advanced rag

流浪0011 天前
llm·rag·advanced rag·naive rag·graph rag·modular rag
大模型技术全景(二十四):RAG 发展的四种基础范式与未来趋势📚 本文收录于「流浪」的系列专栏🏠 博客主页:流浪 | 📝 原创首发于 CSDN前面几篇走完了 RAG 的完整链路:文档加载、分块、嵌入、入库,到用户提问、向量化、检索、增强、生成。这条链路是一种「标准做法」,但它并不是唯一做法——RAG 从 2020 年提出到现在,已经分化出一整套范式,每一代都在补上一代暴露出来的短板。本篇按它的发展脉络拆四种基础范式:朴素 RAG、高级 RAG、模块化 RAG、基于图的 RAG,每种都讲清楚它解决什么问题、代价是什么、适合什么场景,最后给出未来可能的发展趋势。
染指11104 个月前
人工智能·windows·agent·rag·advanced rag
26.RAG进阶(Advanced RAG)-假设性问题索引内容参考于:图灵AI大模型全栈假设性问题索引做的事情对文档内容(切分之后的文档),提炼出三个问题,把提炼出来的问题转成向量存到数据库,然后比对的数据就是问题,转换成问题后语意会比较短,如果我们问的问题与提炼出来的问题相似那么它就会比较精准,生成的问题是通过大模型搞的,所以问题的合适性无法控制,这种的索引使用的不是很多
染指11104 个月前
人工智能·rag·advanced rag
21.RAG进阶(Advanced RAG)-RAG存在的问题(Advanced RAG)内容参考于:图灵AI大模型全栈实现一个RAG的流程:首先加载文件,然后读取文件中的文本,然后分割文本,然后把文本转成向量,然后保存成知识库,然后把我们的问题也转成向量,然后使用问题的向量去知识库中搜索,把搜索到的知识添加到向ai大模型提问的提示词中,然后提交给大模型回答
沛沛老爹10 个月前
前端·数据库·advanced rag·深度优化·web转型ai
Web开发者快速上手Advanced RAG:索引优化原理与实践图片来源网络,侵权联系删。在Web开发中,我们深知数据库索引对查询性能的决定性影响。一个没有索引的WHERE user_id = ?查询可能需要全表扫描,耗时数百毫秒;而加上B-tree索引后,响应时间可降至1毫秒以内。
我是有底线的