代码知识图谱，再结合 RAG 让开发者查询、理解和编辑多语言代码库

2026-08-12

混合检索RAG：多路召回+Reranker重排模型实战

• Android 17 曝出对应用内存做出更严格限制，后台驻留策略进一步收紧，长期挂后台的服务类应用要重新评估存活策略。

2026-07-17

04-RAG Wiki Grep 我到底该用哪个

Anthropic 提出过一个概念：Context Engineering（上下文工程）。

2026-07-10

RAG 与长文本，此消彼长还是相辅相成？

https://arxiv.org/pdf/2402.19473 RAG 技术的关键在于其结合了检索系统与生成模型的优点：检索系统能提供具体、相关的事实和数据，而生成模型则能够灵活地构建回答，并融入更广泛的语境和信息

2024-06-12

一文讲透 RAG 背后的技术

在之前的文章中《RAG 修炼手册｜RAG敲响丧钟？

2024-04-11

RAG索引优化-LlamaIndex上下文扩展思路讲解

索引阶段：在构建索引时，文档被分割成单个句子。每个句子都作为一个独立的“节点（Node）”存入向量数据库。同时，每个句子节点都会在元数据（metadata）中存储其上下文窗口，即该句子原文中的前N个和后N个句子。这个窗口内的文本不会被索引，仅仅是作为元数据存储。

2026-10-09

【10｜RAG for AIOps：让 AI 用“企业自己的知识”】

TL;DR：Incident RAG 的核心价值在于复用企业私有运维知识，让 AI 基于历史 incident、runbook、postmortem 做诊断，而非凭公开常识猜测。

2026-09-29

DocMemo：让长文档 RAG 学会带记忆地翻页

💡 一句话总结：DocMemo 把长文档检索从“先选一批页再硬答”改成“读、记、更新置信度、再找”的循环；如果你做的是 RAG、文档 Agent 或多模态文档理解，这篇最值得拿走的不是分数，而是把检索状态显式建模的工程思路

2026-08-20

RAG评估体系：从Ragas到自建量化评估Pipeline

• 8月1日起国行苹果AI功能完成备案，多方消息称DeepSeek已开始筹备IPO，几家大厂共享单车同步上调起步价。

2026-07-20

别再手调 RAG 了，让 Loop 自己找配置

无论你是改 chunk size，还是换 embedding，或者是加个 reranker，都要重新跑结果。几十轮下来，单靠人工在 Excel 或是凭印象去记参数组合和评估结果，调到后面可能自己都记混配置——哪一组才是有效的组合？

2026-07-13

上下文更长 ≠ 更好：为什么 RAG 仍然重要

精度：RAG 系统可以有效地帮助我们过滤掉噪音，让 LLM 专注于重要的事情。虽然将所有内容作为上下文发送是一个优势，但也带来一个挑战：你是否确保抓取了查询中所有相关的文档。

2025-07-22

RAG 五周年，向量检索发展状况如何？

在追求更可靠 AI 落地的过程中，RAG（检索增强生成）技术及其核心的向量检索技术，正成为解决这些难题的重要突破口。

2025-05-21

资源下载

更多资源

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。

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。

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。