#RAG应用

Nemotron 3 Nano Omni多模态RAG应用构建实战指南

详解如何基于NVIDIA Nemotron 3 Nano Omni多模态模型构建RAG应用，涵盖Modal云端部署、Gradio前端交互、文档检索问答完整流程，助力开发者低成本实现多模态智能应用落地。

本地离线RAG应用实战：用Ollama+ChromaDB构建PDF私密问答系统

手把手拆解本地离线RAG应用的完整构建思路：基于Ollama、ChromaDB与Flask，实现PDF文档分块、向量化检索与受控生成，全程无需云端API，敏感文档零泄露风险。适合想入门RAG或重视数据隐私的开发者。

Spring AI实战：ChatModel到RAG应用开发完整指南

全面解析Spring AI核心模块：ChatModel对话、EmbeddingModel向量化、RAG检索增强生成、Tool Calling工具调用及MCP协议。Java开发者快速接入DeepSeek、ChatGPT等大模型的实战教程，涵盖Milvus向量数据库与Ollama本地模型集成。

从零构建离线RAG应用：PDF文档本地问答完整指南

详解如何用Ollama、ChromaDB和Flask搭建完全离线的RAG应用，实现PDF文档本地问答。涵盖文档切分、向量化存储、检索增强生成及防幻觉设计，数据不出本地，无需API付费。

LangChain实战入门：RAG应用与智能体开发全景指南

深入解析LangChain框架核心定位、架构原理与学习路径。涵盖RAG应用开发、智能体（Agent）构建、版本选择（0.3/1.0）及六大核心组件，帮助Java/Python开发者快速掌握大模型应用开发技能，轻松应对15K+岗位需求。

从零构建离线RAG应用：PDF私人知识库完整实现指南

手把手拆解本地RAG应用的完整构建思路：Ollama本地模型 + ChromaDB向量数据库 + Flask，实现PDF文档问答、完全离线运行、数据零泄露。适合想入门RAG的开发者快速上手。

awesome-llm-apps：10万星GitHub开源项目，100+AI Agent与RAG应用合集

awesome-llm-apps是GitHub上超10万Star的开源项目，汇集100多个可直接运行的AI Agent和RAG应用。基于Python构建，支持克隆即用，覆盖文档问答、多Agent协作、Graph RAG等场景，是LLM应用开发者的必备资源库。

吴恩达RAG实战课：从基础检索增强到Agentic RAG完整指南

深度解析吴恩达DeepLearning.AI最新RAG课程，涵盖检索增强生成核心原理、向量数据库应用、文档切分策略、Agentic RAG架构设计，以及生产环境中RAG系统的评估与优化实践。

OpenAI推GPT-5.6 Sol限时降价：AI大模型价格战再升级

OpenAI针对GPT-5.6 Sol推出限时价格下调策略，引发开发者社区热议。本文分析降价背后的市场竞争逻辑、对开发者生态的影响，以及AI大模型价格战的未来走向。

从零入门AI与大模型：完整学习路线图

系统梳理从零开始学习AI、机器学习和大语言模型的完整路径，涵盖数学基础、Python编程、经典课程推荐、项目实战思路及社区资源，帮助初学者高效入门并避开常见弯路。

Skriptr：不替你写作业的AI学习工作台深度解析

Skriptr是一款为学生打造的AI学习工作台，主打可溯源引用、苏格拉底式反问和思考归属权。本文深度解析其核心功能、产品理念及与Notion AI、Perplexity的差异化定位。

学完吴恩达ML课程后如何成为ML工程师？求职路线图

学完吴恩达机器学习课程却不知如何求职？本文从深度学习、MLOps工程能力、GenAI项目到面试策略，提供一份详细的6-9个月ML工程师求职行动路线图，帮你从课程毕业生蜕变为job-ready的候选人。

Langfuse实战指南：智能体可观测性平台核心能力与边界解析

深入解析开源LLMOps平台Langfuse的核心定位与实战价值，涵盖智能体链路追踪、提示词版本管理、token成本分析、评估反馈等四大能力，明确其能力边界，帮助开发者构建生产级AI应用可观测性方案。

从ML到AI工程师：务实的转型学习路线图

详解机器学习工程师与AI工程师的核心差异，提供从工程基础、LLM应用开发到生产化落地的完整学习路线，包含RAG系统、智能体开发等实操项目建议，帮助ML从业者高效转型AI工程师。

GitHub日报·08月10日：Agent工具全面爆发，Web自主性重新定义

AI认证能打动招聘方吗？技术转型者实战指南

区块链开发者转型AI，该考哪些认证？本文分析AI认证的真实价值边界，对比Hugging Face、AWS等认证含金量，并给出项目替代认证的实战建议，帮助技术转型者高效提升求职竞争力。

Glasp MCP Connector：让AI直接调用你的知识库

Glasp MCP Connector通过MCP协议将个人高亮笔记接入Claude和ChatGPT，实现自然语言检索知识库。了解其核心功能、隐私设计及MCP生态趋势。

企业级RAG开发团队评估指南：检索质量、工程细节与生产就绪

企业评估RAG开发团队时，应重点考察检索质量指标、幻觉检测机制、分块索引策略、混合检索能力及生产环境可观测性，而非仅关注模型和框架支持。本文提供系统化的RAG服务商选型方法。

向量检索不一定要用向量数据库，暴力搜索可能更适合你

深入分析向量暴力搜索与向量数据库的适用场景。对于数据量在几十万以下的RAG应用和语义检索系统，暴力搜索具备精确召回、架构简单、易于调试等优势，帮助开发者避免过度工程化，选择最合适的向量检索方案。

RAG实验数据集选型指南：稠密、稀疏与混合检索评测

系统梳理RAG检索实验所需的标准化数据集，详解BEIR、MS MARCO、Natural Questions等基准数据集特征，提供稠密检索、稀疏检索与混合检索对比评测的实验设计建议。