知识库

死磕音视频

Dify 入门：用 Docker 自部署并搭建知识库问答助手适合人群：想在自己电脑或服务器上搭一个“能根据内部文档回答问题”的 AI 助手，会一点命令行、装过 Docker，但不想从零写 RAG 代码的同学和开发者。

【随笔】RAG语义缓存：问题很相似，答案就能直接复用吗“月付套餐怎么退款？”和“按月订阅的退款规则是什么？”措辞不同，却可能需要同一份答案。昨天的检索缓存复用的是证据列表，今天再往前一步：能否直接复用已经生成的回答？

【随笔】RAG检索缓存：复用证据之前，先把权限和版本放进缓存键用户连续问两次“退款规则是什么”，RAG系统没有必要每次都重新召回相同的文档。但是，另一个租户问同样的问题，或者退款制度刚更新，这个“相同问题”就不再对应同一份证据。

Docker 部署 MaxKB：轻松搭建企业级智能体平台本文基于 1panel/maxkb:v2.10.7-lts，以 v2.10.7-lts 版本实测，内置 PostgreSQL 17.11，测试平台 Ubuntu 24.04 Linux。

【随笔】RAG遇到冲突证据：先对齐范围，再判断来源上一篇把RAG引用定位到原文页码和段落。引用能点开之后，另一个问题就会暴露出来：两个来源都能找到原文，却给出不同答案。

爱写代码的倒霉蛋

我用book-to-skill把尹圣雨的《TCP/IP网络编程》做成了知识库（适合快速入门网络编程）我最近在学习网络编程的时候，找到了经典书籍《TCP/IP网络编程》，但是原书一共有407页之多！很难坚持读下去，所以我就想能不能把每章的精华总结出来，做成知识库呢？

RAG知识库--coze真服了这ai还乱编问题所在知识过时，无法回答用户体验差 Bot价值大打折扣直接将用户的问题（query）送入LLM（大模型）得到结果

TraeCode 国内版接入 DevEco CLI：用官方知识开发鸿蒙应用本文参考环境是 Windows、DevEco CLI 1.3.0-stable、DevEco Studio 26.0.0.821、HarmonyOS API 26。这是本次选用的稳定版本组合；后续安装得到的稳定版号可能变化，记录实际输出即可。华为快速入门推荐 Node.js 22 及以上，并区分稳定版 @stable 与尝鲜版本。DevEco CLI 快速入门

Dify 知识库 RAG 实战：把 100 页手册变成会回答的 AI原文链接：Dify 知识库 RAG 实战：把 100 页手册变成会回答的 AI上一篇《30 分钟跑通 Dify：Docker 一键部署，5步上线首个AI应用》把环境搭起来之后，紧接着的问题很实际：公司那本一百来页的产品手册，怎么让它自己回答问题？

企业内网部署 Agent，先检查什么？企业内网部署 Agent，先检查五个边界：任务能接触哪些资料、能调用哪些工具、每一步由谁确认，以及失败后能不能找到原因。资料范围没有锁定，模型答得再顺也可能引用错文件；工具没有边界，一次误调用就会把试验变成生产动作；运行过程没有记录，出了问题只能凭最后一句回答猜测。

AI Agent 和 Chatbot 有什么区别？Chatbot 主要解决“现在问一句，得到一个回答”；AI Agent 主要解决“给定一个目标，经过多步处理后交付结果”。两者都可能使用大模型，但任务边界、信息处理方式和结果确认方式不同。只要一次请求需要查资料、调用工具、检查结果或等待人工决定，就不能只看聊天界面，要看背后的任务流程。

RAG初阶学习我们要使用conda来作为我们的开发环境也就是做一个隔离然后直接命名为RAGconda create -n RAG python=3.12

开源 AI Agent Runtime：制度版本问答员工问“差旅住宿标准是多少”，知识库里可能同时有今年制度、去年制度和某个地区的补充通知。若 Agent 只按相似度取一段文字，回答看起来流畅，却可能引用了过期版本。更可靠的流程是先判断问题适用范围，再让检索结果带着版本和来源进入回答。

AI 知识库和数据库有什么区别？从“查订单”到“问规则”讲清楚名人说：博观而约取，厚积而薄发。——苏轼《稼说送张琥》创作者：Code_流苏(CSDN)（一个喜欢古诗词和编程的Coder😊）

大模型工程化实战（十二）：RAG 数据工程底座——采集到入库流水线（离线+在线双链路）第 11 篇《知识库防腐坏》结尾我写下一句判断：粮仓的地基，在第 12 篇。写完那天晚上，我亲手给这句话补了个注脚。巡检报出库里缺 X200 的保修页，我心想补一份文档能有多难：上官网扒 PDF、下载、转文本、肉眼比对有没有重复、手动切成段、跑一遍向量化脚本入库。等我抬头看表，半天没了；更糟的是我忘了记这是哪个版本、这些切片是从哪份料切出来的。第二天打开待补清单，上面又多了三条。那一刻我盯着那张越补越长的单子认了：问题不在我手慢——手再快，也快不过上游出料的速度。我缺的从来不是这一批料，是一条从文档采集

Ollama 本地知识库：用 ChromaDB 实现文档向量化与语义检索Ollama本地知识库的核心是向量数据库，用于存储文档的语义向量。ChromaDB 轻量、易用，适合个人开发者。首先确保已安装 Ollama，并拉取一个嵌入模型（如 nomic-embed-text），该模型将文档转为向量。

jianpeng的工程笔记

WeKnora 搭建研发 EDA 知识库：Docker 部署、RAG 与 Wiki 实践本文面向需要部署研发知识库的 IT/CAD 与验证工程师，基于 WeKnora v0.8.0 整理 Docker、模型配置、资料导入和 Wiki 使用步骤。LDAP 只提供 Dex + OIDC 接入方案。

开源 AI Agent Runtime：培训题生成一份内部操作手册有几十页，培训负责人想出十道题，检查员工是否理解关键步骤。直接把整份资料交给模型，常见结果是题目重复、答案过于笼统，或者问到了资料没有说明的内容。

Agent 平台的两种哲学：从 WeKnora 和 Molio 聊起WeKnora 最近开源了，也加入了 Wiki 这条路。这个事让我重新开始想一个问题：我们到底需要一个什么样的 Agent 平台？