rag 第6页

weixin_37763484·2025-06-05 06:48

RAG优化知识库检索（3）：向量化模型选择与优化

引言在检索增强生成（Retrieval-AugmentedGeneration，RAG）系统中，向量化模型（嵌入模型）扮演着至关重要的角色。

程序员查理·2025-06-05 06:16

RAG架构中用到的模型学习思考

前言RAG（Retrieval-AugmentedGeneration，检索增强生成）架构结合了检索和生成能力，通过引入外部知识库来提升大语言模型（LLM）的回答准确性和可靠性。

勤奋的知更鸟·2025-06-05 05:40

RAPTOR：如何用树状结构重塑RAG检索能力？

文章目录1.背景1.1长尾知识问题2.核心3.方法3.1RAPTOR的核心流程框架3.2聚类算法3.2.1聚类的作用与目标3.2.2软聚类（SoftClustering）的独特性3.2.3算法选择：高斯混合模型（GMM）3.2.4高维向量嵌入的降维处理（UMAP）3.2.5当一个聚类内容太长时怎么办？3.2.6如何选择聚类数量？（自动确定聚类数）3.3两种检索策略3.3.1TreeTraversa

阿牛大牛中·2025-06-04 21:39

GC-QA-RAG 智能问答系统的向量检索

本章节介绍GC-QA-RAG智能问答系统的核心检索技术原理，包括向量化策略、混合检索机制、RRF融合排序等关键实现细节。

·2025-06-04 11:38

Prompt提示工程上手指南:基础原理及实践(四)-检索增强生成(RAG)策略下的Prompt

较为主流的LLM模型框架设计可以基于链式思考（CoT）、思维树(ToT)和检索增强生成(RAG)。其中RAG框架可以算得上是AI平台研发的老生常谈之一了，因为无论是个人还是企业，都想要培养出一

fanstuck·2025-06-04 04:59

生产级 RAG 应用开发实战：索引构造与查询分离实现详解

在企业级RAG应用开发中，索引构造与查询的解耦是提升系统性能的核心设计。

佑瞻·2025-06-04 01:35

【大模型框架】LLM大模型开源RAG框架汇总

前言本文搜集了一些开源的基于LLM的RAG（Retrieval-AugmentedGeneration）框架，旨在吸纳业界最新的RAG应用方法与思路。

RAG知识库·2025-06-04 00:29

【RAG 应用的可视化框架】

以下是几个用于RAG（Retrieval-AugmentedGeneration）应用的可视化框架和工具，帮助开发者直观理解数据流、检索过程和生成结果：LangSmithLangSmith是LangChain

lyh1344·2025-06-04 00:59

LangChain(1) - RAG_langchain

embeddings（3）构建ChromaDB索引（4）配置LLMPipeline（5）构建问答链并查询（6）LCEL(LangChainExpressionLanguage)2.result3.有关RAG

夏天ccys·2025-06-03 17:38

LightRAG vs GraphRAG：两种RAG系统实体与关系提取提示机制的深度比较

目录引言RAG概述LightRAG实体与关系提取提示GraphRAG实体与关系提取提示深度对比分析提示设计复杂度功能覆盖与输出格式可定制性与扩展性性能与成本考量场景适用性与选型建议结论与展望引言随着大规模语言模型

gs80140·2025-06-03 12:34

RAG知识库模式：从基础到高阶

RAG技术从基础到高阶的演进历程：基础优化：NaiveRAG→Retrieve-and-Rerank。数据结构扩展：MultimodalRAG、GraphRAG、HybridRAG。

大势下的牛马·2025-06-03 09:42

RAG优化知识库检索（4）：混合检索技术

引言在RAG（检索增强生成）系统中，检索质量直接决定了最终生成内容的准确性和相关性，但单一检索方法的局限性日益凸显。

程序员查理·2025-06-03 09:12

RAGFlow从理论到实战的检索增强生成指南

答案藏在RAG（检索增强生成）技术中

勤奋的知更鸟·2025-06-03 03:01

认识GraphRAG

GraphRAG（Graph-basedRetrieval-AugmentedGeneration）是微软提出的新一代检索增强生成技术，其核心创新在于将知识图谱与大语言模型（LLM）深度融合，突破传统RAG

勤奋的知更鸟·2025-06-03 03:01

【深度学习新浪潮】以Dify为例的大模型平台的对比分析

我们从核心功能、适用群体、易用性、可扩展性和安全性五个维度展开对比分析：一、核心功能对比平台核心功能多模型支持插件与工具链Dify低代码开发、RAG增强、Agent自律执行、企业级安全支持GPT-4/5

小米玄戒Andrew·2025-06-02 21:40

本地部署dify+ragflow+deepseek ,结合小模型实现故障预测，并结合本地知识库和大模型给出维修建议

1.准备工作使用ollama拉取deepseek-r1:7b官网下载ollamaollamarundeepseek-r1:7bollamalistRagflow专注于构建基于检索增强生成（RAG）的工作流

算法小菜鸟成长心得·2025-06-02 15:00

源码解析（一）：GraphRAG

原文技术博客GraphRAG是一种结构化的、分层的检索增强生成(RAG)方法，它利用知识图谱来增强LLM的输出，用于推理私有数据集中的复杂信息。

汪汪汪侠客·2025-06-01 21:51

学习笔记：3个学习AI路上反复看到的概念：RAG，Langchain，Agent

3个学习AI路上反复看到的概念：RAG，Langchain，Agent关键知识点知识点1RAG的能力核心是有效结合了检索和生成两种方法。

TaoTao Li·2025-06-01 18:35

【RAG 篇】万字深度对比：Milvus 与 FAISS、Pinecone、Weaviate 等向量数据库选型指南

大家好，我是大F，深耕AI算法十余年，互联网大厂核心技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。【专栏介绍】：欢迎关注《大模型理论和实战》、《DeepSeek技术解析和实战》，一起探索技术的无限可能！【大模型篇】更多阅读：【大模型篇】万字长文从OpenAI到DeepSeek：大模型发展趋势及原理解读【大模型篇】目前主流AI大模型体系全解析：架构、特点与应用【大模型篇】Gro

大F的智能小课·2025-06-01 15:09

【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）精排与prompt构建？

【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）精排与prompt构建？

985小水博一枚呀·2025-06-01 10:35

使用Redis和OpenAI进行RAG的完美指南：解析耐克10-K文件

在这篇文章中，我们将介绍如何利用Redis作为向量数据库，结合OpenAI的语言模型（LLM），实现对耐克10-K文件的检索生成（RAG）系统。

dsndnwfk·2025-06-01 06:02

为何 RAG 向量存储应优先考虑 PostgreSQL + pgvector 而非 MySQL？

构建检索增强生成（RAG）系统已成为释放大型语言模型（LLM）潜力的关键范式。通过将LLM的推理能力与外部知识库的实时、特定信息相结合，RAG能够生成更准确、更相关、更值得信赖的回答。

qq_44199605·2025-06-01 05:27

超越代码：在 AI 浪潮中如何让软件工程师的价值持续增长？

技术狂潮AI·2025-06-01 01:01

Graph-RAG：知识图谱与大模型完美融合的开创性探索

本文将揭示Graph-RAG的神秘面纱，这是一种突破传统的技术，它将知识图谱的严谨结构与RAG的动态生成能力相结合，为我们提供了一种全新的理解和推理复杂数据的方法。

AGI大模型学习·2025-05-31 10:12

Spring Boot集成Spring AI与Milvus：构建高效智能问答系统

本文将介绍如何在SpringBoot项目中集成SpringAI和向量数据库Milvus，结合RAG（检索增强生成）技术，构建一个高效的智能问答系统。

Uranus^·2025-05-31 03:51

⭐️⭐️⭐️白嫖的阿里云认证⭐️⭐️⭐️ 第三弹【课时2：RAG应用的构建和优化】for「大模型Clouder认证：RAG应用构建及优化」

一、学习目标：明确核心能力培养方向概要通过系统化学习，掌握在阿里云百炼平台构建可调用RAG应用的全流程，并深入理解RAG技术的局限性及针对性优化策略，形成从理论到实战的完整知识体系。

Charles茶总·2025-05-30 17:11

大型语言模型的生物医学知识图优化提示生成

大型语言模型的生物医学知识图优化提示生成https://arxiv.org/abs/2311.17330https://github.com/BaranziniLab/KG_RAG大型语言模型的生物医学知识图优化提示生成摘要

发呆的比目鱼·2025-05-30 12:29

AIGC的常见概念

数据间的最大差异性，进而实现判断的功能Token定义：大模型处理文本的基本和计费单位Token成本优化：不同问题采用不同大模型解决精简Prompt限制大模型思考方向或输出结构向量检索代替直接输入限制历史对话RAG

艾露z·2025-05-30 09:38

Java求职面试实录：详解Spring AI、MCP、RAG与向量数据库等AI技术

Java求职者面试实录：深入解析AI技术与编程原理今天是2025年05月08日，随着AI技术在软件开发领域的广泛应用，Java求职者的面试也逐渐增加了对人工智能相关知识的考察。本文将模拟一场由面试官和程序员JY之间的三轮深入对话，从基础概念到源码原理，全面展示现代Java开发者应具备的知识体系。第一轮：基础概念问题问题1：请解释一下SpringAI的核心特性及其应用场景？JY回答：SpringAI

迢迢星万里灬·2025-05-30 07:22

万字详解：向量数据库：原理、索引技术与选型指南

万字详解：向量数据库：原理、索引技术与选型指南关键词：向量数据库、向量检索、相似性搜索、ANN算法、HNSW、量化技术、嵌入模型、多模态搜索、RAG架构摘要：本文深入剖析向量数据库的核心原理、索引技术和实际应用场景

AI天才研究院·2025-05-28 21:19

Spring AI 1.0 GA 深度解析：构建企业级AI应用的全栈实践指南

目录SpringAI1.0核心架构解析统一接口与多模型支持检索增强生成（RAG）全流程实战对话记忆与工具调用进阶模型评估与可观测性体系企业级应用案例与最佳实践未来演进与技术展望1.SpringAI1.0

一休哥助手·2025-05-28 20:16

深入剖析25种大模型RAG架构，AI工程师该如何选择？

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

AI小白熊·2025-05-28 13:26

Spring Boot集成Spring AI与Milvus实现智能问答系统

本文将介绍如何利用SpringBoot集成SpringAI和向量数据库Milvus，通过RAG（检索增强生成）技术提升问答系统的准确性。技术栈核心框架:Sp

Uranus^·2025-05-27 01:52

2024年12月数据月报

实战Milvus2.5：语义检索VS全文检索VS混合检索Milvus×EasyAi：如何用java从零搭建人脸识别应用揭秘2024年B站最火RAG视频是怎样炼成的

@SmartSi·2025-05-26 04:52

【LangChain全栈开发指南】从LLM应用到企业级AI助手构建

目录前言️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组件功能⚖️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：基础对话链案例2：检索增强生成（RAG

满怀1015·2025-05-26 01:02

大模型技术生态全景解析：从基础组件到AGI的演进之路

目录技术演进脉络与核心定位大语言模型：智能生态的基石知识增强体系：RAG与知识库功能扩展机制：函数调用与Agent数据存储革命：向量数据库与知识图谱技术协同范式：AGI的实现路径典型应用场景与案例解析未来挑战与发展趋势

一休哥助手·2025-05-26 00:55

Milvus 构建高效 RAG 全攻略：从基础实现到全链路RAG性能优化技术解析

RAG（检索增强生成）架构正是解决这一问题的关键。作为专业的向量数据库，Milvus在RAG中扮演着核心角色。今天，咱们就来一步步拆解如何用Milvus构建高性能RAG管道，并深入探讨优化策略。

佑瞻·2025-05-25 23:42

RAG下的prompt编写探索

针对特定领域的回答，编写抽象的prompt需要在细节和灵活性之间找到平衡。我们需要一个既能涵盖普遍步骤又能适应不同问题的框架。以下是如何在这种情况下编写抽象prompt的方法，以及适用于各种技术领域的通用策略。一、编写抽象Prompt的通用策略定义用户问题和背景信息：明确用户输入（{user_input}）和背景信息（{retrieved_docs}）的角色。背景信息可以包括一组相关的知识点、数据

pumpkin84514·2025-05-25 14:49

pptx 文件版面分析-- python-pptx（python 文档解析提取）

://pypi.tuna.tsinghua.edu.cn/simple--ignore-installedpptx解析代码实现frompptximportPresentationfile_name="rag_pptx

去追风，去看海·2025-05-25 05:45

【检索增强生成（RAG）全解析】从理论到工业级实践

目录前言️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工作流程关键技术模块⚖️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：医疗问答系统✅运行结果验证⚡三、性能对比测试方法论量化数据对比结果分析四、最佳实践✅推荐方案❌常见错误调试技巧五、应用场景扩展适用领域创新应用方向生态工具链✨结语⚠️技术局限性未来发展趋势学习资源推荐前言️技术背景与价值

满怀1015·2025-05-25 00:44

【AI大模型学习路线】第二阶段之RAG基础与架构——第六章（Retrieval‑Augmented Generation，RAG基础与架构）检索与生成？

【AI大模型学习路线】第二阶段之RAG基础与架构——第六章（Retrieval‑AugmentedGeneration，RAG基础与架构）检索与生成？

985小水博一枚呀·2025-05-24 14:43

【Python】unstructured 库：处理和预处理非结构化数据（如 PDF、Word 文档、HTML、图片等），转换为结构化格式

它提供模块化的组件（称为“bricks”），支持文档分区、清理和格式化，广泛应用于数据管道、RAG（Retrieval-AugmentedGeneration）系统和文档分析。以下是对unstruc

彬彬侠·2025-05-24 12:59

【程序员AI入门：应用】11.从零构建智能问答引擎：LangChain + RAG 实战优化指南

一、技术选型与核心组件解析1.1黄金技术栈选型组件推荐方案核心优势资源需求文本嵌入模型sentence-transformers/all-MiniLM-L6-v2轻量级（128MB）、支持多语言语义编码，余弦相似度准确率达89.2%CPU即可运行向量数据库FAISS（内存检索）/Chroma（持久化存储）FAISS毫秒级检索速度，Chroma支持增量更新和元数据过滤本地部署优先选Chroma大语言

无心水·2025-05-24 08:27

Conda pack 进行Python环境打包

基于Dify的智能分类方案：大模型结合KNN算法（附代码）OpenCompass：大模型测评工具一文读懂多模态大模型基础架构大模型管理平台：one-api使用指南大模型RAG、ROG、RCG概念科普RAGOnMedicalKG

写代码的中青年·2025-05-24 05:04

使用NVIDIA模型和Milvus向量数据库实现高效RAG系统

使用NVIDIA模型和Milvus向量数据库实现高效RAG系统引言在人工智能和自然语言处理领域，检索增强生成(Retrieval-AugmentedGeneration,RAG)系统已经成为一种强大的技术

llzwxh888·2025-05-23 21:16

[初阶--使用milvus向量数据库实现简单RAG]

什么是向量数据库向量是数据在高维空间中的数学表示。在这个空间中，每个维度对应数据的一个特征，维度的数量从几百到几万不等，具体取决于所表示数据的复杂性。向量在该空间中的位置代表其特征。单词、短语或整篇文档，以及图像、音频和其他类型的数据，都可以被向量化向量数据库（Vectordatabase）、向量存储或向量搜索引擎是一种能够存储向量（固定长度的数值列表）及其他数据项的数据库。向量数据库通常实现一种

阿梦Anmory·2025-05-23 21:15

检索增强生成（RAG）：大模型的‘外挂知识库

欢迎来到我的博客，代码的世界里，每一行都是一个故事：你只管努力，剩下的交给时间：小破站检索增强生成（RAG）：大模型的‘外挂知识库前言什么是RAG工作原理1.检索（Retrieval）（1）输入处理（2

一只牛博·2025-05-23 19:33

Spring AI 1.0 GA 正式发布

**RAG（检索增强生成）**4.**评估与监控**5.

engchina·2025-05-23 18:53

突破 RAG 检索瓶颈：Trae+MCP 构建高精度知识库检索系统实践

一、引言：RAG技术的落地困境与破局思路在企业级AI应用中，基于检索增强生成（RAG）的知识库系统已成为构建智能问答、文档分析的核心方案。

大卫的 AI 办公摸鱼手册·2025-05-23 15:58

推荐频道

rag

【2025RAG最新进展】