#RAG
共 326 篇相关文章

AI验证系统降本困局:如何少读证据又不漏掉关键信息
AI验证系统的真正成本不在检索而在阅读证据量。本文剖析一个RAG验证流水线的降本实践:提前停止、跳过切片、去重为何收效甚微,以及如何在保持高召回率的同时不漏掉少数派证据这一核心难题。

Perplexity揭秘:支撑AI搜索的嵌入与排序模型服务架构
Perplexity公布AI搜索底层技术研究,揭示支撑嵌入与排序模型的业界领先服务基础设施,解析检索增强生成中检索与排序环节如何决定回答质量与响应速度。
科技前沿Milvus 2.6 实战:从向量原理到高性能 RAG 问答
基于 Milvus 2.6 讲解向量数据库原理与高性能 RAG 实战,涵盖云原生架构、分层存储、部署方式与优化要点,帮助开发者构建企业级智能问答系统。
科技前沿DeepSeek R1本地RAG知识库搭建全攻略
基于B站教程拆解如何用Ollama、DeepSeek R1、Nomic向量模型和Cherry Studio搭建本地私有化RAG知识库,涵盖RAG原理、工具选型、实操步骤与实测效果,解决大模型专业领域幻觉问题。
科技前沿Dify搭建RAG助手:知识库、工作流与Agent节点实战指南
本文基于B站UP主分享,详解Dify搭建RAG助手时知识库、工作流与Agent节点的正确连接方式,避免随意拖拽导致应用无法上线,适合零基础入门智能体开发。
教程攻略RAG技术入门:什么是检索增强生成?如何解决大模型幻觉问题
RAG(检索增强生成)是解决大模型幻觉问题的核心技术方案。本文介绍RAG的基本概念、工作原理,分析大模型幻觉产生的三大原因,并梳理从RAG基础到知识图谱RAG的完整学习路线,帮助你快速入门大模型应用开发。
教程攻略从传统RAG到Agentic RAG:核心原理与实现详解
深入解析传统RAG与Agentic RAG的技术差异,涵盖离线在线链路原理、工具化自主决策机制,并通过ChatBox开源项目展示基于LangGraph的Agentic RAG实现方案。
教程攻略企业级RAG项目实战:从原理到部署全流程解析
深入解析企业级RAG检索增强生成项目的完整开发流程,涵盖RAG原理、LangChain框架实现、数据处理与检索优化、效果评估及云平台部署,助你掌握AI知识库应用核心技术。
深度解读AI幻觉:大模型为何必然会「胡说八道」及应对策略
深入解析AI幻觉的三大根因:训练目标缺陷、曝光偏差与概率生成机制,详解事实性幻觉与忠实性幻觉的分类体系,并提供RAG检索增强、评估层验证等务实应对框架。
教程攻略零代码构建AI Agent移动App:从提示词到上架App Store全流程
详解如何使用VibeCodeApp零代码平台,通过自然语言提示词构建集成AI Agent和RAG能力的D2C电商客服移动应用,涵盖提示词编写、实时构建、真机测试到App Store部署的完整实战流程。
深度解读RAG系统全流程解析:从向量索引到生产优化
深入解析RAG检索增强生成系统的完整工作流程,涵盖向量嵌入原理、文档分片策略、召回与重排机制,以及问题澄清、多语种衍生、问题分类器三大生产优化技巧,助你构建精准可靠的企业级AI知识库应用。
教程攻略基于Dify+Neo4j搭建本地知识图谱RAG系统实战
教程攻略LangChain 1.0全景解读:架构、核心模块与学习路径
深入解析LangChain 1.0三层架构设计(LangChain、LangGraph、Deep Agents),详解Models、Tools、Memory等核心组件,梳理从语义搜索到多智能体协作的完整学习路径,助你快速掌握Agent工程开发。
教程攻略Qwen3.5+RAGFlow+Ollama本地AI知识库搭建实战指南
详细教程:使用RAGFlow、Ollama和LM Studio搭建本地RAG知识库,涵盖Docker环境配置、Embedding模型部署、网络踩坑解决方案,实现数据私有化的智能问答系统。
教程攻略Java开发者转型AI工程师:面试新趋势与学习路线解析
深度解析Java开发者转型AI工程师的面试趋势,涵盖大模型集成、RAG检索增强、Spring AI框架实战等核心能力,附完整学习路线图与面试准备建议。
教程攻略AnythingLLM安装配置教程:本地知识库搭建与API调用指南
详解AnythingLLM本地知识库的安装避坑、Ollama模型配置、文档向量化、知识库召回率优化及API调用方法,帮助你快速搭建私有智能问答系统。
教程攻略AI Agent学习路线:从大模型原理到企业级项目实战全攻略
系统梳理AI Agent完整学习路径,涵盖Python环境搭建、Prompt Engineering、RAG检索增强生成、LangChain框架、多Agent协同等核心技术栈,附企业级医疗问诊系统实战案例与分阶段学习规划。
教程攻略AI大模型学习路线:从零到工程师的六个阶段
系统梳理AI大模型工程师学习路线,涵盖Transformer基础、提示词工程、RAG检索增强生成、Agent智能体开发、API调用、微调部署到项目实战六大阶段,帮助开发者高效掌握大模型核心技能。

