#RAG
共 151 篇相关文章
RAG 进阶学习指南：从原型到深度掌握的优质资源路线
一位 Reddit 开发者在搭建 RAG 原型后，苦于找不到有深度、可实践的学习资源。本文分析其 LangChain + Claude 技术栈，拆解检索重排、文档解析与评估体系三大进阶方向，给出从「会用」到「懂原理」的 RAG 学习路线。
RAG全栈开发入门：从原理到五大核心环节详解
RAG（检索增强生成）全流程入门教程：从分片、索引、召回、重排到生成五大核心环节，详解向量、Embedding与向量数据库概念，助你搭建企业智能客服与知识库。
企业知识检索基准测试：AI智能体为何在真实数据前失灵
AI智能体在真实企业知识库上的检索为何频频失灵？本文解析杂乱企业数据与干净基准数据集的鸿沟，探讨RAG检索基准测试的挑战与企业级AI落地的实用建议。
Agent智能体开发入门：四大核心模块拆解与实战指南
从零入门Agent智能体开发，拆解提示词架构、工具调用、RAG记忆机制与ReAct工作流四大核心模块，帮你解决模型幻觉、死循环、胡编乱造等常见问题。
从零构建生产级AI系统：LLM、RAG到多智能体工作流全解析
本文系统拆解生产级 AI 系统的完整技术栈，从 LLM 原理、上下文窗口、嵌入、向量数据库，到 LangChain、提示工程、RAG、LangGraph 与 MCP 协议，以一个企业文档助手项目为主线，帮你一次补齐从基础到多智能体工作流的全部核心概念。
40万工单的AI质检系统：一个实习生的架构抉择
一位IT公司实习生独自承担40万条工单的AI质检项目，需在1-2个月和有限预算内构建评分助手。本文拆解排障步骤合规、相关性、语法三大维度，给出embedding、RAG与LLM的分层组合架构建议。
Agentic RAG实测：Agent循环以92.7%碾压传统管道
PipesHub 在 Google FRAMES 基准上对比 18 个 RAG 管道与 Agent 循环：最佳传统管道仅 78.9%，Agent 循环达 92.7%。实验还揭示重排器可能降低准确率、模型凭记忆脑补等关键发现。
DeepSeek+Ollama+AnythingLLM本地RAG知识库部署全攻略
手把手教你用Ollama+AnythingLLM+DeepSeek在Ubuntu环境搭建本地私有RAG知识库，详解Docker部署、模型下载、远程访问配置及常见踩坑，打造专属行业大模型。
分阶段RAG架构实践：让检索失败变得显式可控
一位开发者分享的分阶段RAG架构，通过BGE-M3混合检索、BGE重排、相关性门控和上下文质量过滤，让检索失败变得显式可控，避免大模型基于薄弱上下文产生幻觉。基于Qdrant与本地DeepSeek R1 7B部署。
AI Agent开发全流程：从零基础到企业级落地
拆解B站100集AI Agent教程的定位，梳理Agent与普通脚本的区别，并从框架选型、工具调用与MCP、RAG数据准备、部署评估四个环节讲清企业级Agent开发流程与常见坑。
Sieve与Sage框架：让检索增强模型学会"知之为知之"
arXiv 最新研究提出 Sieve and Sage 框架，通过解耦检索失败状态、两级流水线设计，让检索增强语言模型（RALM）学会可靠弃权，准确率最高提升69.4个百分点，速度提升1.99倍。
检索是决策问题而非相似度问题：GPT Researcher实验的启示
检索不只是相似度匹配，更是决策问题。GPT Researcher实验显示，用决策模型替代传统嵌入检索，相关上下文比例从46%提升至73%。本文解析这一范式转变对RAG系统与AI Agent设计的启示。
开源智能商业数据助手：RAG+MCP+RBAC的记忆驱动架构解析
一位开发者开源了融合 RAG、MCP 工具协议与 RBAC 权限控制的记忆驱动型商业数据助手，基于 FastAPI + React 构建。本文解析其持久化分析记忆、知识锚定、证据支撑回答与企业级安全设计。
企业级AI客服实战：RAG+Agent+Ontology+人工审核全链路搭建
从0搭建企业级AI客服完整实战：Agent调度、RAG检索、Ontology关系查询与人工审核如何配合，覆盖订单查询、知识检索、自动回复与异常转人工全流程，一次跑通企业AI客服开发链路。
RAG流水线到底败在哪：检索还是生成？
RAG 流水线效果不佳，问题到底出在检索还是生成？本文剖析两个阶段的典型失败模式、诊断方法与分层评估策略，帮助团队精准定位 RAG 系统瓶颈并对症优化。
AI Agent记忆优化实战：告别塞满上下文窗口的做法
如何为AI Agent设计高效记忆系统？一位开发者分享了从「塞满上下文窗口」到引入持久化记忆层的实战经验，涵盖向量检索RAG、图结构与元数据过滤三种方案的对比，帮你降低Token成本、提升响应速度。
如何挑选高质量AI Agent开发课程？5条实用筛选标准
AI Agent开发课程质量参差不齐，如何避免踩坑？本文梳理了一位转行者总结的5条筛选标准：完整交付链路、可写进简历的实战项目、真实开发视角、更新频率、陪跑反馈，帮你选对课程少走弯路。
纠错式RAG（CRAG）实战：构建会自我校验的合规研究助手
纠错式RAG（CRAG）如何让合规助手在回答前自查？本文拆解一个基于LangGraph与Qdrant的自我校正RAG Agent项目，讲解文档打分、查询重写、答案验证与有界重试的完整工程实现。
