AI资讯
-
关于一个RAG功能需求分析案例——、怎么优化RAG的检索精确度
“ RAG系统中，高质量的文档处理才是RAG系统的核心。” 手上有一个基于自然语言对话的系统，其功能就是根据提供的文档，能通过自然语言对话的方式去询问需要的文档和资料；其本质上来说就是一个RAG系统。 在之前一直强调说，RAG开发是一个入门五分钟，但要做好可能要五个月，甚至更久的一项技术；在之前对这句话还没有特别深刻的体会，但经过这个项目算是深有体会了。 RAG功能优化 刚开始做这个项目的时候，觉…... -
踩了无数坑后，我终于搞定了RAG系统的”胡说八道”问题
去年接手公司的智能客服项目时，我以为RAG系统搭建起来就万事大吉了。结果上线第一天就被用户投诉轰炸： "问个信用卡年费，给我说了半天房贷利率？" "明明问的是申请流程，回答得乱七八糟，还缺了好几个步骤！" "这AI是不是在编故事？说什么限时优惠活动，我们银行根本没有！" 经过3个多月的摸爬滚打，总算把这些问题彻底解决了。今天把完整的解决方…... -
dify案例分享-揭秘！如何用 Dify 实现多语言 PDF 文档原格式翻译
1.前言 支持PDF原文件文档翻译是指能够将PDF文件中的文本内容自动翻译成另一种语言，并且在翻译过程中保留原始文档的格式、布局和排版。这种翻译方式不仅提高了翻译效率，还确保了翻译后的文档在视觉上与原文档保持一致，便于阅读和使用。 支持PDF原文件文档翻译的工具通常具备以下特点： 1. 保持格式和排版：许多工具在翻译PDF时会尽量保留原文档的格式，包括字体、颜色、图片位置等。例如，SDL Tr…... -
精准与效率：RAG应用PDF文档图文提取OCR策略
在RAG应用中通常需要对各种文档进行文本提取，如果稳定是纯文本那文档提取会简单很多，但通常文档中会存在各种图片信息，这时就需要使用OCR在提取文档文本信息的同时对图片进行OCR获取图片中的文本内容。本文只介绍PDF文档中OCR技术方案。PDF文档解析目前有不少开源框架亦可支持对PDF中的图片进行OCR，但此类框架通常比较重如Marker、Unstructured等。 这里只使用PyMuPD…... -
Dify知识库新手初体验行业知识库
字数 628，阅读大约需 4 分钟 知识库可以嵌套在dify流程中使用，出于快速验证知识库的使用，选择一个最简单的应用来进行实验。 Dify主界面介绍 下面这个是进入Dify的主界面，社区版本的所有功能都在这里。红色数字标识的地方，就是Dify提供的主要功能。dify主要功能简介 探索：官方提供的模版。个人不推荐新手使用，官方模版细节很多，需要调配的东西很多，需要学习解决的问题太多。工作室：这…... -
聊聊Dify如何集成Milvus向量库做RAG
概述 在dify集成Milvus向量库，做RAG知识库的存储与检索。 Dify[1]是一个开源平台，旨在通过将 Backend-as-a-Service 与 LLMOps 相结合来简化人工智能应用程序的构建。它支持主流 LLMs，提供直观的提示协调界面、高质量的 RAG 引擎和灵活的 AI Agents 框架。凭借低代码工作流、易用的界面和 API，Dify 使开发人员和非技术用户都能专注于创建创…... -
RAG + Claude的1TB大文档问答系统实战操作
最近我和一个律师亲戚聊AI时，问了我应该怎么对现在律师事务所庞大的文档做AI检索，从技术上讲用现在的LLM+RAG可以满足需求，但细想不太对劲，因为这里面涉及到很多专业知识，还有律师的专有思维路径，一个不懂律师业务的程序员肯定是做不好的，于是有幸跟他们合伙人进行了深入沟通，合伙人说了一堆但我总结下来就这么一句话 “一个能回答我们所有文档相关问题的工具”。 比如：1）描述法庭上发生的事件，2）提…... -
RAG召回质量翻倍的两个核心技术：我是这样解决”找不准”问题的
最近在优化公司的知识问答系统时，遇到了一个让人头疼的问题：明明知识库里有相关内容，但LLM总是回答"我不知道"或者答非所问。经过深入分析发现，问题出在RAG的召回环节——检索到的文档片段要么不够相关，要么上下文支离破碎。 经过一番折腾，我找到了两个特别有效的解决方案：索引扩展和Small-to-Big策略。今天就来分享一下这两个技术的原理和具体实现，希望能帮到有同样困扰的朋友。…... -
测试不同的RAG技术以找到最佳方案
点击“蓝字” 关注我们检索增强生成（RAG）技术通过结合大型语言模型（LLMs）与外部数据检索能力，能够提供准确且富含上下文的答案。无论是构建客户支持聊天机器人还是研究助手，RAG都能通过从数据库中提取相关信息来增强AI的性能。然而，不同的RAG技术在性能上存在差异，选择最佳技术需要进行测试。本文将全面探讨各类RAG技术，包括基础方法和高级手段，并对它们进行评估，以帮助您根据需求选择最合适的技术。…... -
Spring AI + Milvus 实现 RAG 智能问答实战
引言 “公司的文档太多，查找信息太慢！”、“客服回答总是千篇一律，不能精准解答用户问题！” —— 这些痛点背后，是传统关键词搜索和规则引擎的局限。如今，语义搜索（Semantic Search） 和 检索增强生成（Retrieval-Augmented Generation, RAG） 正成为解决这些问题的利器。它们能让应用“理解”用户问题的真正意图，并从海量资料中精准找出相关信息，甚至生成自然流…...
