rag 第7页

【RAG】ragflow源码亮点：文档embedding向量化加权融合

引言：最近在看ragflow源码，其中有一个较为巧妙地设计：分别将文字、标题行向量化之后，直接根据权重，进行加法运算，得到向量融合，增强了文本向量化的表示能力，这里开始讨论一下，为什么这里可以直接对向量进行加法运算，而得到一个增强的表示加权代码片段：title_w=0.1是标题的权重tts是标题进行embedding向量化后的矩阵cnts是将内容进行embedding向量化后的矩阵vects生成的

每天写点bug·2025-05-23 15:55

基于Llamaindex的本地向量与大模型RAG搭建流程

问题背景Llamaindex提供了LangChain之外的另一种选择，擅长搜索与检索场景。工程化必须解决的全本地路径：本地embedding和LLMs（如Ollama）。Qwen指导文档给出了基于HF或者其他使用APIKey大模型的示例，场景不符。Llamaindex自身相关文档，尤其是关键插件的用户手册难寻，接口说明也很少。鉴于此，本文展示了Llamaindex+Chunk+LocalEmbed

1024点线面·2025-05-23 03:10

Springboot+deepseek 实现向量数据库优化检索

在SpringBoot中实现RAG（Retrieval-AugmentedGeneration）的增强，可以从检索优化、生成优化和系统架构三个维度进行改进。

奔向理想的星辰大海·2025-05-22 10:27

使用 LlamaIndex 构建 RAG 应用程序

答案在于检索增强生成(RAG)。今天我们将探索RAG流程，并演示如何使用LLama索引构建一个。检索增强生成：基础知识LLM是当今最先进的NLP模型，在翻译、写作和一般问答方面表现出色。

爱分享的小明·2025-05-22 10:26

【RAG 实践】LlamaIndex 快速实现一个基于 OpenAI 的 RAG

这是LlamaIndex官方StarterTutorial中demo，用很少的代码来使用OpenAI快速实现出一个RAG。

yubinCloud·2025-05-22 10:24

Nvidia通过自研LLM压缩技术爆炸式提升模型性能

它是一个推理模型，经过后训练以增强推理能力、人类聊天偏好以及任务处理能力，例如RAG和工具调用。Llama-3.1-

吴脑的键客·2025-05-22 04:46

一堂课，学会用NIM部署AI大模型，构建RAG

一NIM课程概述目标：通过nvidia的AI分享课，了解NIM的概念和使用，另附一个使用NIM微服务部署大模型构建RAG的实验（课程目前free，云上有环境，地址：CourseDetail|NVIDIA

pang企鹅·2025-05-22 04:46

【RAG技术解析：大语言模型的私有化知识增强方案】

一、什么是RAG？RAG（检索增强生成）通过将私有文档向量化存储，使大语言模型（如DeepSeek）具备处理特定领域知识的能力。

纸团团长励志要成长·2025-05-21 20:51

LangChain-RAG学习之 LangChain框架入门

什么是LangChainLangChain是一个强大的框架，旨在帮助开发人员使用语言模型构建端到端的应用程序。它提供了一套工具、组件和接口，可简化创建由大型语言模型(LLM)和聊天模型提供支持的应用程序的过程。LangChain可以轻松管理与语言模型的交互，将多个组件链接在一起，并集成额外的资源，例如API和数据库。官方文档：https://python.langchain.com/en/late

小江爱学习~·2025-05-21 09:01

大模型（3）——RAG（Retrieval-Augmented Generation，检索增强生成）

文章目录1.核心组成2.工作流程3.训练方式4.优势与局限5.应用场景6.典型模型变体总结RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种结合了信息检索与文本生成的技术

追逐☞·2025-05-21 06:47

RAG检索系统的两大核心利器——Embedding模型和Rerank模型

“Embedding和Rerank模型是RAG系统中的核心模型。”在RAG系统中，有两个非常重要的模型一个是Embedding模型，另一个则是Rerank模型；这两个模型在RAG中扮演着重要角色。

AI大模型教程·2025-05-21 06:46

大模型——多模态检索的RAG系统架构设计

5.扩展能力总结多模态检索的RAG系统架构设计（文本+图像混合检索）1.系统架构设计文本查询图像查询用户输入多模态编码器文本Embedding模型图像Embedding模型联

追逐☞·2025-05-21 06:16

大模型的实践应用43-基于Qwen3(32B)+LangChain框架+MCP+RAG+传统算法的旅游行程规划系统

大家好，我是微学AI，今天给大家介绍一下大模型的实践应用43-基于Qwen3(32B)+LangChain框架+MCP+RAG+传统算法的旅游行程规划系统。

微学AI·2025-05-21 04:05

【RAG实战】语言模型基础

语言模型赋予了计算机理解和生成人类语言的能力。它结合了统计学原理和深度神经网络技术，通过对大量的样本数据进行复杂的概率分布分析来学习语言结构的内在模式和相关性。具体地，语言模型可根据上下文中已出现的词序列，使用概率推断来预测接下来可能出现的词汇。接下来主要介绍一些基础的语言模型，如Transformer、自动编码器、自回归模型等。2.1TransformerTransformer模型是深度学习，尤

sysu_lluozh·2025-05-20 23:28

大模型工程化基础概念

RAG技术通过检索外部知识库优化LLM生成质量，与智能体的本质区别在于任务流程是否由AI自主决策。关键技术涵盖提示词工程激

看今朝··2025-05-20 12:56

快速掌握AWS Bedrock知识库检索器

AWS推出的AmazonBedrock知识库是一个强大的工具，可以帮助你快速构建基于检索-生成（RAG）应用。本文将带你了解如何使用Bedrock知识库检索器，从而轻松构建自定义的AI应用程序。

tt_jishu·2025-05-20 07:26

为什么RAG系统“一看就会，一做就废“？

随着大语言模型（LLM）的广泛应用，检索增强生成（RAG）技术作为一种结合检索技术和LLM提示的创新架构，因其在结合外部知识库和生成模型方面的卓越表现而备受关注。

AI大模型系统化学习·2025-05-20 05:07

多模态RAG与LlamaIndex——1.deepresearch调研

摘要关键点：多模态RAG技术通过结合文本、图像、表格和视频等多种数据类型，扩展了传统RAG（检索增强生成）的功能。

小洛~·~·2025-05-20 00:00

[论文精读]Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks

AdvancesinNeuralInformationProcessingSystems33(NeurIPS2020)链接：http://arxiv.org/abs/2005.11401题目翻译：用于知识密集型NLP任务的检索增强生成阅读原因RAG

0x211·2025-05-19 22:19

动易私人知识库方案解析

技术架构与核心能力动易私有知识库解决方案基于WebFuture全媒体信息管理平台，融合了RAG（检索增强生成）技术和DeepSeek大模型，构建了一个集知识整合、智能问答和多渠道接入于一体的系统。

bbsh2099·2025-05-19 13:49

大模型学习路线

学习内容大模型基座&大模型部署：大模型学习路线（1）——大模型基座&大模型部署_大模型的学习路线-CSDN博客数据工程（数据预处理）：大模型学习路线（2）——数据工程（数据预处理）-CSDN博客知识检索增强（RAG

Giao00001·2025-05-19 00:25

RAG之大规模解析 PDF 文档全流程实战

PDF文档在商业、学术和政府领域无处不在，蕴含着大量宝贵信息。然而，从PDF中提取结构化数据却面临着独特的挑战，尤其是在处理数千甚至数百万个文档时。本指南探讨了大规模解析PDF的策略和工具。PDF解析挑战PDF的设计初衷是为了提供一致的视觉呈现，而非数据提取。这带来了一些挑战：结构复杂：PDF结合了文本、图像、表格和表单

FeelTouch Labs·2025-05-18 14:46

DeepSeek时代，AI怎样从概念到落地？直播：AWS INNOVATE大会!给你答案！

怎样构建可扩展的RAG应用？6.怎样

选型宝·2025-05-18 10:45

AI Agent开发第69课-彻底消除RAG知识库幻觉(3)-手撕“重排序”

这就会导致在以RAG为基础的AIAgent里大模型充满了幻觉。在上几篇“彻底消除RAG知识库幻觉”系列中我们提到了这么一个公式：你的搜索内容必须>=用户的提问。要求召回率越大、越多

TGITCIC·2025-05-18 04:30

大厂NLP技术全景：从BERT到GPT-5的演进与优化

深入剖析：大厂AI算法在自然语言处理中的优化实践（专题系列）专题目录大厂NLP技术全景：从BERT到GPT-5的演进与优化亚马逊云科技Bedrock平台：企业级NLP微调与RAG优化实战高通骁龙AI引擎

DeepFaye·2025-05-18 02:17

给MCP加上RAG，工具准确率提升200%，起飞～

因此引入了RAG-MCP，这是一个检索增强生成框架，通过卸载工具发现来克服这一挑战。论文地址：https://arxiv.org/pdf/2505.03275提示

Datawhale·2025-05-18 00:39

【AI大模型学习路线】第二阶段之RAG基础与架构——第八章（文档切分常见算法）根据每个Sentence切分？

【AI大模型学习路线】第二阶段之RAG基础与架构——第八章（文档切分常见算法）根据每个Sentence切分？

985小水博一枚呀·2025-05-17 07:59

window本地部署Dify

其直观的界面结合了AI工作流、RAG管道、代理功能、模型管理、可观察性功能等，让您可以快速从原型开发到生产。

baker_zhuang·2025-05-16 19:10

AI Agent开发大全第十五课-零售智能导购Agent的代码实现

开篇在上一篇《AIAgent开发大全第十四课-零售智能导购智能体的RAG开发理论部分》中我们讲了整个智能导购的数据流部分以及相应的设计技巧，今天就来把它实现。

TGITCIC·2025-05-16 18:09

AI测试入门：RAG、Agent、Chatbot 类AI应用的评估体系&测试方法详解

AI测试入门：RAG、Agent、Chatbot类AI应用的评估体系&测试方法详解前言一、AI测试与传统测试的区别二、AI应用类型及其核心测试理念1.RAG(RetrievalAugmentedGeneration

blues_C·2025-05-16 18:05

RAG怎么向量化？向量化文件存放在哪里？Ollama deepseek-R1 1.5b

在构建基于RAG（Retrieval-AugmentedGeneration）的系统时，向量化是核心步骤之一。它涉及将文本数据转换为数值向量，以便能够高效地进行相似性搜索和检索。

liyinchi1988·2025-05-16 18:35

基于Qwen-14b的基础RAG实现及反思

1、概览本文主要介绍RAG的基础实现过程，给初学者提供一些帮助，RAG即检索增强生成，主要是两个步骤：检索、生成，下面将基于这两部分进行介绍。

带鱼工作室·2025-05-16 16:18

第四章：基于langchain构造一个完整RAG系统

文章目录引言一、RAG的基本原理1.1什么是RAG？

tangjunjun-owen·2025-05-16 15:11

教育行业的 RAG 落地：个性化学习助手设计

检索增强生成（RAG,Retrieval-AugmentedGeneration）技术通过结合大语言模型（LLM）与外部知识库检索，为教育资源的精准获取和个性化学习提供了全新解决方案。

水煮蛋不加蛋·2025-05-15 21:02

一步一步构建基于知识图谱的RAG应用指南

知识图谱已成为管理与分析复杂数据关系的强大工具。与传统的关系型数据库通过行和列在表格中存储数据不同，图数据库使用节点、边和属性来表示和存储数据，提供了一种更直观和高效的方式来构建、查看和查询复杂系统。本文将指导你了解、实现和利用知识图谱数据库。理解知识图谱（关键概念）节点：这些代表单个数据实体，如人、地点或物体。每个节点具有标识符、标签和若干属性。边：这些代表节点之间的连接，显示它们之间的关系。每

Python_金钱豹·2025-05-15 21:31

深度剖析 RAG 架构：从向量检索到答案生成的全链路技术解析

一、RAG架构核心原理与技术栈RAG（Retrieval-AugmentedGeneration）通过将外部知识库检索与语言模型生成深度耦合，解决了传统生成模型的“幻觉”问题，同时提升了领域知识的准确性和时效性

水煮蛋不加蛋·2025-05-15 21:30

大模型—— FastGPT 知识库无缝集成到 n8n 工作流 (基于 MCP 协议)

大模型——FastGPT知识库无缝集成到n8n工作流(基于MCP协议)背景：n8n与RAG知识库集成的挑战n8n作为一款强大的开源自动化工作流工具，正获得越来越多用户的青睐。

不二人生·2025-05-15 20:54

构建知识图谱：从文本到图的深入指南

本文旨在指导您如何从非结构化文本构建知识图谱，并将其作为RAG应用程序中的知识库使用。⚠️**安全提示**⚠️构建知识图谱需要对数据库执行写访问，这存在固有风险。

aehrutktrjk·2025-05-15 19:42

大模型从入门到精通：大模型RAG系统学习路线（附实战代码）

摘要：2023年大模型技术爆发，RAG（检索增强生成）成为解决大模型幻觉问题的关键技术。

AI大模型-大飞·2025-05-15 15:50

人工智能 - MCP、RAG、Agent 是构建现代智能 AI 系统的三大核心组件

MCP、RAG、Agent是构建现代智能AI系统的三大核心组件，它们在架构设计中扮演不同角色并形成协同关系。

天机️灵韵·2025-05-15 11:19

Datawhale-llm-universe 第一章 LLM介绍打卡

DataWhale的六月llm打卡课程，并融入了一些个人的理解以及思考）大型语言模型LLM理论简介LLM的定义和概念发展历程主要模型（如GPT-3、GPT-4、PaLM等）典型应用场景LLM的能力和特点检索增强生成RAG

星野yee·2025-05-15 01:11

微软的RAG框架和GraphRAG

什么是RAG框架？RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种结合检索和生成的技术，用于提升大语言模型的表现。

RAG知识库·2025-05-14 20:05

RAG 是什么？一文带你看懂 AI 的“外挂知识库”

1、RAG是什么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方案RAG技术就像给AI装上了「实时百科大脑」，通过先查资料后回答的机制

大模型微调教程·2025-05-14 15:06

轻装上阵：Webpack 5 & Vite资源优化

作者简介：大家好，我是文艺理科生Owen，某车企前端开发，负责AIGC+RAG项目目前在卷的技术方向：工程化系列，主要偏向最佳实践希望可以在评论区交流互动，感谢支持~~~上一篇我们从0开始构建了webpack

前端Owen·2025-05-14 08:17

Flowise: 对接大模型实现RAG能力

吾名爱妃，性好静亦好动。好编程，常沉浸于代码之世界，思维纵横，力求逻辑之严密，算法之精妙。亦爱篮球，驰骋球场，尽享挥洒汗水之乐。且喜跑步，尤钟马拉松，长途奔袭，考验耐力与毅力，每有所进，心甚喜之。吾以为，编程似布阵，算法如谋略，需精心筹谋，方可成就佳作。篮球乃团队之艺，协作共进，方显力量。跑步与马拉松，乃磨炼身心之途，愈挫愈勇，方能达至远方。愿交志同道合之友，共探此诸般妙趣。诸君，此文尚佳，望点赞

Aiffy爱妃·2025-05-13 19:52

大模型企业落地应用方法对比：微调、RAG与MCP工具调用

一、微调（Fine-tuning）存储数据类型训练数据：结构化的问答对、指令-响应对格式要求：通常为JSON、JSONL或CSV格式数据质量：需要高质量、领域特定的标注数据数据规模：根据需求从数千到数十万条不等，质量高于数量技术栈基础模型：GPT、LLaMA、Claude等大型语言模型训练框架：HuggingFaceTransformers、PEFT、LoRA、QLoRA训练工具：DeepSpee

热血的青春666·2025-05-13 04:15

0基础小白入门必看：AI大模型基本概念与工具梳理

常见概念RAG（Retrieval-AugmentedGeneration，检索增强生成）是一种结合了信息检索技术与语言生成模型的人工智能技术。

AI小白熊·2025-05-13 04:15

驳“RAG 已死”论：上下文窗口扩展≠RAG 终结

编者按：我们今天为大家带来的这篇文章，作者的观点是：即便在大语言模型上下文窗口不断扩大的今天，检索增强生成（RAG）技术依然具有不可替代的价值。

·2025-05-13 00:28

19、RAG的原理及代码实战（2）pipeline介绍

1、整体流程根据前文介绍，整体的RAG流程如下2、embeddingembedding是指使用嵌入模型将切分后的文本块转换为向量表示。这些向量能够在高维空间中表示文本的语义信息。

Andy_shenzl·2025-05-12 17:06

【速通RAG实战】2.RAG的场景及技术原理深度解析

1.RAG技术的背景与必要性大语言模型（LLM）的局限性：领域知识缺乏：依赖训练数据，无法覆盖特定领域或私有知识。信息过时：训练数据固定，无法动态获取实时信息（如新闻事件）。

无心水·2025-05-12 17:35

推荐频道

rag