向量检索

LiaoWL1232 天前
python·大模型·numpy·embedding·向量检索·rag
从零搭一个 RAG 知识库(二):换上语义 Embedding——BGE 实测与阈值重校准系列上一篇:从零搭一个 RAG 知识库(一):不用 LangChain,约 60 行手写全链路 + 分块策略
底层玩家老张3 天前
向量检索·数据库运维·ai数据库·语义层·库内推理
AI 数据库落地复盘:外挂三件套为什么栽在约束上各位,我是老张。今天从一次实战出发,往下拆一层。上周一个做 AI 数据库选型的朋友来找我。他说模型换了三回,答案还是飘。我问他业务语义放哪儿,他说在应用层的配置表里。我又问向量存哪儿,他说单独一套向量库。我再问权限谁在控,他停了两秒没答上来。
我喜欢就喜欢17 天前
python·大模型·向量检索·rag·rerank
RAG 重排序 Rerank 实战:用 bge-reranker 把 Top-K 命中率拉回来做 RAG 时最常见的体感是:向量召回「看起来有了」,最终回答却经常答非所问。根因多半不在大模型,而在召回排序:embedding 相似度擅长「语义近」,不擅长「对这个问题有没有用」。
底层玩家老张19 天前
数据库·向量数据库·向量检索·ai数据库
RAG向量库拆分复盘:内存、延迟与权限的三笔账各位,我是老张。今天从一次实战出发,往下拆一层。去年帮一家制造企业做设备知识库。业务数据在KES里,向量库单独部署。上线三个月,同步链路晚高峰延迟40分钟。运维要维护两套备份,两套权限。真正难受的是审计。同一份工艺文档,业务库有行级权限。向量库里却是一条裸记录。问题就出在数据出了库。
goehou25 天前
llm·检索增强·向量检索·rag·混合检索
向量检索找不到那个型号,混合检索和重排怎么搭用户问 SG-2048A 的替换型号是什么。知识库里明明有这份文档,向量检索返回的却是几篇讲产品线的综述。翻回去看,那份文档的标题里就有 SG-2048A,只是正文很短,讲得也不深。
OxYGC1 个月前
向量检索·rag·spring ai·redis stack
玩转 Spring AI 第二篇:RAG 落地——Redis 向量库、按空行切分的自定义 Splitter,和 pom 里两个“引而未用“的依赖💡 系列第一篇把这套 Spring AI 工程的骨架和第一次对话跑通了,这一篇进入最容易"被跑通骗过去"的一章:RAG。前端拖一个 txt 进去,问一句文档里的事,模型真就答出来了——看起来无非是"往向量库里塞了点东西,再取出来拼进提示词"。
hey you~1 个月前
人工智能·机器人·语音识别·向量检索·rag·知识库导入·知识库调优
2026年大模型语音机器人知识库导入与调优全指南:从切分到重排序的7个关键步骤摘要:部署大模型语音机器人,知识库质量直接决定对话效果。本文从问题诊断出发,按数据层、检索层、生成层、语音层、评测层分层拆解知识库导入与调优方法,提供可运行代码、完整依赖、实测性能数据、成本分析及四段式FAQ,帮助技术人员解决“导入后回答偏差大”的核心问题。 关键词:大模型语音机器人、知识库导入、知识库调优、RAG、向量检索、ASR纠错、TTS适配、混合检索、Cross-Encoder
william_yangshun1 个月前
macos·向量检索
DigUp 实测:用多模态嵌入做 macOS 全盘语义搜索2125 stars · MIT · Swift · 端侧语义检索(EmbeddingGemma 2)
codigger1 个月前
redis·分布式·后端·ai·向量检索
Redis 正式接入 AI:当"最懂速度的数据库"开始解决"记忆问题"Redis 不再只是缓存快车道,已成 AI 应用的记忆账本一句话概括:Redis 不再只是数据库前面那条快车道,它正在变成 AI 应用背后的那本"记忆账本"。
我不会起名字3221 个月前
大模型·向量检索·切片·rag·召回率
RAG 召回不准到底该改哪一环?切片、检索器、重排的 25 题实测与 6 步排查表我不会起名字322 · 后端 / 算法 / 数据库📘 技术栈 | 🧩 力扣 Hot100 | 🐹 Go 项目 | 🟥 Redis | 🐬 MySQL
数据库小学妹2 个月前
向量检索·资源隔离·多模数据库·架构选型·混合负载·技术栈收敛
多模数据库怎么选?技术栈收敛的代价与判断维度大家好,我是数据库小学妹👋 我踩过的坑,你别再踩。我接手过一个系统,第一件事是数它到底用了多少个数据组件。数出来七个。关系库存交易,缓存存热点,搜索引擎做全文检索。还有一个向量库做推荐召回,一个时序库存监控指标。以及文档库存操作日志,对象存储放文件。
七夜zippoe2 个月前
ai·agent·向量检索·rag 2.0·自主知识治理
RAG 2.0:从向量检索到 Agent 自主知识治理的进化路径RAG(检索增强生成)技术在大语言模型应用中已广泛落地,但传统 RAG 1.0 架构在 Agent 场景下暴露出检索僵化、知识不可更新、结果无法验证等根本性缺陷。本文提出 RAG 2.0 的核心范式转变——从被动向量检索进化为 Agent 自主知识治理,系统阐述检索决策机制、结果验证策略、知识自更新闭环三大核心能力,并提供基于 Python + LangGraph + FAISS 的完整工程实现。文章涵盖架构设计、关键代码、Mermaid 流程图及适用边界分析,适合已具备 RAG 基础经验的 AI 工程师
hey you~2 个月前
智能客服·语义匹配·向量检索·接口优化·知识库检索·问答准确率·召回策略
知识库检索接口优化方案:提升智能客服问答准确率本文围绕客服智能问答准确率偏低的问题,从知识库检索接口的优化角度展开分析。文章涵盖检索链路拆解、查询理解、多路召回、排序模型、接口性能、缓存机制、评测体系与A/B测试框架等核心模块,并给出架构设计、关键代码示例、badcase排查过程、性能数据与常见问题解答。通过标准化检索接口与多路召回融合,可显著提升问答匹配准确率,降低答非所问的比例。
数据库小学妹2 个月前
向量检索·rag·ai数据库·融合数据库·ai原生数据库
AI数据库是什么?一次 RAG 召回失败的排查与选型(附 SQL)大家好,我是数据库小学妹👋我踩过的坑,你别再踩。这篇文章记录一次真实的 RAG 检索不准排查。并顺手梳理三件事。AI 数据库是什么。它和传统数据库差在哪。以及怎么选。全文含可直接运行的 SQL 示例。如果你正卡在召回不准上,可以对照最后那份避坑清单看。
SelectDB技术团队3 个月前
大数据·人工智能·大模型·向量检索·混合搜索·ai 打标·内容分析
Apache Doris 在内容 AI 生产链路中的实践:从内容打标到可追溯数据链路作者:程兴源,AI startup 数据闭环架构师、Apache Doris MVP Hero导读:本文结合内容电商 AI 打标真实痛点,深度拆解如何解耦特征(Feature)、决策(Decision)与结果(Result),并基于 Apache Doris 4.x(VARIANT 半结构化 + 混合检索 + 增量物化视图)搭建统一的内容事实库,实现从模型推理到全链路可追溯的数据治理,为上层 AI Agent 打造坚实的数据底座。
AI领路人.3 个月前
全文检索·向量检索·语义理解·混合检索·稀疏检索·加权融合
OceanBase混合检索(Hybrid Search):多模态检索实战指南Corrective RAG(CRAG),通过文档评分和托底机制来提升 RAG 系统的可靠性,主要解决检索结果的质量验证问题。但在检索环节本身,传统 RAG 系统还存在一个根本性的问题:单一检索方式的盲区。
小田学Python3 个月前
大模型·embedding·知识库·向量检索·rag
RAG和Embedding技术解析:从理论到实践的探索THE END往期推荐RAG知识库搭建大揭秘:原来这么简单,还能这么有趣!大模型到底怎么思考?一篇看懂 Prompt、思维链、思维树