rag 第3页

【LangChain编程：从入门到实践】AI 大模型检索增强生成 RAG 实践

LangChain编程：从入门到实践-AI大模型检索增强生成RAG实践关键词：LangChain,RAG,大语言模型,检索增强生成,向量数据库,嵌入模型,提示工程1.背景介绍在人工智能和自然语言处理领域

AI智能应用·2025-07-02 08:35

【LLaMA 3实战：检索增强】13、LLaMA 3+RAG精准问答系统优化全指南：从检索增强到可信度提升实战

一、RAG赋能LLaMA问答系统的核心价值与瓶颈突破（一）准确性提升的三大核心挑战问题类型典型表现传统方案局限RAG+LLaMA3解决方案知识滞后型错误回答包含过时技术细节依赖模型预训练更新动态检索最新文档库上下文误解曲解问题意图或检索内容固定分块导致语义断裂语义感知分块

无心水·2025-07-02 07:53

【机器学习&深度学习】适合微调的模型选型指南

微调技术类型对显存的影响三、选择建议（根据你的硬件）四、实际模型推荐五、不同模型适合人群六、推荐几个“非常适合微调”的模型七、推荐使用的微调技术八、场景选择示例场景1：智能客服（中文）场景2：法律问答（中文RAG

一叶千舟·2025-07-02 05:12

RAG 每日一技（一）：你的第一步就走错了？聊聊最基础的文本分块

前言兄弟们，最近大模型是真火啊！但光火有什么用，咱得把它用在自己的项目里，解决实际问题才算牛。于是很多人撸起袖子就开干，想让大模型能回答自己文档、知识库里的问题。理想很丰满：我扔一堆文档进去，模型“嗖”一下就学会了，然后就有问必答，跟专家一样。现实很骨感：不管怎么喂数据，模型要么回答得牛头不对马嘴，要么干脆说“我不知道”。是不是感觉很熟悉？问题到底出在哪？很多时候，问题并非出在模型本身，而是出在了

ezl1fe·2025-07-01 10:34

RAG系列：提升RAG检索力：三大Query变形术，助你玩转AI知识检索！

之前的帖子大多在优化向量化的过程，让文本内容分块更合理和更精准，本篇重点介绍使用RAG时如何优化提示词，以提高查询结果的精准度！一、RAG的“灵魂拷问”：你真的会提问吗？

数智前沿·2025-07-01 08:22

RAG和KAG的区别

RAG（Retrieval-AugmentedGeneration，检索增强生成）和KAG（Knowledge-AugmentedGeneration，知识增强生成）都是用于增强生成模型能力的框架，但它们在多个方面存在区别

testresultstomorrow·2025-07-01 06:39

RAG检索增强生成在垂类AI应用效能优化中的应用

关键词：RAG、检索增强生成、垂类AI、效能优化、知识库、向量检索、大模型应用文章目录引言：为什么垂类AI需要RAGRAG技术原理深度解析垂类AI应用的痛点与挑战RAG在垂类AI中的解决方案效能优化的核心策略实战案例分析最佳实践与踩坑指南总结与展望引言

TechVision大咖圈·2025-07-01 05:03

一种文档与代码双轨处理的RAG架构方案

1.目标如何构建一个能同时高效处理文档和代码的RAG系统？本文提出的融合架构，旨在解决这一核心挑战。2.整体架构概览该系统的顶层设计思想是专业分工，统一调度。

木鱼时刻·2025-07-01 04:56

通过本地LLM搭建本地RAG

通过langchain调用embedding模型进行向量存储和RAG检索。通过langchainprompts实现提示词工程。通过langchain调用LLM模型实现RAG生成，完成对本地文件的分析。

TBM矩阵·2025-06-30 17:14

RAG系统的“聪明药”：如何用反馈回路让你的AI越用越聪明？

今天我们来聊聊RAG（Retrieval-AugmentedGeneration，检索增强生成）系统的进化之路——如何让它像喝了聪明药一样，越用越聪明，越聊越懂你。你是不是也有这样的体验？

许泽宇的技术分享·2025-06-30 14:19

企业级RAG系统架构设计与实现指南（Java技术栈）

企业级RAG系统架构设计与实现指南（Java技术栈）开篇：RAG系统的基本概念与企业应用价值在当今快速发展的AI技术背景下，检索增强生成（Retrieval-AugmentedGeneration,RAG

在未来等你·2025-06-30 12:32

解密大模型全栈开发：从搭建环境到实战案例，一站式攻略

大模型的发展历程大模型的类型大模型全栈开发环境搭建硬件需求软件环境配置云服务选择大模型应用开发流程模型选择策略提示工程（PromptEngineering）模型微调（Fine-tuning）参数高效微调（PEFT）大模型应用架构设计基本应用架构RAG

海棠AI实验室·2025-06-29 09:39

【通过pip安装 Open-WebUI 快速使用入门】

它支持各种LLM运行器，如Ollama和OpenAI兼容的API，内置RAG推理引擎，使其成为强大的AI部署解决方案。

慕慕涵雪月光白·2025-06-29 08:59

【爆款长文】RAG检索增强大模型的“记忆力”革命：Contextual Chunk Headers（CCH）实战全解析

今天我们来聊聊RAG（Retrieval-AugmentedGeneration）这个AI圈的“记忆力补脑丸”，以及它最近新晋的“脑白金”——ContextualChunkHeaders（CCH）。

许泽宇的技术分享·2025-06-29 05:37

爆改RAG检索力：三大Query变形术，助你玩转AI知识检索！

你以为RAG（Retrieval-AugmentedGeneration）就是“检索+生成”那么简单？那你可太低估AI界的“内卷”了！

许泽宇的技术分享·2025-06-29 00:30

RAG应用的评估（一）

前言上篇文档主要是对Advanced-RAG的定义、策略和适用场景做了一个细致的分析，那么当我们准备将一个基于大模型的RAG应用投入生产时，如何去判断这个RAG是否合理呢？

AI老炮·2025-06-28 15:50

【RAG面试题】LLMs已经具备了较强能力,存在哪些不足点?

目录LLMs核心不足点1、知识过时与静态性（LackofReal-Time&DynamicKnowledge）：2、幻觉与事实性错误（Hallucinations&FactualInaccuracies）：3、领域专业知识深度不足（LimitedDomain-SpecificExpertise）：4、缺乏透明度和可追溯性（LackofTransparency&Traceability）：5、上下文

一叶千舟·2025-06-28 15:50

构建医学文献智能助手：基于 LangChain 的专业领域 RAG 系统实践

前言在当今医疗科技快速发展的时代，每天都有数以千计的医学研究成果在全球范围内发表。从临床试验报告到基础研究论文，从流行病学调查到药物研发数据，这些专业文献承载着推动医学进步的重要知识。然而，面对如此海量且专业性极强的文献资料，医疗从业者往往感到力不从心。如何在有限的时间内，准确把握文献核心价值，并将其转化为临床实践的指导？这个问题一直困扰着整个医疗行业。1.项目背景与业务价值1.1医学文献阅读的困

·2025-06-28 15:18

RAG 调优指南：Spring AI Alibaba 模块化 RAG 原理与使用

>夏冬,SpringAIAlibabaContributorRAG简介什么是RAG（检索增强生成）RAG（RetrievalAugmentedGeneration，检索增强生成）是一种结合信息检索和文本生成的技术范式

ApacheDubbo·2025-06-28 14:40

【RAG面试题】如何获取准确的语义表示

1.选择合适的Embedding模型2.正确的文本预处理与切分3.文本清洗与标准化4.构建合理的向量库5.检索质量验证与优化详细知识点覆盖面试回答技巧回答模板在RAG中，准确的语义表示直接影响检索相关性

·2025-06-28 00:48

基础RAG实现，最佳入门选择（七）

增强型RAG系统的查询转换采用三种查询转换技术，以提高RAG系统中的检索性能，而无需依赖于像LangChain这样的专门库。通过修改用户查询，我们可以显著提高检索信息的相关性和全面性。

·2025-06-28 00:42

大语言模型(LLM)量化基础知识(一)

-派神-·2025-06-27 23:42

增强版 Kimi：AI 驱动的智能创作平台，实现一站式内容生成（图片、PPT、PDF）！

AI大模型（LLM）、智能体（Agent）、知识库、向量数据库、知识图谱，RAG，AGI的不同形态愈发显现，如何将其动态组合，凸显其强大爆发力！！！接下来，我们介绍通过Kimi进行功能增强？

每天译点晓知识·2025-06-27 10:12

局域网访问WSL服务——问题排查笔记

给团队做了一个RAG项目，由于使用的向量数据库是milvus（不支持Windows），以及方便后面项目迁移到服务器，遂开发调试过程中使用的是WSL2。

迟三登·2025-06-27 03:48

基础RAG实现，最佳入门选择（五）

上下文标头在RAG中使用增强生成（RAG）通过在生成响应之前检索相关的外部知识来提高语言模型的事实准确性。然而，标准组块经常丢失重要的上下文，使得检索不太有效。

·2025-06-27 01:51

实战LangChain（三）：深化交互——利用Neo4j提升聊天机器人的对话能力

实战LangChain（三）：深化交互——利用Neo4j提升聊天机器人的对话能力实战LangChain（一）：构建您的第一个聊天机器人_langchai机器人实战LangChain（二）：探索RAG——

matianlongg·2025-06-26 12:38

No module named ‘dbgpt_ext.rag.retriever.doc_tree‘

dbgpt_ext模块导入失败解决方案1.检查dbgpt_ext是否存在于项目中(推荐)首先确认项目中是否存在dbgpt_ext目录：#进入项目根目录cdD:\soft\DB-GPT#查找dbgpt_ext目录dirpackages|findstrdbgpt_ext#Windowslspackages|grepdbgpt_ext#Linux/macOS如果不存在，可能需要从源码安装或更新子模块：#

爱吃土豆的马铃薯ㅤㅤㅤㅤㅤㅤㅤㅤㅤ·2025-06-26 07:05

深入理解RAG：大语言模型时代的知识增强架构

检索增强生成（Retrieval-AugmentedGeneration，简称RAG）技术的出现，为解决这些问题提供了一个优雅而有效的方案。一、为什么需要RAG？

小胡说技书·2025-06-25 23:43

医疗AI新势力：自演进多智能体MAS的进击之路

医疗AI新势力：自演进多智能体MAS的进击之路往期相关文章：Python在开放式医疗诊断多智能体系统中的深度应用与自动化分析基于多智能体强化学习的医疗AI中RAG系统程序架构优化研究自演进多智能体在医疗临床诊疗动态场景中的应用医疗

Allen_Lyb·2025-06-25 14:36

RAG系列：RAG越来越不准？你可能忽略了“元数据”的力量

在这个过程中，你可能已经花了大量时间解析和清洗上千份文档，接入RAG，但结果仍然不理想。为什么会这样？其中一个很重要的原因是，我们花了很多时间构建知识库，却忽略了一个看似不起眼的部分——元数据。

数智前沿·2025-06-25 14:28

【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解Function Calling）如何使用 Function Calling 且保证鲁棒性？

【AI大模型学习路线】第三阶段之RAG与LangChain——第十三章（理解FunctionCalling）如何使用FunctionCalling且保证鲁棒性？

985小水博一枚呀·2025-06-25 10:34

Java企业技术趋势分析：AI驱动下的Spring AI、LangChain4j与RAG系统架构

【Java企业技术趋势分析：AI驱动下的SpringAI、LangChain4j与RAG系统架构】开篇在当今快速发展的技术环境中，人工智能（AI）正在以前所未有的速度重塑企业的技术架构和业务流程。

在未来等你·2025-06-25 05:28

【AI大模型学习路线】第二阶段之RAG基础与架构——第十章（向量数据库算法进阶-HSNW）NSW图中的搜索问题？

【AI大模型学习路线】第二阶段之RAG基础与架构——第十章（向量数据库算法进阶-HSNW）NSW图中的搜索问题？

985小水博一枚呀·2025-06-25 05:53

【AI大模型学习路线】第二阶段之RAG基础与架构——第十章（向量数据库算法进阶-HSNW）具有层次结构的NSW？

【AI大模型学习路线】第二阶段之RAG基础与架构——第十章（向量数据库算法进阶-HSNW）具有层次结构的NSW？

985小水博一枚呀·2025-06-25 05:53

从零构建企业知识库问答系统（基于通义灵码+RAG+阿里云OSS的落地实践）

传统解决方案如Wiki或文档管理系统存在两大局限：被动检索：用户需精确知道搜索关键词理解缺失：无法解析"季度营收增长率计算方法"等复合问题RAG（检索增强生成）技术的革命性在于将语义检索与大语言模型结合

大熊计算机·2025-06-24 23:21

RAG技术对比：AI原生应用中的检索增强方案选型

RAG技术对比：AI原生应用中的检索增强方案选型关键词：RAG技术、检索增强生成、大语言模型、向量检索、混合检索、方案选型、AI原生应用摘要：本文深度解析RAG（检索增强生成）技术在AI原生应用中的核心价值

·2025-06-24 14:39

【LangChain】

️技术背景与价值当前技术痛点️解决方案概述目标读者说明一、技术原理剖析核心架构图解核心作用讲解关键技术模块说明⚖️技术选型对比️二、实战演示⚙️环境配置要求核心代码实现案例1：使用Template构建RAG

满怀1015·2025-06-24 12:25

基础RAG实现，最佳入门选择（四）

RAG中的上下文丰富检索，检索增强生成（RAG）通过从外部来源检索相关知识来增强AI响应。传统的检索方法返回孤立的文本块，这可能导致答案不完整。

·2025-06-23 22:49

Chonkie：一个极速且轻量级文本分块的革命者，解锁 RAG 分块多种策略

Chonkie是为RAG任务设计的轻量级文本分块库，以快速性能和易于使用著称，旨在解决传统文本分块库的效率和体积问题。核心特点包括多种分块器、9.7MB的轻量级安装、以及优化的分块速度。

程序员笑武·2025-06-23 20:41

基础RAG实现，最佳入门选择（二）

·2025-06-23 14:05

Java AI 开发技术栈详见

提示：本文深入探讨了Java在AI开发中的技术栈JavaAI开发技术栈详见前言1.Java在AI开发中的优势2.核心JavaAI框架与技术栈2.1LangChain4j2.2SpringAI2.3RAG

Spume--·2025-06-23 13:53

【读代码】深入解析Ragas：RAG应用效果评估最好的工具

一、基本介绍Ragas是由ExplodingGradients团队开发的专业LLM应用评估框架，通过自动化测试和量化指标帮助开发者构建可靠的AI系统。项目采用模块化架构设计，核心功能包括：#典型架构模块├──metrics#50+评估指标实现├──testset#测试集生成系统├──embeddings#多模态嵌入支持├──integrations#主流框架集成├──optimizers#遗传算法

kakaZhui·2025-06-23 12:45

【RAG优化】深度解析开源项目MinerU：从PDF解析到多模态理解的工业级解决方案

一、项目全景扫描MinerU（GitHub:opendatalab/MinerU）是由OpenDataLab团队开发的开源文档解析工具，其核心价值在于将复杂的PDF文档转化为结构化数据。项目始于大模型预训练数据清洗需求，现已成为支持多模态文档理解的工业级解决方案。最新发布的2.0版本（2025/06）在架构设计、性能指标和功能特性上实现全面升级，展现出三个显著特征：模块化架构：通过pipeline

kakaZhui·2025-06-23 11:43

【大模型应用开发动手做AI Agent】RAG和Agent

RAG,Agent,大模型应用,AI,知识图谱,检索,响应生成,聊天机器人1.背景介绍近年来，大模型技术取得了飞速发展，其强大的语言理解和生成能力为人工智能应用带来了新的机遇。

AI智能应用·2025-06-23 07:45

AI大模型RAG架构详细解析（一）标准RAG、纠正型RAG、推测型RAG、融合型RAG、代理型RAG

检索增强生成（Retrieval-AugmentedGeneration，简称RAG）正是实现这一目标的幕后英雄。

大模型面微调_·2025-06-23 07:41

【AI大模型学习路线】第二阶段之RAG基础与架构——第十一章（【项目实战】基于RAG的新闻推荐）传统推荐算法与基于LLM的推荐算法？

【AI大模型学习路线】第二阶段之RAG基础与架构——第十一章（【项目实战】基于RAG的新闻推荐）传统推荐算法与基于LLM的推荐算法？

985小水博一枚呀·2025-06-23 05:03

单机环境下基于 LLM-Agent 框架的数据查询智能体训练教程

训练目标包括：构建高效的检索模块（如FAISS向量检索、RAG、混合检索

·2025-06-23 00:53

大模型RAG系统面试题及参考答案

目录什么是RAG？它由哪些核心部分组成？RAG与传统的LLM（如GPT）生成方式有何区别？RAG的设计初衷是什么？解决了哪些问题？检索器（Retriever）在RAG中的作用是什么？

大模型大数据攻城狮·2025-06-22 18:13

Spring Boot + LangChain 构建 RAG 应用

使用LangChain构建RAG应用程序什么是RAG？检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种结合了检索和生成两种关键技术的机器学习方法。

程序员丸子·2025-06-22 16:05

LangChain4j入门学习项目

点击跳转到网站一、LangChain4j技术概览与环境搭建1.1LangChain4j核心价值解析大模型集成统一API优势[2][6]Java生态下RAG/Agent等高级模式支持[13][14]1.2

HeartException·2025-06-22 16:03

推荐频道

rag