rag 第2页

【AI大模型学习路线】第三阶段之RAG与LangChain——第十六章（Advanced RAG[1]）MultiQuery retriever详解？

【AI大模型学习路线】第三阶段之RAG与LangChain——第十六章（AdvancedRAG[1]）MultiQueryretriever详解？

985小水博一枚呀·2025-07-11 13:15

Dify小白入门指南：通过官方文档学习工作流编排和API调用

小白入门指南：通过官方文档学习工作流编排和API调用一、Dify平台简介与核心功能Dify是一个开源的LLM应用开发平台，被设计为一个"生成式AI应用创新引擎"，它提供了从Agent构建到AI工作流编排、RAG

伟大无须多言·2025-07-11 12:39

OpenWebUI(11)源码学习-后端config.py配置文件

**RAG（Retrieval-AugmentedGeneration）配置**6.**图像生成配置**7.**代码解释器配置**

青苔猿猿·2025-07-11 12:08

【RAG实战指南 Day 13】嵌入模型选择与性能对比

【RAG实战指南Day13】嵌入模型选择与性能对比文章内容开篇欢迎来到"RAG实战指南"系列的第13天！今天我们聚焦RAG系统中的关键组件——嵌入模型。

在未来等你·2025-07-11 08:12

Spring AI 本地 RAG 实战：用Redis、Chroma搭建离线知识问答系统

pom.xmlapplication.yml配置（Redis+Ollama）Redis向量库实战OllamaConfig.javaRagService.javaRagController.javaRagApplication.java测试样例RAG

勤奋的知更鸟·2025-07-11 00:51

【GitHub开源项目实战】LLM-Cookbook 中文大模型工程手册全解析：多场景落地应用与技术优化路径深度实践

|LLM-Cookbook中文大模型工程手册全解析：多场景落地应用与技术优化路径深度实践关键词LLM-Cookbook，中文大模型，Datawhale，大模型实战，LangChain应用，多模态集成，RAG

·2025-07-10 21:59

从数据到智慧：AI原生知识库构建的完整技术栈解析

从数据到智慧：AI原生知识库构建的完整技术栈解析关键词AI原生知识库、知识图谱、向量数据库、大语言模型、RAG技术、知识工程、智能问答系统摘要在人工智能飞速发展的今天，构建能够真正理解、组织和应用知识的系统已成为企业数字化转型的核心竞争力

AI天才研究院·2025-07-10 19:15

RAG 权威指南：从本地实现到生产级优化的全面实践

1.RAG权威指南：从本地实现到生产级优化的全面实践大型语言模型（LLM）的知识受限于其训练数据，这是一个众所周知的痛点。

·2025-07-10 19:22

检索增强生成(RAG)技术演进：从论文到工业级应用

检索增强生成(RAG)技术演进：从论文到工业级应用关键词：RAG、检索增强生成、大语言模型、知识检索、工业应用、技术演进、AI系统架构摘要：本文深入探讨检索增强生成(RAG)技术从学术研究到工业应用的完整演进历程

AGI大模型与大数据研究院·2025-07-10 15:16

RAG 之 Prompt 动态选择的三种方式

这在复杂的RAG或Agentic工作流中是一个非常普遍且关键的需求，通常被称为“条件路由（ConditionalRouting）”或“动态调度（DynamicDispatching）”。

2301_79306982·2025-07-10 15:16

基于Deepseek+RAG构建企业知识库：文档预处理与数据整理

基于Deepseek+RAG（Retrieval-AugmentedGeneration）技术构建企业知识库，能够有效整合企业内外部知识资源，实现知识的快速检索和精准应用。

大势下的牛马·2025-07-10 12:30

RAG实战指南 Day 11：文本分块策略与最佳实践

【RAG实战指南Day11】文本分块策略与最佳实践文章标签RAG,检索增强生成,文本分块,语义分割,文档处理,NLP,人工智能,大语言模型文章简述文本分块是RAG系统构建中的关键环节，直接影响检索准确率

在未来等你·2025-07-09 22:01

Spring AI：Tool Calling

因此，它们可用于检索增强生成（RAG）场景。例如，一个工具可用于检索给定位置的当前天气，检索最新的新闻文章，或查询数据库中的特定记录

虾条_花吹雪·2025-07-09 21:25

人工智能-基础篇-18-什么是RAG(检索增强生成：知识库+向量化技术+大语言模型LLM整合的技术框架)

RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种结合外部知识检索与大语言模型（LLM）生成能力的技术框架，旨在提升生成式AI在问答、内容创作等任务中的准确性、实时性和领域适应性

weisian151·2025-07-09 20:47

大模型系列——RAG-Anything：开启多模态 RAG 的新纪元，让文档“活”起来！

RAG-Anything：开启多模态RAG的新纪元，让文档“活”起来！在AI技术日新月异的今天，一个名为RAG-Anything的开源项目正悄然掀起多模态文档处理的革命。

猫猫姐·2025-07-09 19:43

开源 AI 联网搜索工具：Open-WebSearch MCP 全新升级，支持多引擎 + 流式响应！

这个项目旨在解决AI在实际应用中无法联网或联网费用高昂的问题，特别适合在Claude、LangChain、RAG方案中添加“实时搜索”能力。项目亮点一览✅多

Aasee.·2025-07-09 14:40

RAG实战指南 Day 8：PDF、Word和HTML文档解析实战

【RAG实战指南Day8】PDF、Word和HTML文档解析实战开篇欢迎来到"RAG实战指南"系列的第8天！

在未来等你·2025-07-08 15:05

从被动检索到主动思考：Naive RAG 到 Agentic RAG 的架构演进与关键技术解析

摘要随着大语言模型（LLMs）的广泛应用，检索增强生成（Retrieval-AugmentedGeneration,RAG）技术已成为解决模型知识滞后与幻觉问题的核心方案。

一休哥助手·2025-07-08 05:25

Neo4j 的向量搜索（Neo4jVector）和常见的向量数据库（比如 Milvus、Qdrant）之间的区别与联系

✅都用于语义检索你可以把它们用在RAG（检索增强生成）、ChatwithDocs、智能问答、推荐系统等应用里。

·2025-07-07 21:48

QA - RAG智能问答系统中的文档切片与实现原理

GC-QA-RAG系统作为葡萄城技术栈中的重要组成部分，其核心功能是通过对文档内容进行智能切片和向量化存储，实现对技术文档的高效检索和问答。

·2025-07-07 15:14

在Linux环境下从0私有化部署Dify

0搭建Dify准备工作系统环境私有化部署下载Dify代码ZIP包启动Dify启动Docker容器访问Dify本地环境服务器环境准备工作因工作需要私有化部署公司内部的知识库，研究了一下准备采用Dify+RAG

·2025-07-07 14:40

在 Dify 平台中集成上下文工程技术

具体策略包括：检索增强(RAG)：通过从知识库中检索相关内容并将其纳入提示，可以显著提升回答的准确性和可信度。

由数入道·2025-07-07 10:08

爆改RAG！用强化学习让你的检索增强生成系统“开挂”——从小白到王者的实战指南

“RAG不准？RL来救场！”

许泽宇的技术分享·2025-07-07 09:58

大模型 AI智能体Coze知识库从使用到实战详解

年大模型应用中展现出独特优势：存储层：支持向量数据库（Qdrant）+图数据库（Neo4j）双引擎处理层：集成PDF/PPT/Excel等23种文件解析器检索层：混合检索算法（BM25+稠密检索+语义路由）应用层：RAG

非著名架构师·2025-07-06 23:27

Java+Python智能化云盘【Day5-1】

RAG系统链路和数据加载Loaders技术OK啊昨天Day4-2，最后提及了很多的一些Loader加载器，有文档类型、数据库类型、网页加载器类型等等，它们其实都是属于langchain_community.document_loaders

关沐吖·2025-07-06 22:22

从维基百科到知识图谱：用 DSPy、OpenAI 和 TiDB 构建 GraphRAG 的奇妙旅程

传统的RAG（Retrieval-AugmentedGeneration）方法虽然在信息检索领域表现出色，但随着需求复杂度的提升，GraphRAG（基于知识图谱的RAG）逐渐成为更优的解决方案。

步子哥·2025-07-06 20:34

【AI大模型学习路线】第三阶段之RAG与LangChain——第十五章（LangChain与Chain组件）LLMChain,Sequential Chain详解？

【AI大模型学习路线】第三阶段之RAG与LangChain——第十五章（LangChain与Chain组件）LLMChain,SequentialChain详解？

985小水博一枚呀·2025-07-06 16:23

【GitHub开源项目实战】Agent-Zero 多模态 Agent 框架的架构实现与实战落地

开源项目实战解析：Agent-Zero多模态Agent框架的架构实现与实战落地关键词：Agent-Zero、LLMAgent、多模态融合、LangGraph、结构化对话、函数调用、RAG、真实场景实战、

观熵·2025-07-06 10:02

LangChain4j如何自定义文档转换器实现数据清洗？

LangChain4j提供了3种RAG（Retrieval-AugmentedGeneration，检索增强生成）实现，我们通常在原生或高级的RAG实现中，要对数据进行清洗，也就是将外接知识库中的原数据进行噪音去除

古斯塔夫歼星炮·2025-07-06 08:18

从文档海洋到智能问答：用大模型和RAG打造下一代企业知识库的实战之路

从文档海洋到智能问答：用大模型和RAG打造下一代企业知识库的实战之路摘要：在信息爆炸的今天，企业内部文档（如SOP、技术手册、FAQ）数量激增，传统的关键词搜索常常让我们在“文档海洋”中迷失。

电脑能手·2025-07-05 23:22

如何成为一名合格的 Prompt 工程师？

csdn_tom_168·2025-07-05 18:44

【RAG文档解析优化】复杂Excel表格处理

这些操作对于人类来说一目了然，但对于依赖程序化解析的RAG系统而言，却是一场噩梦。它们就像一朵朵“带刺的玫瑰”，虽然蕴含着宝贵的数据

kakaZhui·2025-07-05 09:11

深入解析 RAGFlow：文件上传到知识库的完整流程

在RAGFlow这样的检索增强生成（RAG）系统中，知识库是其核心。用户上传的文档如何高效、可靠地转化为可检索的知识，是系统稳定运行的关键。

ZHOU_CAMP·2025-07-05 09:09

7月1日19点，ModelWhale 大模型应用平台全新升级！

全新升级的ModelWhale大模型应用平台，将知识库升级为RAG知识库、模型库升级为模型re

ModelWhale·2025-07-04 22:58

【读代码】PDF-Extract-Kit深度解析：最好用的RAG开源PDF解析工具

一、基本介绍PDF-Extract-Kit是由OpenDataLab推出的开源工具包，专注于解决复杂PDF文档的内容解析难题。该项目集成了当前最先进的文档解析模型，通过模块化设计实现灵活的功能组合，支持布局检测、公式识别、表格解析等多项核心功能。其最大特点在于：多模态解析能力：支持文字、公式、表格、图像等元素的联合解析工业级鲁棒性：在模糊扫描件、水印文档等复杂场景下仍保持高准确率开箱即用体验：提供

kakaZhui·2025-07-04 19:13

大模型岗到底有哪些？这六个主要工作让你秒懂！

能独立采取行动以实现特定目标的AI个体；Agent的特点：会使用工具，比如查数据库，买车票；拥有记忆，可以记住之前经历；会根据环境、自身记忆、自身能力进行行动决策；Agent的缺陷：带着大模型本身的幻觉情况；可用RAG

AGI大模型学习·2025-07-04 16:18

RAG实战指南 Day 4：LlamaIndex框架实战指南

【RAG实战指南Day4】LlamaIndex框架实战指南文章标签RAG,LlamaIndex,检索增强生成,大语言模型,AI开发文章简述本文是"RAG实战指南"系列的第4天，聚焦LlamaIndex框架的核心功能与实战应用

在未来等你·2025-07-04 09:00

RAG实战指南 Day 3：LangChain框架深度解析

【RAG实战指南Day3】LangChain框架深度解析引言欢迎来到"RAG实战指南"系列的第3天！今天我们将深入探讨LangChain框架——构建RAG系统的核心工具之一。

在未来等你·2025-07-04 09:57

LangChain4j 学习教程项目

学习教程项目地址项目简介主要功能使用的技术和库项目环境配置环境要求依赖版本每天学习内容和目标Day01Day02Day03Day04Day05Day06Day07Day08Day09Day10Day11Day12重点学习内容RAG

Chengdu.S·2025-07-04 04:25

结合LangGraph、DeepSeek-R1和Qdrant 的混合 RAG 技术实践

一、引言：混合RAG技术的发展与挑战在人工智能领域，检索增强生成（RAG）技术正成为构建智能问答系统的核心方案。

大模型之路·2025-07-03 17:45

RAG实战指南 Day 2：RAG开发环境搭建与工具选择

【RAG实战指南Day2】RAG开发环境搭建与工具选择开篇欢迎来到"RAG实战指南"系列的第2天！今天我们将聚焦RAG系统的开发环境搭建和工具选择，这是构建高效RAG应用的基础。

在未来等你·2025-07-03 16:35

RAG技术全面对比研究：探索最优检索增强生成策略

检索增强生成（RAG）技术全景解析：从基础到前沿在当今信息爆炸的时代，如何从海量数据中快速准确地获取所需信息，是人工智能领域的一大挑战。

·2025-07-03 13:10

Advanced RAG：下一代检索增强生成技术详解

文章目录一、核心演进维度二、关键技术组件1.智能检索子系统2.动态知识管理3.生成控制器三、核心增强技术1.递归检索(RecursiveRetrieval)2.假设性检索(HypotheticalDocumentEmbedding)3.自适应分块(AdaptiveChunking)四、生产级架构设计完整系统架构关键优化点五、典型应用场景1.专业领域问答系统2.企业知识中枢3.实时决策支持六、评估指

北辰alk·2025-07-03 12:02

RAG技术栈详解：构建智能问答系统的核心组件

本文深度剖析RAG（Retrieval-AugmentedGeneration）技术栈的核心构成，助你快速搭建企业级知识增强系统一、RAG技术架构全景图二、核心组件技术选型1.检索模块（Retriever

认知超载·2025-07-03 08:06

微调 || RAG，项目落地怎么选？LLM应用选型指南，适用场景全解析

RAG：即检索增强生成，是将检索大量外部知识的过程与文本生成结合在一起的一种方法。它会从大型外部数据库中检索与输入问题相关的信息，将这些信息作为上下文提供给大语言模型，辅助其生成回答。

认知超载·2025-07-03 08:36

FAISS 简介及其与 GPT 的对接（RAG）

什么是FAISS？FAISS(FacebookAISimilaritySearch)是FacebookAI团队开发的一个高效的相似性搜索和密集向量聚类的库。它主要用于：大规模向量相似性搜索高维向量最近邻检索向量聚类https://github.com/facebookresearch/faissFAISS特别适合处理高维向量数据，能够快速找到与查询向量最相似的向量，广泛应用于推荐系统、图像检索、自

言之。·2025-07-03 05:17

LangChain4j在Java企业应用中的实战指南-2

LangChain4j在Java企业应用中的实战指南文章标签langchain4j,JavaAI,RAG系统,智能应用开发,LangChain4j实战,企业级AI应用,Java微服务,检索增强生成文章简述随着大语言模型

在未来等你·2025-07-03 04:43

LangChain4j在Java企业应用中的实战指南-3

【LangChain4j在Java企业应用中的实战指南】文章标签langchain4j,JavaAI,RAG系统,智能应用开发,LangChain4j实战,企业级AI应用,Java微服务,检索增强生成文章简述随着大语言模型

在未来等你·2025-07-03 02:24

AI工作流平台对比分析

主流工作流平台分类平台类型核心定位代表用户扣子(KoFlow)低代码AI流程中文场景优化，深度集成大模型中文开发者/企业LangChain代码框架开发者灵活构建AI链Python开发者/AI工程师LlamaIndex数据增强框架企业级RAG

come11234·2025-07-02 19:28

【AI大模型学习路线】第三阶段之RAG与LangChain——第十四章（LangChain与Retrieval组件）Text Splitters详解？

【AI大模型学习路线】第三阶段之RAG与LangChain——第十四章（LangChain与Retrieval组件）TextSplitters详解？

·2025-07-02 11:55

推荐频道

rag