rag

dundunmm2 天前
论文阅读·大模型·llm·rag·检索增强生成·评估标准
【论文阅读】A Survey on Knowledge-Oriented Retrieval-Augmented Generation(4)代码地址:GitHub - USTCAGI/CRAG-in-KDD-Cup2024【论文阅读】A Survey on Knowledge-Oriented Retrieval-Augmented Generation(1)-CSDN博客
Blessed_Li2 天前
llm·rag·ollama·graphrag
Linux系统安装部署GraphRAG完全指南GraphRAG(Graph-based Retrieval-Augmented Generation)是微软开源的新一代知识图谱增强型检索生成技术,它通过构建实体关系网络来提升传统RAG的全局理解能力。与传统基于文本块的RAG不同,GraphRAG能够:
PengShuaiD54 天前
人工智能·ai·rag
什么是RAG(Retrieval-Augmented Generation)?一文读懂检索增强生成RAG是一种结合文档检索(Retrieval)与语言模型生成(Generation)的技术,它的核心思想是:先查资料,再作答。
胡耀超5 天前
运维·docker·容器·大模型·知识图谱·rag·ollama
GraphRAG Docker化部署,接入本地Ollama完整技术指南:从零基础到生产部署的系统性知识体系相关推荐:Umi-OCR 的 Docker安装(win制作镜像,Linux(Ubuntu Server 22.04)离线部署)
Baihai IDP7 天前
人工智能·ai·系统架构·llm·agent·rag·白海科技
AI 系统架构的演进:LLM → RAG → AI Workflow → AI Agent编者按: 当前 AI 系统建设中的一大痛点是:盲目追求先进技术而忽视业务实际需求,导致系统过度复杂、成本高昂、可靠性差。许多团队在 Agent 热潮中迷失方向,不知道何时该用简单的 LLM,何时需要 RAG,什么场景下才真正需要智能体。
G.E.N.11 天前
大数据·人工智能·深度学习·神经网络·算法·llm·rag
开源!RAG竞技场(2):标准RAG算法本项目已开源:地址:https://github.com/ZehaoJia1024/RAG-Arena
booooooty13 天前
java·人工智能·spring·多智能体·rag·spring ai·ai alibaba
基于Spring AI Alibaba的多智能体RAG应用完整的代码下载:基于SpringAIAlibaba的多智能体RAG应用资源-CSDN下载已同步上传至github:1998y12/multi-agent-rag-spring: a multi-agent RAG application with Spring AI Alibaba
knqiufan13 天前
llm·milvus·向量数据库·rag
深度解析影响 RAG 召回率的四大支柱——模型、数据、索引与检索面对大型语言模型(LLM)知识陈旧、容易幻觉的固有挑战,检索增强生成(RAG)技术已然成为构建可信、精准、知识渊博AI应用的行业基石。RAG的核心魅力在于它用强大的语义检索能力,为LLM实时注入了新鲜、准确的外部知识,它能真正理解用户的查询意图,从海量文档中找到与之“意思相近”而非仅仅“字面相同”的内容。
在未来等你15 天前
大语言模型·rag·llamaindex·检索增强生成·ai开发
RAG实战指南 Day 4:LlamaIndex框架实战指南RAG,LlamaIndex,检索增强生成,大语言模型,AI开发本文是"RAG实战指南"系列的第4天,聚焦LlamaIndex框架的核心功能与实战应用。我们将深入解析LlamaIndex在RAG系统中的定位,详细讲解其数据连接器、索引构建和查询引擎三大核心组件的工作原理。文章包含完整的Python代码实现,展示如何从零构建一个基于LlamaIndex的文档问答系统,涵盖文档加载、索引创建、向量检索和响应生成全流程。通过与传统方法的对比分析,我们将揭示LlamaIndex在结构化数据处理和多源集成方面的独特
Florian1 个月前
知识图谱·agent·rag·graphrag·chat2graph·符号主义
Graph ⋈ Agent:Chat2Graph 如何重构 GraphRAG 范式?去年年底,我在《2024年度 Graph+AI 开源探索思考》一文中,细致拆解并总结了 TuGraph 在「Graph+AI」领域的开源技术实践经验。文中引用了一段业内不成文的观点:「23年卷 SFT,24年卷 RAG,25年卷智能体」,并将「Graph Native」的理念引入到智能体的设计中。
5ycode1 个月前
知识库·rag·ragflow
深度拆解RAGFlow分片引擎之切片实现上一篇深度拆解RAGFlow分片引擎!3大阶段+视觉增强,全网最硬核架构解析 讲了切片的整体流程,今天我们来拆下切片的实现。
致Great1 个月前
大数据·人工智能·rag
MCP出现的意义是什么?让 AI 智能体更模块化AI 智能体现在能做的事情真的很厉害,可以思考、规划,还能执行各种复杂任务,而且代码量并不大。这让开发者看到了一个机会:把那些庞大复杂的代码库和 API 拆解成更实用的模块。
Jayin_chan1 个月前
ubuntu·ai大模型·dify·rag·本地部署
dify本地部署及添加ollama模型(ubuntu24.04)下载地址:https://github.com/langgenius/dify 切换到自己要存放该源码的目录下,拉取代码
dundunmm1 个月前
大模型·rag·检索
【一天一个知识点】RAG构架的第四步:设计问答链路与响应控制(Response Chain & Output Control)在生成器模型的基础上,构建完整的问答链路,确保输出结果准确、可控、可溯源,提升实际可用性与用户信任度。
ExperDot1 个月前
ai·llm·知识库·rag
如何用大语言模型提取任意文档中的知识点随着大语言模型(LLM)能力的发展,从海量非结构化文档中自动化、规模化地提取关键信息已成为可能。无论是处理公司财报、技术白皮书,还是分析法律合同,LLM 都能扮演一个高效的“知识萃取专家”。
迢迢星万里灬1 个月前
java·面试·向量数据库·rag·spring ai·embedding模型·mcp
Java求职者面试:Spring AI、MCP、RAG、向量数据库与Embedding模型技术解析1. 请解释Spring AI是什么?它与传统Spring框架有何不同?Spring AI是Spring生态系统的一部分,专注于人工智能和机器学习相关的开发。与传统Spring框架相比,Spring AI提供了更丰富的工具和库来支持AI应用的构建,例如集成TensorFlow和PyTorch等深度学习框架。
啾啾Fun1 个月前
分块·rag
RAG轻松通-P1:分块欢迎来到啾啾的博客🐱。 记录学习点滴。分享工作思考和实用技巧,偶尔也分享一些杂谈💬。 有很多很多不足的地方,欢迎评论交流,感谢您的阅读和评论😄。
带刺的坐椅1 个月前
java·redis·ai·solon·rag
Solon AI 五步构建 RAG 服务:2025 最新 AI + 向量数据库实战此文参考自:https://www.toutiao.com/article/7506140643970826779/
在未来等你1 个月前
java·微服务·ai·云原生·秒杀系统·rag·分布式系统
互联网大厂Java求职面试:云原生架构与微服务设计中的复杂挑战面试官(严肃模式开启):郑薪苦,欢迎来到我们的技术面试环节。我是本次面试的技术总监,接下来我们将围绕云原生架构、微服务设计、AI集成和分布式系统这些热门领域展开深入讨论。希望你能展现出你的技术深度以及解决问题的能力。
余俊晖1 个月前
powerpoint·ppt·rag
使用RAG的思想进行PPT生成的框架思路-SlideCoder手动创建幻灯片既费时又费力,如何从参考图像自动生成可编辑的幻灯片?现有的问题:如Autopresent的方法,通过构建大批量的SFT数据生成ppt代码来生成ppt。然而,自然语言描述难以准确描述幻灯片的视觉设计,LLMs在处理复杂PPT时存在局限性,特别是包含多样元素类型和高元素密度的情况;LLMs对python-pptx库的理解不足,导致生成的代码可能存在语法错误或不可执行。