知识库

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。

如何利用AI Coding提效？从工具到思维的全面升级目录前言🔍 一、行业趋势：AI Coding 是"选择题"还是"必答题"？📊 数据揭示：AI 正在改变开发生态

Springai RAG 外挂知识库增强新建txt文档作为知识库a.txt写个CommandLineRunner在项目加载完读取知识库数据清洗存储到向量数据库（ETL）

知识库概念与核心价值01知识库（Knowledge Base，KB）是一个结构化或半结构化的数据存储系统，用于收集、组织、存储和检索知识信息，使得机器和人类能够高效地获取和利用这些知识。

本地搭建检索增强生成(RAG)大模型知识库项目创建单独的python环境conda create -n python311 python=3.11.7

qKnow 知识平台商业版 v2.1.1 正式发布：图谱问答与语义检索能力全面升级qKnow 商业版 v2.1.1 并不是一次简单的功能叠加，而是围绕“是否好用、是否稳定、是否可持续使用”进行的一次系统升级。从图谱问答能力的引入，到抽取任务状态与日志完善，再到搜索体验和界面细节优化，新版本在多个关键路径上提升了实际使用体验。

程序员柒叔

Dify 工作流类型说明文档版本：1.9.2 最后更新：2025年12月Dify 平台支持三种工作流类型，每种类型针对不同的使用场景进行了优化：

正在走向自律

智能体时代：字节跳动Coze平台应用开发完全指南摘要：字节跳动Coze平台是AI智能体应用开发的重要工具，通过低代码方式降低开发门槛。文章系统介绍了Coze平台的技术架构和开发方法，包括智能体组件、工作流引擎、知识库系统等核心技术。详细解析了从零代码开发到企业级部署的全流程，特别提供了智能客服助手的实战案例。同时探讨了高级开发技巧、性能优化策略及未来发展趋势。Coze平台通过可视化编排、模块化组件和长上下文支持，使开发者能高效构建复杂AI应用，推动AI技术普惠化发展。

AI大模型学徒

大模型应用开发(十七)_RAG架构概述RAG（Retrieval-Augmented Generation，检索增强生成）架构概述。这部分是理解 RAG 系统设计与实现的核心内容。

被制作时长两年半的个人练习生

agent和知识库技术发展的一个可能性最近在用大模型根据文件补充的信息来回答问题的场景中，发现面对需要举一反三的例子时，就会陷入被动，例如让大模型生成一份代码，然后根据文档中的信息来修复代码中的错误时，代码用到的是double之类的类型，但文档中只有float类型，面对这种场景，大模型并没有正确的将文档中的float类型替换成double类型，而是直接生硬的用float类型填充了原来的代码。这种场景类似于我们学习中常见的刷题战术，刷了题却不完全理解，考试时面对新的场景就不能正确的完成问题的解决。期待agent和知识库的发展能够提供一些解决

AI大模型学徒

大模型应用开发(十六)_知识库2OpenAI 文档参考：https://platform.openai.com/docs/guides/function-calling

东方-教育技术博主

知识库以及知识库的使用方式我想给服务器的模型加知识库，可以怎么做，如果在服务器端调用了大模型接口，能不能添加知识库，知识库和rag有啥区别吗