#RAG

AI大模型零基础三阶段学习路线：从提示词到Agent实战

零基础AI大模型学习路线全解析：从提示词工程、API调用入门，到RAG知识库搭建，再到Agent智能体与多智能体协作实战，三阶段进阶框架帮你从小白到上手开发AI应用。

Spring AI 大模型零基础教程解析：从原理到企业实战的学习路径

解析 B 站热门 Spring AI 大模型零基础教程的课程结构，从大模型核心原理、Transformer 架构到 RAG、私有化部署、模型微调与企业实战项目，帮助入门开发者判断学习路径与实际价值。

把 SQLite 变成向量数据库：两大扩展实战与对比

如何用 sqlite-vec 与 sqlite-vector 两款扩展把 SQLite 变成向量数据库，支持 embedding 存储与相似度搜索。含虚拟表、元数据过滤、量化及速度/内存/磁盘基准对比，适合 RAG 场景。

分层RAG架构研究求助：独立开发者如何叩开学术研究之门

一位独立开发者在Reddit求助信息检索领域教授，指导其分层RAG架构研究。本文剖析异构文档检索的技术背景，探讨独立AI研究者面临的学术门槛困境，并给出公开成果、社区协作等实用建议。

NepKANUN：基于RAG的尼泊尔法律智能助手解析

NepKANUN是一款基于RAG框架和微调大语言模型的尼泊尔法律AI助手，通过定制化问答数据集实现精准法律咨询，BERTScore最高达0.82，为小语种垂直领域AI落地提供参考。

AI Agent入门指南：智能体的核心架构与工作原理详解

本文系统讲解AI Agent智能体的定义、大模型能力演进、感知/大脑/行动三大核心架构，以及上下文窗口、System Prompt、RAG检索增强生成等记忆管理机制，是AI Agent零基础入门的完整知识框架。

RAG企业知识库实战：从原理到优化的全流程解析

RAG企业知识库搭建全流程解析：从检索增强生成原理讲起，深入拆解向量数据库选型、文本切片、词嵌入、检索器与重排序等核心优化环节，帮你理解私有知识库如何降低大模型幻觉。

Spring AI 实战课：用Java打通RAG、MCP与Agent

B站UP主徐树推出Spring AI实战课程，覆盖大模型接入、提示词工程、RAG、MCP与Agent五种模式，配合多模型管理、智能客服、知识库三大实战项目，帮助Java开发者系统入门AI应用开发。

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。

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。

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。

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。

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。

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。

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。

基于Dify+Neo4j搭建本地知识图谱RAG系统实战

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。

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。

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。