rag

林间码客7 小时前
llm·rag·wiki·llm wiki
LLM Wiki：大语言模型世界的“百科全书”你有没有这样的经历：翻开一篇 AI 文章，“Token”“RAG”“Fine-tuning”“Temperature”……一连串陌生词汇砸过来，每个字都认识，但合在一起完全不知所云。AI 领域实在太新太热，每天都有新模型、新术语冒出来，就像忽然走进一个语言不通的异国城市，急需一张地图。
不能只会打代码6 小时前
rag·数据解析·文档处理·多模态检索·知识库建设
RAG 数据源全景解析指南：从 .txt 到知识图谱的 7 大阵营 47 种格式那个……RAG 处理 PDF 和 Excel 具体是怎么弄的呀？听到面试官这个问题时，你的大脑是不是瞬间死机，然后开始疯狂输出：「呃……就是……解析……然后……切片？」
chanalbert9 小时前
agent·memory·rag·mcp
Agent 工程化指南（二）：记忆与规划 — 让 Agent “记得住“且“做得对“一句话定位：解决 Agent “健忘”、“死循环”、"瞎想"三大顽疾。读完能给 Agent 添加记忆和规划能力。
染指11102 天前
llama·rag·llamaindex
50.llama_index-文档分割器（文本）内容参考于：图灵AI大模型全栈分割（分割也叫分片）器的作用1.限制LLM上下文窗口的数据，问题内容和大模型输出的内容被看作为一次上下文大小，现在的模型都有上下文的限制，没办法传递给大模型一个很大的文档
ahauedu2 天前
spring·rag·springai2.0
多租户 RAG 知识库系统基于Spring Boot 4.0.5+Spring AI 2.0.0 + Milvus基于 Spring Boot 4.0.5 + Spring AI 2.0.0 + Milvus 的多租户 RAG 知识库系统。
前端Baymax3 天前
ai·agent·rag
Agent工具调用中无限重试死循环的根因与修复Agent 在执行任务时，调用某个工具后进入死循环——不断以相同或微调参数重试同一个工具调用，每次返回相似结果但仍继续重试，Token 快速消耗，任务卡死无法推进。
接着奏乐接着舞。4 天前
前端·人工智能·后端·aigc·embedding·rag
【2026年7月最新】69道RAG面试题RAG本身的概念还是很容易理解的，既： 索引→检索→生成→评估 四个环节串联，但是在实际的开发项目中还是经常遇到一些问题，而最好的方式就是通过面试题的形式进行记忆和查找，以点带线，以线促面，以下面试题基于实际开发项目以及我们要想掌握RAG必须会的。ps:建议学习一下milvus的使用
大鹅同志4 天前
ai·langchain·agent·rag·langgraph·vibecoding·llm-as-judge
Agent Runtime Evaluation Platform — AI Agent 运行时全维度质量评估平台📦 GitHub: https://github.com/daetz-coder/Agent-Runtime-Evaluation-Platform
荣--4 天前
prompt·rag·ai agent·spring ai·业务智能体
业务智能体实战笔记:分层消除不确定性(一)｜总纲:把不确定性从 LLM 侧转移到工程侧系列说明:这是「业务智能体准确率从 65% 到 85%」系列的第一篇,共 5 篇。首篇讲主线和全景,后 4 篇按四层方法论分别展开。文末有系列导读。
阿拉斯攀登5 天前
prompt·agent·memory·知识库·向量数据库·rag
Prompt 工程与答案生成优化检索到了相关内容，不代表大模型就能答好。怎么让模型基于资料回答、不编造、引用来源、格式规范？这篇讲 RAG 的 Prompt 设计、减少幻觉的技巧、答案格式控制、以及常见问题的应对方法。
阿拉斯攀登5 天前
agent·ai编程·loop·rag
企业知识库实战：从 0 到 1 落地全记录最后一篇实战，把前面 9 篇的知识全部串起来。从需求分析、架构设计、文档处理、检索优化到上线运维，完整讲一遍企业知识库 RAG 系统是怎么从 0 到 1 落地的，踩过哪些坑、每一步优化了多少。
阿拉斯攀登5 天前
chatgpt·agent·ai编程·loop·rag
检索效果评估与 Bad Case 分析RAG 效果好不好，不能凭感觉。怎么衡量检索质量？召回率怎么算？Bad Case 怎么分类分析？这篇讲检索评估的指标体系、测试集构建、Bad Case 分析方法论，以及迭代优化的流程。
阿拉斯攀登5 天前
人工智能·缓存·性能优化·embedding·agent·loop·rag
RAG 性能优化：缓存、批量与并发RAG 系统跑起来容易，扛住并发难。用户多了响应慢、成本高怎么办？这篇讲 RAG 系统的性能优化：检索加速、Embedding 优化、大模型调用优化、缓存策略、并发处理，从延迟和成本两个维度优化。
染指11106 天前
llama·rag·llamaindex
46.llama_index-提示词模板（富提示词模板、jinja2静态和动态模板）内容参考于：图灵AI大模型全栈LLamaIndex提供了三个提示词模板PromptTemplate：普通提示词模板，出现的最早，纯字符串，可以用来做文本补齐，但真正的场景都是要跟聊天一样，这种纯字符串的不会用，现代最基本的AI就要支持聊天，这个只需要做了解就可以
leonshi6 天前
ai·rag
Embedchain 是什么？用最简单的话讲清楚一个"AI 知识问答工具框架"Embedchain 就是用来快速搭建“基于自己资料的AI问答系统”的一个开源工具。你可以把它理解成：一个帮你把“资料 → AI知识库 → 智能问答机器人”自动搭好的工具。
weigangwin6 天前
python·ai·agent·rag·检索·llamaindex·观测性
LlamaIndex 第一次试用：别先写 RAG Demo，先验上下文合同LlamaIndex 不适合用“5 行代码做一个 RAG demo”来判断好坏。那个 demo 只能证明框架能跑通一次，不证明你的数据进入系统后仍然可追踪，不证明检索结果能解释，不证明 Agent 的记忆边界正确，也不证明生产环境里能审计每一次工具调用。
阿拉斯攀登6 天前
人工智能·chatgpt·embedding·agent·ai编程·loop·rag
Embedding 模型选择与领域适配Embedding 模型决定了向量的质量，直接影响检索准不准。中文场景选什么模型好？垂直领域（法律、医疗、技术）通用模型效果差怎么办？这篇讲主流 Embedding 模型对比、选型方法、以及领域适配的技巧。
zhoupenghui1687 天前
人工智能·docker·ai·milvus·rag·attu·rag智慧问答项目
【AI大模型应用开发】【项目实战】13.RAG智慧问答项目-(一)项目介绍&项目架构&项目环境配置近年来，随着ChatGPT的广泛应用，基于大规模语言模型（LLM）的技术已成为人工智能领域的研究和应用热点,。尤其是大模型在各类自然语言处理任务中的成功应用，推动了教育行业的智能化转型。然而，当前市面上大多数大语言模型存在一个普遍的问题：这些模型主要依赖于过往的训练数据，无法动态获取最新的知识以及各企业特有的私有知识。这种局限性常常导致生成答案时出现“幻觉”问题，即模型提供的答案与实际情况不符或不准确。
Devin~Y7 天前
java·spring boot·redis·spring cloud·kafka·agent·rag
抖音级短视频推荐与直播带货平台面试实战：从 Java 微服务到 RAG 智能客服全链路解析场景：某头部互联网大厂，业务方向为短视频推荐 + 直播带货电商，主技术栈为 Java、Spring 全家桶、微服务、Kafka、Redis、Elasticsearch、Kubernetes，以及最新接入的 AI RAG 智能客服与内容审核能力。
阿拉斯攀登7 天前
检索增强·知识库·向量数据库·rag·企业级应用
企业级RAG架构：权限控制、安全防护与多租户Demo 和生产的差距有多大？这么说吧——Demo 是一个 Python 脚本，生产是一整套系统。前面的文章我们把 RAG 的核心链路都跑通了，但真要上线给公司几十上百号人用，还有四个关键问题要解决：权限控制、安全防护、多租户隔离、生产化部署。今天逐一拆解。