rag

uncle_ll5 小时前
架构·llm·agent·rag·llamaindex
LlamaIndex 全栈实战指南：架构解构、RAG 核心原理与私有知识库工程化落地方案大语言模型（LLM）面临知识时效性滞后、私有数据盲区与事实幻觉三大工程瓶颈。检索增强生成（RAG, Retrieval-Augmented Generation） 是解决私有数据问答成本最低、准确率最高的工程路径。
O。O蛋黄酥啊11 小时前
人工智能·python·算法·rag·graphrag·lightrag
GraphRAG 和 LightRAG 详解与对比摘要：同样是「知识图谱 + RAG」，为什么有人选微软的 GraphRAG，有人却偏爱港大的 LightRAG？这篇文章带你拆解两大主流方案的完整链路：从索引、查询到增量更新，把「烧钱烧 token 的全局洞察」和「秒级响应的轻量部署」掰开揉碎讲清楚。看完你就能明白：什么时候该上 GraphRAG 啃硬骨头，什么时候该用 LightRAG 快速迭代，最后还有一套「稳定知识 + 动态数据 + 查询路由」的混合架构实战思路，帮你少走弯路。
像风一样自由202012 小时前
数据库·人工智能·mysql·mongodb·大模型·rag·智能体
11.PostgreSQ、-MySQL与MongoDB-AI应用如何选择数据库码海寻道 · 大模型、智能体与 RAG 工程组件系列第 11 篇做大模型应用时，数据库选型经常被简化成一句话：PostgreSQL 功能最全，MySQL 最常见，MongoDB 最灵活。
辞忧九千七16 小时前
milvus·rag
从Milvus到RAG：向量数据库核心技术与索引调优完全指南本文带你从零开始，系统掌握向量数据库Milvus的核心概念、索引算法选型、倒排索引底层原理，并串联起RAG离线/在线完整技术链路。文章采用“人话”类比 + 代码注释 + 实战调参三位一体的方式，让你真正融会贯通，而非死记硬背。
大模型丫丫1 天前
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_99991 天前
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。
tachibana22 天前
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2 天前
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_CZ2 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TD3 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3 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TD4 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3 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TD4 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.ai4 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_99994 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ea5 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）
TizzyGoodhealth5 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5 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：