知识库

Java后端的Ai之路

【RAG技术】- RAG系统调优手段之GraphRAG（全局视野）摘要：你是否遇到过 AI 在面对“这篇文章的主旨是什么？”或者“19 世纪的艺术运动如何影响了 20 世纪？”这类宏观问题时显得力不从心？传统的 Naive RAG 往往只关注局部片段，而 GraphRAG 通过构建知识图谱和社区摘要，为 AI 开启了“上帝视角”。本文将带你深度拆解 GraphRAG 的原理、流程及进阶方案，更有 Python 代码实战，让你一文掌握这项前沿技术！

qKnow 知识平台核心能力解析｜第 03 期：结构化抽取能力全流程介绍在知识驱动应用越来越重要的今天，如何把分散、杂乱的数据，快速转化为“可用的知识”，成为很多企业和团队绕不开的问题。

数据库全解析：从关系型到向量数据库，LLM 开发中的选型指南大语言模型 (LLM) 开发工程师 | 中国传媒大学 · 数字媒体技术（智能交互与游戏设计）CSDN · 个人主页 | GitHub · Follow

CCPC不拿奖不改名

RAG基础：基于LangChain 的文本分割实战+文本分块适应上下文窗口: 这是最主要的原因。将长文档分割成小块，可以让我们在处理时只关注与用户问题最相关的部分。

LangChain v1.0+ 与 FastAPI 中间件深度解析：从概念到实战【个人主页：玄同765】大语言模型（LLM）开发工程师｜中国传媒大学·数字媒体技术（智能交互与游戏设计）

【大模型知识】Chroma + Ollama + Llama 3.1 搭建本地知识库原始文档（PDF/Word/TXT/Markdown）文档解析 & 分块向量化（Embedding）

AI RAG 本地知识库实战学习一下通过 RAG 搭建个人知识库。如果为了纯用，gemini 的 NotebookLM 效果更好，无脑用

RAG 入门与实践指南近几年，生成式 AI 模型的发展速度惊人。然而，生成式 AI 往往受限于其训练数据，容易产生不可靠答案。为此，业界提出了溯源、更精准的生成方案——检索增强生成（Retrieve-augmented generation），简称 RAG。本文将全面解析 RAG 的概念、原理、优势以及如何成功地实践。

LangChain v1.0+ Retrieval模块完全指南：从文档加载到RAG实战【个人主页：玄同765】大语言模型（LLM）开发工程师｜中国传媒大学·数字媒体技术（智能交互与游戏设计）

胡西风_foxww

ObsidianAI_学习一个陌生知识领域_建立学习路径和知识库框架_写一本书利用人工智能（AI）作为执行工具，在Obsidian中构建结构化、可扩展的个人知识库，并以此为基础进行高效、深入的学习。

qKnow 知识平台商业版 v2.6.1 正式发布：移除对第三方 LLM 应用框架的依赖，一次真正走向自主可控的里程碑升级在大模型快速演进的今天，真正拉开产品差距的，不只是模型效果，而是系统的独立性、可控性与可持续演进能力。

中杯可乐多加冰

RAG 深度实践系列（三）：RAG 技术演变与核心架构的深度剖析检索增强生成（RAG）技术的发展史，是一部不断挑战大型语言模型（LLM）局限性、追求系统级智能的演进史。RAG 的演变并非简单的功能叠加，而是对“如何高效、可靠地将外部知识融入 LLM 推理过程”这一核心问题的持续探索。我们可以将 RAG 的演进脉络划分为四个清晰的阶段：Naive RAG 确立基本范式，Advanced RAG 聚焦精细化优化，Modular RAG 追求架构灵活性，最终 Agentic RAG 实现自主决策与智能化。

JEECG低代码平台

Jeecg-AI 开源的 AI 应用平台，实现 n8n 的循环节点Jeecg-AI 是一套类似 Dify 的 AIGC 应用开发平台 + 知识库问答，是一款基于大型语言模型和 RAG 技术的 AI 应用平台，重点提供图文并茂的 AI 知识库和智能聊天功能，界面直观，支持知识库管理、AI 流程编排、模型配置、向量库对接及实时运行监控，帮助用户将知识转化为智能 AI 知识库，轻松实现精准智能问答。

RAG 还是微调？用 Gemini API 打造企业私有知识库的落地路径在当今技术密集型企业中，一个被反复验证却长期被忽视的事实是：72% 的组织知识以非结构化形式存在——PDF 技术手册、Confluence 页面、Slack 讨论记录、会议纪要、客户工单……这些“沉默资产”构成了企业真正的智力资本，却因检索效率低下而长期沉睡。根据 Gartner 2025 年发布的《企业知识管理现状报告》，员工平均每周花费 3.5 小时搜寻信息，而在技术文档场景下，传统关键词搜索的准确率不足 40%。

【极客日常】快速上手复杂后端项目开发的经验去年年底一段时间，笔者参与了组织内部智能化平台项目研发攻坚，虽然主攻平台工程部分，但多少也了解了下目前AIGC可以应用到的一些业务场景，以及技术实践、项目管理的一些事情。在先前的文章里头，有浅要描述下AIGC+Web类项目的角色分工和配合。那今天这篇文章，就浅聊一下如果你即将深入此局，适应一个复杂的后端项目开发，有什么方法论是可以通用的。

Spring AI + Elasticsearch：语义/关键字/混合检索与知识问答目录简介环境介绍演示效果知识库内容文件分块向量化语义检索关键字检索混合检索编辑普通问答知识库问答环境搭建

27s→1.3s：“小模型 + 知识库”的工业隐患识别技术复盘（全链路）大模型只是通用推理引擎，私有知识库才是垂直场景 AI 应用的护城河。这句话我在之前的文章里也提过，这个隐患识别项目很好地验证了这个观点。

【Coze智能体开发】（三）解锁 Coze 智能体超能力：插件 + 知识库 + 数据库全解析，让 AI 从 “会聊天“ 到 “能办事“！编辑前言一、Coze 资源全景：不止于 "聊天" 的能力延伸二、插件：给智能体装上 "手脚"，让 AI 能 "动手办事"

【obsidian指南】配置obsidian git插件，实现obsidian数据定时同步到github仓库(Mac电脑)最近学了AI agent应用，想着将自己存储在obsidian上的本地笔记数据让大模型能访问到，于是打算利用obsidian工具 + github私有库的方式去实现，之前都是用现成在线知识库，所以记录下这次配置经验。

一马平川的大草原

dify的知识库如何通过API调用操作大家在基于dify开发Workflow和Agent的过程中，都会用到知识库，dify提供了相应的功能实现知识库的管理，但有时候需要我们通过调用知识库的API服务接口，实现对知识库的管控，那么该如何实现呢？本文主要基于dify的API编写的演示示例，供大家参考。主要实现获取知识库，指定知识库文件的上传、知识库包含数据集的增删、分块内容的更新删除，标签更新删除等等。具体如下。