rag

tangjunjun-owen

Milvus 2.4 使用详解：从零构建向量数据库并实现搜索功能（Python 实战）在大规模向量数据检索场景中，Milvus 是一个非常强大的开源向量数据库。它支持高效的相似性搜索、灵活的数据模型设计以及多语言接口。本文将通过 Python 客户端 pymilvus，带你一步步从零开始使用 Milvus 构建一个简单的向量数据库，并实现插入数据与相似性搜索的完整流程。

水煮蛋不加蛋

RAG 赋能客服机器人：多轮对话与精准回复在人工智能技术飞速发展的今天，客服机器人已成为企业提升服务效率的重要工具。然而，传统客服系统在多轮对话连贯性和精准回复能力上存在明显短板。检索增强生成（Retrieval-Augmented Generation, RAG）技术通过结合大语言模型（LLM）与外部知识库，为解决这一问题提供了创新路径。本文将深入探讨 RAG 在客服机器人中的应用，重点分析其如何实现多轮对话与精准回复，并结合实际案例与技术框架展开讨论。

程序员一一涤生

RAG越来越不准？你可能忽略了“元数据”的力量结果它却信誓旦旦地告诉了你B软件的安装步骤。在这个过程中，你可能已经花了大量时间解析和清洗上千份文档，接入RAG，但结果仍然不理想。

RagFlow 完全指南（一）：从零搭建开源大模型应用平台（Ollama、VLLM本地模型接入实战）依赖工具：安装 Docker 与 Docker Compose。系统要求：默认通过 http://localhost 即可访问 RagFlow 控制台，首次登录需要设置管理员密码。

在未来等你

互联网大厂Java求职面试：基于RAG的智能问答系统设计与实现-2郑薪苦是一名Java开发者，拥有丰富的项目经验，但在面试中总喜欢用奇葩比喻解释技术问题。今天他面对的是某大厂技术总监张总，面试主题为“基于RAG的智能问答系统设计与实现”。

玩电脑的辣条哥

ragflow报错：KeyError: ‘\n “序号“‘ragflowv 0.17.2ragflow报错：KeyError: ‘\n “序号”’这个字符串中存在一个格式化占位符，形如 {…}，需要用kwargs中的键去替换，但在 kwargs 字典中没有对应的键 ‘\n “志愿序号“‘

企业级RAG架构设计：从FAISS索引到HyDE优化的全链路拆解，金融/医疗领域RAG落地案例与避坑指南（附架构图）本文较长，纯干货，建议点赞收藏，以免遗失。更多AI大模型应用开发学习内容，尽在聚客AI学院。RAG（Retrieval-Augmented Generation，检索增强生成）是一种将信息检索与文本生成相结合的技术，通过实时从外部知识库中检索相关文档，增强大语言模型（LLM）的生成准确性和事实性。其核心价值在于解决LLM的三大痛点：

tangjunjun-owen

第三章：langchain加载word文档构建RAG检索教程(基于FAISS库为例)如果你已有了向量embed模型，该如何构建一个检索方法呢？本节就是一个完整的构建教程，使用word文档载入到分块再到向量化，并利用数据库进行检索。我们使用FAISS库来实现这个功能，依然使用langchain款就爱来完成。该代码实现是比较简单的，但这仅仅是给初学者学习的。我们会进一步从底层源码进行解读，给出更深入讲解。

Dify 完全指南（一）：从零搭建开源大模型应用平台（Ollama/VLLM本地模型接入实战）》参考资料Docker Compose 部署在运行安装命令之前，请确保您的机器上安装了 Docker 和 Docker Compose，安装 Docker 以及 Docker Compose 的具体步骤可以参考 Ubuntu 24.04 完整Docker安装指南：从零配置到实战命令大全。

玩电脑的辣条哥

RAGFlow上传3M是excel表格到知识库，提示上传的文件总大小过大Ragflowv0.17.2RAGFlow上传3M是excel表格到知识库，提示上传的文件总大小过大定位问题：

RAGFlow 介绍RAGFlow 概述 RAGFlow 是一款开源的企业级检索增强生成（RAG）引擎，专注于深度文档理解与智能问答场景。其核心目标是通过融合多模态文档解析、混合检索策略和大语言模型（LLM）生成能力，实现非结构化数据的高效知识抽取与精准答案生成。该系统在电商客服、合同管理、投资分析等领域验证了高效性（响应速度提升40%）和准确性（关键信息召回率达92%）。

微软GraphRAG的安装和在RAG中的使用体会Microsoft的GraphRAG是一种结合了知识图谱（Knowledge Graph）和检索增强生成（RAG）技术的先进框架，旨在提升大型语言模型（LLM）在处理复杂问题时的性能。详细内容和深入学习可以参考github，项目地址：GitHub - microsoft/graphrag。

SecMulti-RAG：兼顾数据安全与智能检索的多源RAG框架，为企业构建不泄密的智能搜索引擎本文深入剖析SecMulti-RAG框架，该框架通过集成内部文档库、预构建专家知识以及受控外部大语言模型，并结合保密性过滤机制，为企业提供了一种平衡信息准确性、完整性与数据安全性的RAG解决方案，同时有效控制部署成本。

来自B站-AI匠的“RAG的prompt设计指南“的部分截图这个文章记录的是B站Up主AI匠关于RAG的prompt设计指南的视频截图。笔记：笔记：原视频链接：LLM Cookbook 第十一期 RAG（提示词篇）RAG的prompt设计指南

马武寨山的猴子

【MinerU】：一款将PDF转化为机器可读格式的工具——RAG加强（Docker版本）目录创建容器安装miniconda安装mineruCPU运行GPU加速多卡问题构建Dockerfile文件

第八部分：缓解 RAG 中的幻觉在可能阻碍语言模型性能的各种问题和挑战中，幻觉往往位居榜首。当语言模型生成虚假、误导或无意义的信息时，就会出现幻觉。在检索增强生成 (RAG) 系统中，语言模型通过检索和整合外部信息来增强事实依据，这个问题得到了缓解，但并未完全消除。

企业级AI开发利器：Spring AI框架深度解析与实战在人工智能技术爆发式发展的今天，Java开发者面临着一个新的挑战：如何将大语言模型（LLMs）和生成式AI（GenAI）无缝融入企业级应用。传统的Java生态缺乏统一的AI集成方案，开发者往往需要为不同AI供应商（如OpenAI、阿里云、Hugging Face）编写大量重复的接口适配代码，这不仅增加了开发成本，也限制了应用的可扩展性。

Windows上，10分钟构建一个本地知识库这篇文章是我约新书《RAG应用实战》的一个样章，基于阿里云代码构建的一个本地RAG服务。本地模型看代码注释，需要替换几行代码。

Pgvector+R2R搭建RAG知识库R2R是一个采用Python编写的开源AI RAG框架项目，与PostgreSQL技术栈集成度高，运行需求资源少（主要是本人的Macbook air m1内存只有8G）的特点，对部署本地私有化化AI RAG应用友好。

OceanBase数据库官方博客

向量检索新选择：FastGPT + OceanBase，快速构建RAG随着人工智能的快速发展，RAG（Retrieval-Augmented Generation，检索增强生成）技术日益受到关注。向量数据库作为 RAG 系统的核心基础设施，堪称 RAG 的“记忆中枢”，其性能直接关系到大模型生成内容的精准度与实用价值。