rag

小白狮ww7 小时前
人工智能·知识库·多智能体·rag·ai学习工具·deeptutor·交互式学习
个人学习助手 DeepTutor：把论文检索、做题和学习规划一次打通别的不说，现在 AI 学习工具也开始卷出「家教界六边形战士」了。前脚还在手动整理笔记、翻论文、刷题找答案，后脚 DeepTutor 就直接把「学习」这件事做成了全自动流水线。
敲个大西瓜13 小时前
rag
RAG(二)PGVector 是 PostgreSQL 的向量扩展，让 PostgreSQL 直接支持向量存储和相似度搜索。 PGVector 给 PostgreSQL 加了一个新的数据类型 VECTOR，可以在普通的表里加一列向量，然后对这列向量做相似度搜索。 运算符 距离类型 适用场景 <-> 欧氏距离（L2） 坐标空间，对向量幅度敏感 <=> 余弦距离 文本语义搜索首选，只看方向不看幅度 <#> 内积（负数） 向量已归一化时等效于余弦距离 文本 RAG 场景几乎都用余弦距离。原因是：不同长度的文本，Embedd
不爱洗脚的小滕16 小时前
网络·langchain·milvus·rag
【RAG】Milvus 混合检索参数调优：ef / candidate_k / final_k 详解若两路各取 5 条，真正相关的结果 X 在稠密路排第 6，RRF 融合时根本看不到 X， 导致好结果被漏掉。candidate_k 放大后，X 参与融合，最终得分提升，有机会进入 top-k。
codefan※19 小时前
知识图谱·milvus·faiss·向量数据库·rag·qdrant
RAG 加速指南：Faiss / Milvus / Qdrant 向量库选型与调优三大主流向量数据库深度实测，附 Docker 一键部署配置与性能调优参数向量数据库是 RAG（检索增强生成）系统的核心基础设施。当你的知识库从几千条增长到百万、千万级时，向量检索的性能瓶颈就会彻底拖垮你的 AI 应用响应速度。
abigale0320 小时前
缓存·langchain·prompt·token·rag·lcel
LangChain 实践4： 7个人AI助手全栈项目：完整拆解+分阶段开发指南本项目是一个从零搭建的全栈AI实战项目，覆盖大模型应用开发全链路核心技术。下文结合项目整体架构、功能模块与落地流程，拆解出7个递进式开发阶段，按照规划逐步开发，即可完成从本地调试到线上部署的完整流程。
程序员三明治21 小时前
java·人工智能·后端·ai·大模型·llm·rag
【AI】RAG 数据分块（Chunk）策略与实践本文面向正在建设 RAG 知识库问答系统的开发者，围绕“为什么需要分块、如何设置 chunk_size 与 overlap、常见分块策略如何选择”展开说明。示例场景统一替换为在线教育平台的课程预约与教务服务知识库；技术链路、参数权衡和性能优化思路保持不变。
咖啡星人k21 小时前
大数据·人工智能·架构·rag·mcp·百智云
长亭百智云：全新一代AI基础服务平台深度解读长亭百智云（baizhi.cloud）是由长亭科技推出的全新一代 AI 基础服务平台，定位为面向开发者和企业的一站式 AI 能力中心。平台目前提供 14 个在线产品，涵盖 API、模型、能力型服务等多种形态，可直接作为底层能力接入业务系统，帮助团队快速构建 AI 应用而无需从零搭建基础设施。
不爱洗脚的小滕1 天前
langchain·aigc·ai编程·rag
【RAG】召回（Retrieval）与重排（Rerank）核心技术要点汇总在检索增强生成（RAG）架构中，召回与重排处于不同的阶段，承担不同的职责：在工业级高并发场景中，禁止在业务代码中直接同步加载模型推理，主流做法分为两类：
deephub2 天前
人工智能·大语言模型·rag·视频分块
视频 RAG 中分块策略：基于停顿、滑动窗口与基于 LLM 的方法文本的RAG我们都已经很熟悉了，但是如果数据以原始视频转录文本的形式存储，没有合适的时间结构，那么相比标准的 PDF 或文本文档，如何检索视频里面的内容呢？ 针对同样的问题还可以换一个更高层次的问法：
Maiko Star2 天前
人工智能·rag·springai
理解 RAG 的“为什么”与 Spring AI 实战初体验任何大模型都有两个硬伤，不解决就没法直接回答很多真实问题：训练截止日期 模型的知识来自训练数据，训练完成那一刻知识就凝固了。问它“上周的股价是多少”，答不了；问它“最新政策有什么变化”，也答不了。
小何code2 天前
embedding·向量数据库·rag·检索增强生成·llm应用
人工智能【第52篇】RAG系统实战：检索增强生成技术详解作者的话：大语言模型虽然强大，但存在知识截止、幻觉等问题。RAG（检索增强生成）技术通过将外部知识库与LLM结合，让模型能够基于最新、最准确的信息回答问题。本文将深入解析RAG的原理、架构设计，并带你从零构建一个完整的RAG系统！
提笔了无痕2 天前
数据库·ai·rag
RAG存储策略中.md格式的切片与存储怎么处理先说结论：语法结构+语义切片+父子检索Markdown 不是纯文本，也不是富文本，它恰好站在中间——既有明确的语法结构，又以纯文本形态存在。这给了你三种切片策略完美的施展空间：
张彦峰ZYF2 天前
数据库·大模型·rag
检索增强生成（RAG）系统的基础：全面深入矢量数据库目录一、快速走进矢量数据库（一）从“照片检索”理解向量数据库的相似性搜索机制（二）同一句话的不同说法：向量数据库如何找到“同一个意思”？
格桑阿sir3 天前
ai·大模型·llm·embedding·agent·检索增强·rag
10-大模型智能体开发工程师：RAG检索增强生成系列文章导航：AI系列文章导航目录-持续更新中📝 本文摘要：本文详解RAG技术——解决LLM知识局限（训练数据截止、私有数据未知、专业领域不精）的核心方案，梳理RAG流程（离线索引：文档→分块→嵌入→向量数据库；在线查询：嵌入→向量检索→Top-K→拼接到Prompt→LLM生成），详解关键技术（分块策略、嵌入模型选择、向量数据库选型、混合检索、重排序），提供最简RAG和生产级RAG架构代码，以及常见问题优化。
qcx233 天前
人工智能·rag·评测
【系统学AI】15 RAG评测体系：RAGAS四维+TruLens+ARES全套方案title: “RAG评测体系（2026版）：RAGAS四维+TruLens+ARES全套方案” excerpt: “Faithfulness/Answer Relevancy/Context Precision/Context Recall四维评测+LLM-as-Judge最佳实践+持续监控+A/B测试” cover: rag-evaluation-cover.png tags: RAG评测, RAGAS, TruLens, ARES, LLM-as-Judge, 评测框架
caicongyang3 天前
rag·llmwiki
LLM Wiki 深度解读与接入指南围绕一个常见误解展开：llmwiki 不是"提前把文档解析成 wiki"的 RAG，而是把 LLM 当成 wiki 编辑员的脚手架。本文先讲清楚架构，再说怎么把它当知识库接到 Claude Code 这类 agent 上替代 RAG。
Mr.Daozhi3 天前
前端·数据库·langchain·大模型·gradio·rag·科研工具
RAG 进阶实战：跑通 Demo 后我连续翻了 6 次车，逐一修复才真正可用（含 Gradio Web 版）写在前面： 本文是本地 RAG 文献知识库的进阶实战篇，假设你已经完成了 WSL2 + Ollama + ChromaDB 的基础环境搭建。如果还没搭好，建议先看入门篇打好基础，再来看本文。
Mr. zhihao4 天前
python·rag·bm25
BM25 混合检索详解：为什么向量检索不够，还要加一个关键词检索本文用一个国标 RAG 的真实查询场景，说明 BM25 解决了什么问题、什么时候必须用它、以及怎么和向量检索做混合。
虾..4 天前
人工智能·llm·rag
大模型认识我们平常日常使用的豆包，千问，deekseep，chatgpt其实都是大语言模型。例如我们想学会⼀⻔外语，但没有⽼师给出题和批改。怎么办？
亦暖筑序5 天前
知识图谱·neo4j·向量数据库·rag·spring ai·graphrag
GraphRAG vs 传统向量RAG：Spring AI实战对比传统向量RAG找答案快，但多跳推理弱。GraphRAG能理清实体关系，但构建成本高。什么时候用什么？看完这篇你就清楚了。