Tag

#RAG

这个标签下共有 17 篇文章。

LangSmith：从链路追踪到 RAG 自动化评估 做过 LangGraph Agent 或 RAG 之后，很快就会遇到一个问题： 程序虽然能跑，但内部到底发生了什么？ 一次请求经过了哪些节点？Retriever 返回了什么？模型真正收到的 Prompt 是什么？哪一步最慢？Token 消耗… AI AIRAGKnowledge Base 耗时两周从零搭建私有化企业 RAG 知识库，完整架构与踩坑总结 文章推荐： RAG 检索效果量化测评落地：完整流程、指标实现与踩坑总结 干货分享｜企业智能知识库 Rerank 重排序落地实践与踩坑总结 最近一直在调研市面上主流的 RAG 开源框架，发现或多或少都存在短板：检索召回不准、缺少文档溯源、缺少… AI AIRAGKnowledge Base 知识库已经有了，Java 程序员还要做什么？Spring AI RAG 实战 上一篇讲清了 RAG 的完整工作流程。 这一篇只讨论一个更实际的问题： 向量知识库已经建好了，Java 程序员接下来需要做什么？ 答案不是“把数据库地址和大模型 API 配上就结束了”。 知识入库完成以后，后端仍然要负责： 把现有知识库接入… AI AIRAGKnowledge Base RAG 实战：3 步将整本《天龙八部》存入向量数据库（一） 从零开始，用 LangChain + Milvus 将 168 章小说变成 AI 可检索的 3042 个向量片段。 前言 最近在学 RAG（检索增强生成），理论看了不少，但真正动手时才发现坑比想象中多。于是拿《天龙八部》电子书练手，把一整本… AI AIRAGKnowledge Base 🔥 从零搭建 RAG 知识库：爬虫→分词→向量化→检索，一步都不能错 摘要：这篇文章从零开始，用 Node.js + LangChain 手写一个完整的 RAG 流程。从网页爬取、文档切分，到向量化存储和检索生成，每一步都掰碎了讲清楚。 📌 前言 最近在搞 RAG（检索增强生成），发现一个扎心的事实： 知识库… AI AIRAGKnowledge Base 从 0 到 1 构建企业级 RAG：一个中小企业可落地版本的完整架构 如果你翻过市面上关于 RAG 的技术文章，大概率会看到这样一个公式：这个公式本身没有错——但它描述的是 Demo，不是产品。 当你真的要把 RAG 落到一个企业的知识库场景里，你会发现 Demo 里从来不出现的东西才是真正的工程量：文档怎么… AI AIRAGKnowledge Base AI Agent 长期记忆系统实战：Hindsight + vLLM 全本地 GPU 部署 10KB 的系统提示词记忆区 → 知识图谱驱动的语义检索。从 hermesagent 出发，一步步搭建自带 GPU 向量检索引擎的长期记忆系统。 一、为什么 AI Agent 需要自己的记忆系统？ LLM 本身是无状态的。每次对话结束，上下… AI AIRAGKnowledge Base 万字深度：RAG 架构设计全景——从 Chunk 策略到生产级 Agentic RAG 标签：RAG 检索增强生成 AI架构 向量数据库 生产级AI 适合读者：中高级 AI 应用开发者、大模型架构师 引言：为什么 RAG 仍是 2026 年最重要的 AI 架构范式 2024 年初，RAG（RetrievalAugmented… AI AIRAGKnowledge Base Spring AI 核心原理解析：基于 1.1.4 版本拆解底层架构 在 Java 生态中，Spring AI 已经成为开发者拥抱大模型时代的首选利器。很多人用它写出了酷炫的对话机器人、智能客服，甚至成功接入了私有知识库。 然而，“知其然更要知其所以然”。当我们熟练地敲下 ChatClient.builder… AI AIRAGKnowledge Base AI工程化时代：企业RAG落地困局与突围 如果只把 RAG 理解成“文档切块 + 向量库 + 大模型回答”，那它几乎一定会在企业场景里失真。 真正的问题，不在模型够不够强，而在于你要解决的，究竟是不是一个适合用 RAG 解决的问题。 摘要 企业做大模型，最容易发生的一种误判，是把所… AI AIRAGKnowledge Base RAG 进阶实战：在前端实现多模态数据的向量检索与对话 目录 Outline 一、 为什么需要多模态 RAG？ 二、 核心原理：跨模态向量嵌入 Crossmodal Embeddings 三、 实战 1：利用 GPT4o 解析 PDF 复杂表格与图表 四、 实战 2：前端实现「以图搜图」与图片描… AI AIRAGKnowledge Base 从"检索一次就完事"到"Agent 自主决策"：Agentic RAG 架构深度解析与实战 从"检索一次就完事"到"Agent 自主决策"：Agentic RAG 架构深度解析与实战 你的 RAG 系统是不是也经常答非所问？问一个稍微复杂点的问题就开始胡说八道？别急，这篇文章带你从根上理解为什么传统 RAG 不够用，以及 Agen… AI AIRAGKnowledge Base 大模型应用开发：LangChain.js 在前端业务中的落地实战 目录 Outline 一、 AI 应用的新架构：为什么前端需要 LangChain.js？ 二、 核心组件：模型 Model、提示词 Prompt 与链 Chain 三、 实战 1：利用 Webbased RAG 实现「本地文档对话」 四、… AI AIRAGKnowledge Base 【RAG实战系列 01】从零搭建知识库：30分钟实现大模型精准问答 大家好，我是大漠孤烟～ 专注AI技术落地实战，深耕大模型应用与开发领域，平时就爱用大白话拆解复杂技术，再配上可直接抄的代码，让普通开发者也能快速上手AI项目，真正做到“大漠孤烟处，代码写平生”。 ✨ 这是我的「RAG实战系列」第一篇内容，整… AI AIRAGKnowledge Base 《从零搭建RAG系统第3天：文档加载+文本向量化+向量存入Milvus》 大家好，我是老赵，一名程序员老兵，平时主要从事企业级应用开发，最近打算从零学习、并落地一套完整的RAG检索增强生成系统。不搞虚头理论，全程边学边做，把遇到的问题、踩过的坑、能直接跑通的代码，全都真实记录下来。 前两天我们完成了核心准备工作：… AI AIRAGKnowledge Base RAG 深度实践系列（五）：RAGFlow 的部署使用与架构分析 一、 RAGFlow 的核心价值与微服务架构深度解析 在 RAG 深度实践系列的前几篇文章中，我们从原理、架构演进到代码实战，系统地构建了对 RAG 技术的认知。然而，当我们将视角转向企业级应用场景时，手动搭建的 RAG 系统往往难以应对海… AI AIRAGKnowledge Base 放弃Dify！我们用LangGraph+LangFuse+RAGFlow搭建工业级AI系统，准确率飙升25% 一、为什么90%的AI应用都死在了Demo阶段？ 去年我们接到一个需求：用AI自动生成建筑施工图设计说明。听起来很简单？调个GPT API，接入几个PDF文档，写个前端界面就完事了。 现实很骨感： 第一版Demo用了2周，效果还不错 但真正… AI AIRAGKnowledge Base