rag

大模型丫丫6 小时前
人工智能·rag
检索增强生成（RAG）入门：原理、架构与实践检索增强生成（Retrieval-Augmented Generation，简称 RAG）是一种将信息检索（或向量搜索）与大型语言模型（LLM）生成能力相结合的技术架构。其核心思想是：在 LLM 生成答案之前，先从外部知识库（如文档、数据库、网页）中检索出与用户问题最相关的信息片段，然后将这些信息作为上下文提供给 LLM，从而生成更准确、更具事实依据且能减少“幻觉”的答案。
Komorebi_99998 小时前
llm·rag
RAG23-RAG28所有文档加载器最终返回 Document 实例表格所有加载器都具备这两个方法。专门用来读取 csv 文件，每一行 csv 生成一个Document对象。
tachibana213 小时前
数据库·人工智能·ai·架构·大模型·llm·rag
把RAGAS跑起来摘要：在检索增强生成（RAG）系统的落地过程中，“如何科学、量化地评估系统好坏”始终是决定项目能否上线的核心命题。RAGAS（Retrieval Augmented Generation Assessment） 是当前大模型领域事实上的 RAG 自动化评估标准。然而，RAGAS 原生基于 Python 生态开发，许多统计学背景深厚、精通 R 语言数据分析与制图的数据科学家和统计学家在评估大模型系统时面临工具链断层的困扰。
海市公约14 小时前
mongodb·agent·rag·全栈开发项目
独立开发项目ColdChain Guard冷盾：冷链温控合规智能分析系统项目复盘冷链运输（药品、生鲜、冷冻、果蔬）最核心的风险就是温度超标。一次药品运输中温度超标 2℃，如果被药监部门查到，运输方可能面临数万到数十万的罚款；如果导致药品变质，后果更是不堪设想。
Together_CZ1 天前
retrieval·rag·generation·evaluation·ragas·检索增强生成的自动化评估·automated
Ragas: Automated Evaluation of Retrieval Augmented Generation——检索增强生成的自动化评估《Ragas：检索增强生成的自动化评估》核心是为解决RAG系统评估难的问题，提出了一套名为Ragas的无参考自动化评估框架。以下是其主要研究内容的系统总结：
云烟成雨TD2 天前
ai·agent·rag·llamaindex
LlamaIndex 系列【5】智能体开发：大语言模型接入与基础调用LlamaIndex 为大模型应用开发提供了从基础模型调用、RAG 知识库搭建、智能体开发到高阶工作流定制、落地优化的全链路解决方案，模块化、标准化的开发模式，极大降低了企业级 AI 应用的开发门槛。
星野云联AIoT技术洞察2 天前
agent·workflow·llmops·dify·rag·ai agent·ai应用开发
Dify 适合什么 AI 应用项目：Workflow、RAG、Agent 与自研系统的边界如果项目的核心工作是把用户输入、知识检索、模型调用、条件分支、工具调用和结果输出串成一条可观察的 AI 流程，Dify 往往比从零开发更快。它把 Workflow、知识库、模型配置、插件和应用 API 放在同一工作台里，产品、业务和工程团队可以围绕同一条流程协作。
云烟成雨TD2 天前
ai·agent·rag·llamaindex
LlamaIndex 系列【3】上下文增强驱动的 LLM 应用开发框架智能体是由大模型驱动的知识助手，能够调用工具完成调研、数据提取等各类任务。智能体能力跨度很广：LlamaIndex 提供完整的智能体开发框架，支持将 RAG 流水线作为众多工具之一，辅助智能体完成任务。
二进制_博客2 天前
langchain·rag
rag面试题之rag 系统如何解决 llm 的幻觉问题大模型幻觉主要两类：RAG 不是彻底消除幻觉，是最大程度抑制幻觉，把回答约束在检索回来的参考资料范围内，幻觉无法 100% 根除
云烟成雨TD2 天前
ai·agent·rag·llamaindex
LlamaIndex 系列【4】入门案例（阿里云百炼适配）本节介绍构建大模型应用过程中反复出现的核心抽象。LLM 是催生 LlamaIndex 的基础技术。它是一类人工智能系统，能够理解、生成、处理自然语言；既可以依托训练数据作答，也能够使用查询阶段传入的外部数据进行回答。
ZGi.ai2 天前
workflow·rag·企业知识库·zgi
ZGI Workflow：让知识检索进入业务流程知识库回答准确，只解决了“找到什么资料”。当企业希望系统继续核对字段、判断条件、发起审批、写入数据或发送通知时，需要把检索结果接入 Workflow。知识提供任务依据，流程负责安排执行顺序、条件分支、人工节点和失败处理。
Komorebi_99993 天前
rag·提示词工程
提示词工程大模型基础流程：用户输入 → 模型输出。想要理想结果，提问要详细、清晰、有逻辑、可提供参考材料。所有技巧的根基：清晰表达需求，如同人与人沟通，指令模糊，模型输出就会跑偏。
可乐ea4 天前
prompt·rag·ai agent·智能体记忆
智能体记忆不是越多越好：ALTK-Evolve 八模型评测，记忆要按模型能力“配药“热点来源：Hugging Face Blog - 《智能体记忆并非越多越好：八款模型评测显示剂量需按能力校准》（https://huggingface.co/blog/ibm-research/altk-evolve-hmm） 研究原文：IBM Research - ALTK-Evolve 技术报告（https://arxiv.org/abs/2603.10600）
TizzyGoodhealth4 天前
java·ai·知识库·rag·ai agent·spring ai
从零到一搭建Spring‑AI原生Tool‑Calling AI Agent｜架构对比+完整实战源码+踩坑实录摘要：本文详细对比了Java生态中手写JSON协议Agent与Spring‑AI原生Tool‑Calling Agent两种架构方案的优劣，并提供了从零到一搭建Spring‑AI原生Tool‑Calling AI Agent的完整实战指南。内容包括：需求拆解、整体架构数据流、核心模块源码设计（RAG配置、Query扩写、链路追踪、SSE推送、双入口Controller等）、生产环境踩坑清单（ThreadLocal跨线程失效、SSE数据包过大、RAG降级策略等）以及后续迭代方向。文章强调Spring‑AI原
大模型丫丫4 天前
开源·rag
RAGFlow：开源、可深度定制的企业级 RAG 应用开发引擎随着大语言模型（LLM）的普及，检索增强生成（RAG）技术已成为连接私有知识库与通用模型能力的关键桥梁。然而，构建一个高效、可靠且易于维护的企业级 RAG 应用并非易事，开发者常常面临以下挑战：
李燚5 天前
ai·agent·ai编程·模式·rag·eino·hitl
HITL 源码：8 种人机协同模式的设计（第85篇-E71）“人机协同”（HITL，Human-In-The-Loop）这个词，很多人理解为"弹个审批框"。第 84 篇讲工具安全时，HITL 是 L2 那道"看得见但调不动"的审批闸；第 4 篇讲过 DeepFlux 的中断恢复链路。但 HITL 远不止审批——人在循环里的位置不同，协作的形态就完全不同。
jinggongszh5 天前
知识图谱·neo4j·rag·企业知识库·postgresql 16·证据链
企业知识库的第三条路：PG16做事实源，Neo4j做图投影【关键词】 PostgreSQL 16、RAG、知识图谱、Neo4j、混合检索、企业知识库、证据链【摘要】 企业在建设智能知识库时，往往同时面临RAG检索与知识图谱两个需求。现有主数据库是PostgreSQL 16，是否必须升级PG19甚至重建数据底座？本文给出了一套兼顾一致性、检索质量与可演进性的架构方案：以PG16为唯一事实源，pgvector+全文检索完成混合RAG，Neo4j作为可重建的图投影，Graph作为RAG的第三路召回。这套方案已在制造型企业的工艺文档、设备维修知识库等场景中验证可行。
Lumi--7 天前
rag
RAG 完整流程拆解：从文档到智能回答的每一步RAG（Retrieval-Augmented Generation，检索增强生成） 是当前大语言模型（LLM）应用落地的核心技术之一。它的本质很简单：给大模型装上一个"外脑"。