rag

LangGraph系列9 ：调试、日志与可观测性 —— 当你的 AI 智能体突然精神分裂，如何 5 分钟定位故障？图片来源网络，侵权联系删。上一篇：LangGraph系列8：别再手动拼接！LangGraph + LangChain 工具链的深度集成实战

LlamaIndex检索调优实战：七个能落地的技术细节RAG系统搭完其实才是工作的开始，实际跑起来你会发现，答案质量参差不齐，有时候精准得吓人、有时候又会非常离谱。这个问题往往不模型本身，而是在检索环节的那些"小细节"。

互联网大厂Java/Agent面试实战：AIGC内容社区场景下的技术问答（含RAG/Agent/微服务/向量搜索）文章标题：互联网大厂Java/Agent面试实战：AIGC内容社区场景下的技术问答（含RAG/Agent/微服务/向量搜索）

互联网大厂Java/Agent面试：Spring Boot、JVM、微服务、RAG与向量检索实战问答文章标题：互联网大厂Java/Agent面试：Spring Boot、JVM、微服务、RAG与向量检索实战问答

RAG系统架构设计中的向量数据库选型：从原理到企业级实践目录摘要一、向量数据库：RAG系统的“记忆引擎”1.1 为什么向量数据库是RAG的关键基础设施？1.2 向量数据库核心技术原理

卫玠_juncheng

langchain1.0rag知识库项目分享:从数据清洗到模型微调的全方位教程一个基于 LangChain 1.0、RAG 和 ReAct Agent 的生产级法律 AI 项目这不仅仅是一个法律咨询系统，更重要的是，它是一个生产级别的 AI 工程项目范例，展示了如何在实际应用中整合：

赋范大模型技术社区

LangChain1.0 搭建法务合同审核 Agent（附源码）在构建文档智能体（Agent）时，我们经常面临一个技术选型的难题：是直接使用视觉语言模型（VLM）“看”文档，还是采用OCR提取文本结合RAG（检索增强生成）的技术路线？

2025最新版微软GraphRAG 2.0.0本地部署教程：基于Ollama快速构建知识图谱微软近期发布了知识图谱工具 GraphRAG 2.0.0，支持基于本地大模型（Ollama）快速构建知识图谱，显著提升了RAG（检索增强生成）的效果。本文手把手教你如何从零部署，并附踩坑记录和性能实测！

openGauss在教育领域的AI实践：基于Java JDBC的学生成绩预测系统随着人工智能技术的飞速发展，数据库系统不再仅仅是数据的存储仓库，而是逐渐演变为能够承载和驱动智能化应用的核心平台。openGauss在AI生态中的核心价值体现在其对开发者友好和对行业标准的高度兼容。例如，它全面支持JDBC 4.0标准接口，这意味着熟悉Java的开发者可以利用现有的知识和技能，无缝地连接到openGauss数据库，并执行包括AI模型调用在内的各种数据库操作。这种对标准接口的支持，保证了用户业务的快速迁移和现有技术栈的复用，降低了企业采用新技术的门槛。此外，openGauss社区积极推动与高

我很哇塞耶

从 “检索知识” 到 “会用知识”：西安交大 + 华为 2025 EMNLP 新方案RAG+西安交通大学联合华为等机构发表在2025 EMNLP上的RAG+框架，恰恰戳中了这个痛点。它通过引入“应用感知推理”，让模型不仅能“搜到知识”，更能“用好知识”，在三大领域实现3%-5%的平均性能提升，峰值增益高达13.5%。下面来详细了解这个让RAG“脱胎换骨”的新方案～

AI核心知识26——大语言模型之Embedding与Vector Database （简洁且通俗易懂版）如果说 RAG（检索增强生成）是大模型的“外挂图书馆”，那么 Embedding（嵌入）和 Vector Database（向量数据库）就是让这个图书馆能瞬间找到书的“图书管理员”和“索引系统”。

小白也能懂！RAG技术让AI告别知识滞后，收藏学习RAG技术通过结合检索与生成，解决大模型知识滞后问题，其工作流程包括知识预处理、检索优化和增强生成三大阶段。在数字政府领域有广泛应用，如智能政策咨询、多模态服务等。普通人可选择集成RAG的AI工具或应用"先检索再生成"的思维模式，有效提升AI回答的准确性和时效性。

RAG评测完整指南：指标、测试和最佳实践原文: https://mp.weixin.qq.com/s/am89yasxAvuYUToEAWNyTA

AI核心知识25——大语言模型之RAG（简洁且通俗易懂版）RAG 是 Retrieval-Augmented Generation（检索增强生成）的缩写。如果说“幻觉”是大模型的病，那么 RAG 就是目前最有效的药。

健忘的派大星

【收藏必学】RAG系统架构全解析：从原理到实战，小白也能掌握的大模型增强技术思考：为何一个文档能被解析，还能以另一种方式输出？并被真实引用呢？这里边实际上内嵌了RAG，其原理和架构设计如下：

我很哇塞耶

从检索到生成全优化：ACL 2025 新方法 DRAG，复杂查询 RAG 新救星北航、北大、中关村实验室联合团队在ACL 2025上提出了词汇多样性感知的RAG方法（DRAG），通过细粒度相关性评估和高风险token校准，让RAG在复杂查询场景下性能实现质的飞跃，尤其在HotpotQA数据集上准确率提升10.6%！

技术与健康

分享：Docling：本地自动注释 PDF 图像您可以使用 Gemini 或 ChatGPT 等云 API，但这意味大规模应用会产生 API 成本，并且您的文档会离开您的基础设施。

黑客思维者

Salesforce Einstein GPT 人机协同运营的核心应用场景与工作流分析在传统客服模式中，座席面临高并发下的认知过载、长文本处理的低效耗时、客户情绪响应滞后等多重痛点，导致服务效率与客户体验难以同步提升。Salesforce Einstein GPT 并非简单的AI工具叠加，而是通过将大语言模型（LLM）深度融入客服全流程，围绕座席辅助、知识密集型任务处理、情绪智能三大核心场景，构建起“AI赋能+人机协同”的全新工作模式，实现了客服运营的革命性转型。

别啃文档了！3 分钟带小白跑完 Dify 全链路：从 0 到第一个 AI 工作流1什么是DifyDify 是开源大语言模型(LLM) 应用开发平台，融合后端即服务和 LLMOps 理念，开发者能快速搭建生产级生成式 AI 应用，非技术人员也可参与 AI 应用定义与数据运营。

RAG 系统架构设计模式介绍在模块化RAG（Retrieval-Augmented Generation）设计中，各种操作模式通过模块化的方式协同工作，形成了一个名为 RAG流的工作流程。这个 RAG流可以被视为由多个子函数组成的图形结构。通过控制逻辑，这些子函数会按预定的顺序执行，同时也能根据需求进行条件判断、分支或循环。