rag

进击切图仔6 小时前
python·huggingface·rag
从零手写 RAG本文将带你抛开 LangChain 等封装框架，用最基础的库从零构建一个检索增强生成（RAG）系统。我们将使用 sentence-transformers 生成嵌入向量，faiss 进行向量相似度检索，OpenAI Python SDK 调用 DeepSeek 大模型。每一步都会用通俗的语言解释“为什么这么做”，让 RAG 的核心原理一览无遗。如果你曾困惑于框架的“黑盒”，这篇教程会让你真正掌握 RAG 的骨架。
爱跑步的程序员~12 小时前
python·ai·langchain·rag
RAG 技术全面解析：从原理到实践在前面的章节中，大模型本质上是基于自身的训练语料和概率统计，结合用户的 prompt 来预测下一个 token（词或符号）的出现概率。这就意味着：模型输出的文本是"语言上最合理"的，但未必是"事实上的正确"。
deephub12 小时前
人工智能·全文检索·大语言模型·rag
HyDE ：让 RAG 检索从“匹配关键词“升级到“理解意图“做过检索增强生成（Retrieval-Augmented Generation，RAG）的人大概都遇到过这样的情况：用户问了一个完全合理的问题，但检索就是漏掉了最相关的信息。
梦想不只是梦与想14 小时前
人工智能·python·知识库·rag·智能体·agent‌
rag和agent的区别RAG 和 Agent 的核心区别在于‌目标不同‌：RAG 是为了‌答得准‌，Agent 是为了‌做得成‌。简单来说，RAG 像‌资料员‌，负责查资料；Agent 像‌项目经理‌，负责办事情。‌‌‌
不懂的浪漫1 天前
ai·cnn·llm·transformer·rag
从看清到理解：CNN、Transformer 与 RAG 背后的 AI 架构迁徙一个 CV 旧人眼中的模型范式迁移：从视觉识别、语义建模，到外部知识与 Agent 系统。今天很多人一提 RAG，就直接想到向量数据库。这个联想并不奇怪，因为向量数据库确实是 RAG 最常见的基础设施之一。
qcx232 天前
算法·ai·llm·agent·rag·agentic
混合检索+重排序：当前 RAG 精度提升最成熟的工程路径RAG 的回答有引用，但引用是真的吗？这篇论文用"混合检索→重排序→保守生成→逐条验证"四步流水线，在生物医疗 QA 上做到了 100% 引用准确率。方法不炫，但管用。
deephub2 天前
人工智能·python·大语言模型·rag
2026 RAG 选型指南：Vector、Graph、Vectorless 该怎么挑检索找到了某个语义上接近的片段，LLM 围绕它写出一段文字，但是没人发现答案是错的。这是 vector RAG 调参解决不了的失败问题。而现在有2种方法可以解决他：
Komorebi_99992 天前
rag
RAG-day9人话：按关键词匹配就像百度搜东西，你输几个字，它找包含这些字的文章。举例子：你搜 “乌干达鲜鱼检疫标准”稀疏检索只找包含这几个字的文档。
Komorebi_99992 天前
rag
RAG-day11问题：只靠语义匹配，遇到专业名词、法规编号、固定关键词，搜不到、匹配不准。解决：必须搭配 ES 关键词稀疏检索，做混合检索。
px不是xp3 天前
javascript·微信小程序·notepad++·rag
【灶台导航】 RAG系统的容错设计：从向量搜索到关键词降级，一个都不能少当三个外部依赖都可能随时挂掉时，如何保证用户永远有响应？做RAG系统时，我们很容易陷入一种思维定势：向量检索要准、LLM要强、整个链路要丝滑。但现实是——任何一个外部服务挂了，用户就得不到响应。
少许极端3 天前
人工智能·ai·原型模式·rag
AI修炼记3-RAG参考文档 Spring AI Alibaba① ETL（Extract、Transform、Load）框架是 Retrieval Augmented Generation (RAG) 用例中数据处理的支柱, 即RAG知识库的构建遵循ETL流程
wuxinyan1234 天前
人工智能·学习·rag
工业级大模型学习之路011：RAG 零基础入门教程（第七篇）：查询优化技术现在的系统虽然有了重排序，但仍然会遇到以下问题：根本原因：数据统计：在工业级 RAG 系统中，超过 40% 的检索失败都是由查询 - 文档语义错位导致的，而不是文档本身没有相关信息。
有调App4 天前
信息检索·rag·ai应用·文本重排序
BGE Reranker-v2-m3多场景落地：支持RAG增强、搜索引擎后处理、对话系统意图澄清你是不是经常遇到这样的问题？用AI助手查资料，它给出的答案里总混着一些不相关的废话；在搜索引擎里找东西，排在前面的结果往往不是你最想要的；或者跟智能客服聊天，它老是理解错你的意思，答非所问。
程序员三明治4 天前
java·人工智能·后端·ai·大模型·llm·rag
【AI】一文讲清 RAG：从大模型局限到企业级知识库落地流程不管你现在做的是业务系统、中间件，还是企业内部平台，面试和实际项目中都越来越容易遇到 AI 相关问题：RAG 是什么？Agent 怎么实现？MCP 用来解决什么问题？这些内容已经从“加分项”逐渐变成了“必答题”。
夜影风4 天前
人工智能·langchain·rag
RAG入门：用LangChain搭建你的第一个知识库问答系统引言：如果你受够了AI一本正经地胡说八道，这篇文章能帮你给它装上"外接大脑"。去年秋天，我帮一家咨询公司做了一个内部知识库问答工具。他们的需求很直接：把积攒了五年的行业报告、客户方案、内部培训材料喂给AI，让销售团队能快速查到需要的信息。
zander2584 天前
rag
RAG基础介绍在项目开发中，我经常会用到大模型，但是模型回答很通用，无法针对我的私有代码库。这是几乎所有大模型的痛点：知识截止到训练数据，且无法访问私有/实时信息。那么有没有一种方法可以解决这个痛点呢？答案是rag——检索增强生成
木子七4 天前
ai·rag·llamaindex
Llamaindex框架所有开发框架（SDK）的核心价值，都是降低开发、维护成本。大语言模型开发框架的价值，是让开发者可以更方便地开发基于大语言模型的应用：
冲上云霄的Jayden4 天前
chunk·rag·textsegment
RAG：文档与 TextSegment 的编码和更新：把“分块身份稳定性”设计对前面的文章：在知识库、RAG（检索增强生成）或向量检索系统里，TextSegment 可以理解为“文档切分后的最小处理单元”，也常被叫作 Chunk（分块）。
wuxinyan1234 天前
人工智能·学习·rag
大模型学习之路010：RAG 零基础入门教程（第六篇）：重排序技术混合检索（语义 + BM25）本质上是粗筛，它只能做到 "把可能相关的文档找出来"，但无法做到 "把最相关的文档排在最前面"。
程序员老邢5 天前
milvus·向量数据库·rag·技术底稿·踩坑实录·37岁老码农
【技术底稿 31】Milvus 2.5.14 实战避坑实录：字段缺失、行数不匹配、Metadata JSON 类型三连坑完整解法重构 RAG 底座、弃用 LangChain4j 后，改用 Milvus 原生 SDK + 自研 Starter 做向量入库。自建文档分片、Ollama 嵌入向量生成，对接 Milvus 2.5.14 做向量持久化。过程中连续遇到三个经典致命报错：必填字段缺失、多字段行数不统一、Metadata JSON 类型不匹配，挨个排错、逐个落地解法，整理成可直接复刻的生产级避坑实录。