知识库

使用RAGFlow搭建本地知识库说起本地知识库，可能很多人会觉得这是个很高大上的技术活儿，好像只有专业团队才能搞定。但今天要介绍的 RAGFlow，正在让这件事变得前所未有的简单——哪怕你是技术小白，只要跟着步骤来，也能搭建起属于自己的本地知识库系统。

PDF 转 Markdown 主力方案怎么选：PaddleOCR-VL-1.5、MinerU、HunyuanOCR 与 MonkeyOCR 实测对比本文对比了四种主流PDF转Markdown工具（PaddleOCR-VL-1.5、MinerU、HunyuanOCR和MonkeyOCR）的性能表现。测试基于OmniDocBench和MDPBench数据集，评估维度包括文本块识别、阅读顺序、表格和公式处理等结构化要素。结果显示PaddleOCR-VL-1.5综合表现最优，在两个数据集上都保持稳定性能，特别在表格和公式处理方面表现突出。HunyuanOCR在复杂文档解析上单集表现优异但部署门槛高，MinerU工程系统能力强但分数略低，MonkeyOCR轻量

RAG学习笔记:让大模型先查资料再回答问题好家伙,这次我们来聊 RAG.RAG 这个词最近出现得很多,但如果只是记住它的英文全称,其实没什么用.

梦想不只是梦与想

rag和agent的区别RAG 和 Agent 的核心区别在于‌目标不同‌：RAG 是为了‌答得准‌，Agent 是为了‌做得成‌。简单来说，RAG 像‌资料员‌，负责查资料；Agent 像‌项目经理‌，负责办事情。‌‌‌

制造业智能安全生产监控：从“被动应对“到“主动预防“的转型之路制造业是国家经济的支柱产业，而安全生产则是制造业发展的底线。这话听着像套话，但你要是经历过一次安全事故，就会明白这真不是空话。近年来，国家对安全生产的重视程度持续提升，《安全生产法》多次修订、安全生产专项整治行动一轮接一轮，释放的信号很明确：安全管理要从"事后处置"向"事前预防"转型。

数环通iPaaS知识库选型实践：从技术评估到RAGFlow深度调优数环通LinkBot是平台的AI智能体，它不只是一个对话机器人——它能调用1000+连接器执行真实操作（发邮件、查数据、创建工单）。但"会干活"只是一半，另一半是"知道该怎么干"。

IPHWT 零软网络

AI Agent知识库功能解析：多源接入、动态更新与智能检索的技术价值在AI应用落地企业场景的过程中，知识库作为核心支撑，直接影响AI回答的专业性与准确性。AI Agent通过搭载企业私有知识库（RAG技术），实现了对业务知识的有效管理与应用，其核心功能包括多源接入、动态更新与智能检索，本文将从技术角度解析这些功能的价值。

快跑bug来啦

RAGFlow部署教程：Ubuntu24.04这两年深切的感受到AI的大爆发，干活越来越快也越来越懂自己了，但是完全依靠外在力量总感觉会对个人的成长不利，有工具不用也更像个傻子。AI本身不会形成壁垒，你能用别人也会用，想要在当前环境更突出，个人技术实力当然是一方面，毕竟AI是个人能力放大器；同时，同样的工具用的更好我觉得也是一方面，建立自己或者企业的知识库，让你的AI更懂自己，更贴近生产需要，作为知识沉淀我觉得是一个很好的方向。

不写SQL，不拉Excel：数据分析用“问”的一个互联网数据分析师的真实自白我叫阿泽，在一家在线教育公司做数据分析师。四年了。从实习生做到小组长，从只会跑数的“表哥”到能跟业务对撕需求的老油条。

Hermes Agent + Obsidian 打造第二大脑（六）：分层记忆系统的设计逻辑——L0/L1/L2/L3 四层记忆详解🎯 博主简介CSDN 「新星创作者」人工智能技术领域博主，码龄5年，累计发布 180+篇原创文章，博客总访问量 24万+浏览!

Hermes Agent + Obsidian 打造第二大脑（五）：插件配置与效率提升——Templater、Dataview、QuickAdd 的完整指南！🎯 博主简介CSDN 「新星创作者」人工智能技术领域博主，码龄5年，累计发布 180+篇原创文章，博客总访问量 24万+浏览!

AAI机器之心

在 macOS 上本地部署 Ollama + LLaMA3（附教程）在 macOS 上本地部署 Ollama + LLaMA3 非常简单，以下是完整步骤：一、系统要求1.macOS 12+

RAG智慧问答项目核心技术：Python+LangChain+Milvus+BGE-M3+BGE-Reranker-Large+bert-base-chinese微调+Qwen2.5-14B (INT8)+光明AI大模型+PaddleOCR+MySQL+Redis+FastAPI+Docker+Vue3+Typescript

RAGFlow0.25版本更新与记忆工作流简介全文链接：RAGFlow0.25版本更新与记忆工作流简介本文归纳 RAGFlow 自 v0.20.0 起至 v0.25.0 区间在官方发布说明中的主要功能与重大变更，并单独说明 Memory（记忆）模块的定位、配置要点与可落地的 Agent 工作流（含文字箭头流程图）。具体子版本与修复项繁多，以官方 Release notes 与各版本 GitHub Release为准；升级前务必阅读对应版本的 Breaking changes / 数据库迁移说明。

RAG与RAGFlow详解：从原理到应用RAG全称是Retrieval-Augmented Generation（检索增强生成），是一种将信息检索与大语言模型生成能力结合的技术架构。

Dify使用ChatFlow实现调用数据库问答这个案例是测试demo！！！线上使用一定要注意数据安全问题！！！Docker部署Dify看这里：win11系统使用DockerDesktop搭建Dify实现知识库问答

win11系统使用DockerDesktop搭建Dify实现知识库问答一、安装Docker安装Dify1、安装docker，最好win11系统，不然会有很多错误，然后改下镜像源拉取速度会快点，还有镜像的存储位置防止C盘爆满。

智能调度赋能交通行业：从经验驱动到数据智能的跨越我干交通这行十几年了，每次看到"智慧交通"四个字，脑子里第一反应就是：又来了。不是说这玩意儿不好，而是太多方案听起来高大上，用起来却差点意思。有的花了大几百万上了系统，结果调度员还是习惯用Excel和微信群调车；有的搞了一堆大屏展示，客流数据实时更新了，但没人知道该怎么用这些数据做决策。

给自己做减法

知识库检索，ragdify知识库检索当使用dify的时候，发现可以通过文件等方式直接导入知识库，但是发现一个离奇的事情，就是导入的文档，直接搜素无法找到答案，查看文档后，发现文档被定义了一些关键字。经过测试发现，只有按照关键字查找，才有办法找到知识库内容。原来dify默认是采用经济类型，就是关键词检索（BM25）为主，0 token消耗，有点类似MySQL的精准命中。

JD技术委员会

企业知识库选型指南：Confluence、PingCode等7款主流产品对比摘要：本文分享了7款企业知识库：包括：1.PingCode； 2.Confluence； 3.亿方云； 4.语雀； 5.Guru； 6.Document360； 7.飞书知识库