rag

姚毛毛19 小时前
python·ai·rag
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。
MarsBighead1 天前
python·ai·postgresql·rag·pgvector
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1 天前
人工智能·oceanbase·分布式数据库·向量数据库·rag
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。
勇敢牛牛_4 天前
rust·知识库·rag
【MRAG】使用RAG技术增强AI回复的实时性和准确性我们用2周时间，使用Rust+Python开发了这个名为MRAG的知识库系统。体验地址：https://mrag.coderbox.cn/
余俊晖4 天前
多模态·rag
再看开源多模态RAG的视觉文档(OCR-Free)检索增强生成方案-VDocRAG前期几个工作提到，基于OCR的文档解析+RAG的方式进行知识库问答，受限文档结构复杂多样，各个环节的解析泛化能力较差，无法完美的对文档进行解析。因此出现了一些基于多模态大模型的RAG方案。如下：
何似在人间5756 天前
java·大模型开发·rag·spring ai·chat pdf
SpringAI+DeepSeek大模型应用开发——5 ChatPDF由于训练大模型非常耗时，再加上训练语料本身比较滞后，所以大模型存在知识限制问题：知识数据比较落后，往往是几个月之前的；不包含太过专业领域或者企业私有的数据；
TMDOG6668 天前
语言模型·rag
TMDOG——语言大模型进行意图分析驱动后端实践项目地址：https://github.com/TMDOG666/AI_Backend_Demo该项目通过语言大模型，通过分析用户意图、拆分任务、构建API调用链来驱动后端实践。
Sherlock Ma8 天前
人工智能·阿里云·大模型·aigc·检索增强·rag·deepseek
基于LightRAG进行本地RAG部署（包括单卡多卡本地模型部署、调用阿里云或DeepSeekAPI的部署方法、RAG使用方法）RAG（Retrieval-Augmented Generation）是一种结合了检索（Retrieval）和生成（Generation）的自然语言处理模型架构。它旨在解决传统生成模型在面对复杂任务时可能出现的生成内容缺乏准确性和多样性的不足。在RAG模型中，首先会有一个检索模块，它会在一个庞大的外部知识库中检索与输入文本相关的片段或文档。这个知识库可以是预先构建的语料库，也可以是实时从互联网等来源获取的信息。RAG模型通过检索模块引入外部知识，使得生成的内容能够更好地结合实际的背景知识，从而提高生成结果
木亦汐丫10 天前
rag·智能体·grpo算法·深度研究·deepresearcher·deepresearch·端到端强化学习
【大模型系列篇】深度研究智能体技术演进：从DeepResearch到DeepResearcher，如何重构AI研究范式DeepResearch 的概念与功能最早由 Google 在 Gemini 系列产品中推出，用于自动化生成结构化研究报告，近期底层依赖模型Gemini升级到了2.5 Pro。而我们常规认知的DeepResearch是由OpenAI推出的一款由优化版的 o3 模型驱动专注于深度研究和分析的AI智能体产品。其主要功能包括自主分析复杂的专业信息，实时查找和综合数百个在线资源，最终生成一份专业水准的完整报告。DeepResearch能够运用推理能力，在互联网上搜索、解读和分析海量的文本、图像和PDF文件，并根据
沛沛老爹11 天前
学习·入门教程·rag·搜索增强生成·学习路径
RAG（检索增强生成）学习路径全解析：从入门到精通检索增强生成（Retrieval Augmented Generation，简称RAG）是一种结合了信息检索技术与语言生成模型的人工智能技术。它通过从外部知识库中检索相关信息，然后将其作为上下文输入到大语言模型（LLM）中，从而生成更准确、更相关且更可靠的输出。RAG技术已经成为当前最火热的LLM应用方案之一，能够有效解决大语言模型生成内容中的"幻觉"问题。
小白跃升坊11 天前
ai·大语言模型·rag·max kb·提示词模版
让 AI 对接 MySQL 数据库实现快速问答对话通过 AI 连接 MySQL 结构化数据库表，预期实现通过AI对话数据库表，快速了解数据情况，能够进行简单的汇总统计，快是实现问答。
梦醒沉醉13 天前
rag
Retrieval-Augmented Generation for Knowledge-Intensive NLP TasksRAG在知识密集型NLP任务中的创新点主要体现在其独特的架构设计和训练范式上。该模型首次将参数化记忆（如预训练的BART-large生成器）与非参数化记忆（基于Wikipedia的密集向量索引）相结合，通过端到端训练实现检索器与生成器的联合优化，无需依赖显式的检索监督信号。这种混合架构不仅突破了传统预训练模型在知识更新上的局限——通过替换文档索引即可动态更新知识库而无需重新训练整个模型，还引入了灵活的检索增强机制：利用最大内积搜索（MIPS）从2100万文档中快速定位Top-K相关段落，并通过边缘化潜在变
仙人掌_lz13 天前
python·gpt·ai·llm·rag·问答·年报
企业年报问答RAG挑战赛冠军方案：从零到SotA，一战封神任务是基于企业年报构建问答系统。比赛日的流程简而言之：所有问题必须有明确答案类型，例如：每个答案必须附带证据页码，确保系统真实检索而非杜撰。
风尘浪子16 天前
ai·rag·ai人工智能·deepseek·本地化部署
基于大模型的 RAG 核心开发——详细介绍 DeepSeek R1 本地化部署流程前言自从 DeepSeek 发布后，对 AI 行业产生了巨大的影响，以 OpenAI、Google 为首的国际科技集团为之震惊，它的出现标志着全球AI竞争进入新阶段。从以往单纯的技术比拼转向效率、生态与战略的综合较量。其影响已超越企业层面，涉及地缘政治、产业政策与全球技术治理，它彻底改变“美国主导创新、中国跟随应用”的传统格局，形成多极化的技术权力分布。 DeepSeek 的开源性彻底打破了 OpenAI 等公司通过 API 接口调用，依赖 token 计费的单一规则。因为 DeepSeek 是一个开源的
Jayin_chan18 天前
linux·ubuntu·ai大模型·rag·ragflow
ragflow本地部署(WSL下Ubuntu)本地docker及 docker-compose版本 安装参考：1.下载源码2.运行docker-compose拉取镜像
放羊郎18 天前
知识库·rag·本地部署·本地大模型·ragflow
本地大模型构建个人知识库（Ragflow）
放羊郎19 天前
语言模型·检索增强·rag·ragflaw
从零实现本地大模型RAG部署RAG（Retrieval-Augmented Generation）即检索增强生成，是一种结合信息检索与大型语言模型（大模型）的技术。从外部知识库（如文档、数据库或网页）中实时检索相关信息，并将其作为输入提供给 大模型，从而增强模型生成答案的能力，具体是指在大模型生成回答之前，先从知识库中查找相关的知识内容，增强信息生成过程中的知识库中的内容，从而提升生成的质量和准确性，这一过程分为三个阶段：
TGITCIC23 天前
人工智能·ai·agent·rag·ai agent·智能体·agent框架
智能觉醒：四大AI Agent框架重构未来生产力AI Agent是具备自主决策能力的"数字工作者"，能像人类团队一样感知环境、分析数据、执行任务。例如，亚马逊的仓储机器人集群通过Agent系统实时调整路径，将拣货效率提升40%；OpenAI的Operator工具让客服团队通过语音指令自动处理80%的重复性工单。
xidianjiapei0011 个月前
人工智能·语言模型·自然语言处理·llm·rag
构建大语言模型应用：数据准备（第二部分）本专栏通过检索增强生成（RAG）应用的视角来学习大语言模型（LLM）。如上图所示，是检索增强生成（RAG）的数据准备流程