-
AI开发实战：解决RAG的召回不准问题
在AI开发的路上，我们总会遇到各种技术难题。今天想和大家分享一个最近解决的RAG（检索增强生成）项目难题。最近接手了一个企业级AI项目，面临的第一个难题就是文件格式混乱：PDF文档Excel表格 Word文件网页内容各种格式混杂传统的RAG架构在处理这些异构数据时表现不佳，召回精度始终达不到理想效果。RAG的召回质量直接决定了大模型生成的质量。召回不准确，再强大的生成模型也会"…- 5
- 0
-
行业场景任务下LLM如何学会”思考”？
去年12月OpenAI o1模型发布，意味着大模型LLM的思考模式开始从“快思考”向“慢思考”演进。“慢思考”意味着逻辑、推理和规划，而实现这一演进的关键，在于两种技术的深度融合：思维链（Chain-of-Thought, CoT）与强化学习（RL)。 CoT通过引导模型生成一步步的推理过程，模拟了人解决复杂问题的思考轨迹 ，而RL则提供了一个…- 3
- 0
-
揭开RAG的神秘面纱：90%的人不知道腾讯IMA底层原理
周末参加了冯帅和Mary姐的线下组局，之前我也写过总结贴子，在这就不赘述了。今天我想说说腾讯IMA的底层逻辑RAG，RAG的内容还是比较多，我将分几次内容把它介绍一下吧。RAG 是什么在AI飞速发展的时代，特别是今年DeepSeek大火之后。我们与智能系统的交互日益频繁。当你向各种智能助手询问 “高考作文，你应该怎么写时。” 时，有没有想过它是如何快速准确地给出答案的呢？这背后，RAG 技术发挥着…- 26
- 0
-
长提示词：在私有代码库上拥有许愿体验 – 许愿驱动开发（Vibe Coding）S2-2
（卷首语：这个文章是AI仿照我的风格写的，在此基础上我又改动了一点细节，但95%都是AI在我的要求下直接完成的，包括其中的故事，嗯……不得不说，AI编起故事来真是百无禁忌，关键它这情节写得很好，还很让人不舍得删。但总之，特此声明，以后我这里写的故事是我讲给AI，然后AI艺术加工出来的，我能保证它原型是存在的、道理说的是我想说的，但细节和夸张的台词不保真，也可能是几个故事合在一起的，艺术嘛，源于现实…- 8
- 0
-
金融智脑：破解RAG系统在金融场景中常见失败的七大陷阱
目录1.检索模块的固有局限1.1 嵌入向量与检索质量不匹配1.2 文档切分与语义碎片化1.3 检索时机与触发机制不灵活2.生成模块与检索结果融合不充分2.1 浅层拼接导致语义失真2.2 生成模块对数值与逻辑推理支持不足2.3 生成模块易受“虚构（Hallucination）”影响3.领域适应性与专业知识缺失3.1 预训练模型缺乏专业领域知识3.2 数据源多样性与混合格式处理困难4.系统架构与运行环…- 6
- 0
-
AI时代的软件设计：上下文切割的艺术
（以下内容95%为AI生成，故事也是）引子上个月，一个朋友找我诉苦。他们团队花了大力气搭建了一套"完美"的分层架构——Repository层封装数据访问，Service层处理业务逻辑，再往上还有各种Manager、Handler，每一层都有精心设计的抽象接口。结果呢？让AI帮忙改个功能，愣是要把七八个文件的内容都贴进去，AI才能勉强理解这个功能在干啥。更要命的是，AI经常在错误…- 9
- 0
-
大模型：多种RAG组合优化（langchain实现）
大模型RAG优化：Adaptive RAG 这篇文档整合了多种rag优化策略，并且使用langchain实现。可以有效的解决幻觉的问题。概要我们将把RAG论文中的想法整合到RAG代理中：• Routing: Adaptive RAG (paper). 将问题路由到不同的检索方法• Fallback: Corre…- 7
- 0
-
深入使用 Deep Research 后，我确信 RAG 的未来是 Agent
Deep Research 是什么当我们要研究一个话题时，离不开搜索引擎。传统搜索费时费力，新兴AI搜索（如Perplexity）也流于表面、缺乏深度。但是 Deep Research 出现了：它能拆解研究任务，通过搜索、筛选、反思迭代，最终呈现一份条理清晰、内容详实的研究报告。Deep Research 的核心在于其自主思考的智能体（Agent）形态。目前，OpenAI 与 Google Gem…- 11
- 0
-
你用ChatGPT的方式，可能全错了：把它当“实习生”管，别当“搜索引擎”用
你是否也曾被AI的“不确定性”所困扰？明明是强大的工具，却总在关键时刻“掉链子”。本文将分享一个彻底改变AI使用效率的心智模型和一套可复用的实践方法，教你如何将LLM从“薛定谔的答案”变为“稳定可靠的生产力”。 告别“提问”，开始“管理”：AI“实习生”的PDR法则 你好，我是[你的名字]，一个在AI应用领域摸爬滚打了8年的老兵。 …- 6
- 0
-
从传统 RAG 到知识图谱 + Agent，知识库 AI 问答成功率终于达到 95% 了，来自蚂蚁集团的经验
引言本文来源于5月底参加的 #QECon 深圳站上，来自蚂蚁集团的知识库专家关于「领域知识管理和 AI 问答」的分享。介绍了从传统 RAG 到知识图谱再到 Search Agent，一步一步把 RAG 的正确率从 60% 最终提升到 95%。收获非常大，强烈推荐！知识库问答业务场景专家分享的 AI 助手是基于企业内研发知识库，主要目标是降低研发参与咨询工单带来的人力成本消耗，月…- 8
- 0
-
我为 Fortune 500 企业写大模型提示词：一线 Agent 编排实战经验总结
过去一年，大模型的火热席卷了整个To B世界，不论是HR、IT 还是客服场景，大家都在思考一个问题：我们能不能用大模型替代人工客服，提升内部效率？而现实却往往让人“泼了一盆冷水”——ChatGPT 在闲聊、问答上如鱼得水，一旦放入企业实际环境，比如：“提交一个 VPN 工单”、“查一下员工入职流程”、“问我在飞书上如何申请权限”，就会立刻露出马脚：模型答非所问，胡乱编造；回答范围不可控，被C端用户…- 6
- 0
-
GraphRAG变种这么多，该采用哪种？九大GraphRAG评估参考
系统的评估总是有趣的，在前文，我们通过一个类似的benchmark得出结论：GraphRAG在需要多跳推理和上下文综合的任务中表现优异，但在简单事实检索任务中不如传统RAG。见《什么时候用GraphRAG？RAG VS GraphRAG综合分析》本文，再来看一个评估工作，同样是一个GraphRAG-bench，也再次通过评估得出GraphRAG适合多跳推理场景，并且系统的评估了九大GraphRAG…- 30
- 0
-
企业效率大提升！Agentic Workflows带来自动化新突破
一、什么是Agentic Workflows？先来说说背景。现在的企业都在拼命拥抱AI，为啥？因为AI是提升竞争力和效率的关键。而Agentic Workflows，就是AI在自动化领域的一次重大突破。传统的自动化工具，比如RPA（机器人流程自动化），只能处理那些重复、规则明确的任务，稍微复杂一点的动态流程就搞不定。但Agentic Workflows不一样，它就像是AI界的“特种兵”，能够独立完…- 6
- 0
-
知识库太乱找不到资料？5个工具提升你的RAG检索！
这次这篇文章会先简单回顾元数据、标签、知识目录这三种工具。然后，针对读者留言的问题，重点聊聊知识目录、文件目录、知识地图之间的关系，以及什么时候构建，如何构建，如何提升RAG的效果。很干，但很实用。工具1：元数据（系统统一标注标准）元数据是关于数据的数据，主要给管理员用，用来描述文件的客观属性，或设置访问权限。也可以开放一些专用类型给用户进行精确指定问答范围，比如文件名、适用对象等。元数据需要统一…- 8
- 0
-
最新｜用Qwen3 Embedding+Milvus，搭建最强企业知识库
前言这几天阿里低调放出两款 Qwen3 家族的新模型：Qwen3-Embedding 和 Qwen3-Reranker（都分别包括0.6B轻量版、4B平衡版、8B高性能版三种尺寸）。两款模型基于 Qwen3 基座训练，天然具备强大的多语言理解能力，支持119种语言，覆盖主流自然语言和编程语言。我简单看了下 Hugging Face 上的数据和评价，有几个点蛮值得分享Qwen3-…- 10
- 0
-
有一说一，老周还真的挺懂 Agent 的
又一次和老周的合影（经 AI 处理）记录一个 Fun Fact：当时排队合照的朋友非常多，老周跟我说了句让小朋友先来昨晚是特工宇宙第五次受邀来到了 360 AI 发布会，现场见到了许多熟悉的朋友，还有一如既往幽默自信又略带人机感的老周，此外发现 360 市场部的同事还在。老周前几天说要干掉整个 360 市场部，事实如何呢，老周在发布会开场时做了个回应：“我当然没有那么心狠了，我这个人是刀子嘴豆腐心…- 11
- 0
-
RAG、Agent、MCP：大模型的破局之道
摘要：在当今数字化时代，大模型凭借其强大的语言理解与生成能力，成为了人工智能领域的焦点。无论是智能客服、内容创作，还是数据分析，大模型都展现出了巨大的潜力，为我们的生活和工作带来了诸多便利。但，看似无所不能的大模型，实则也面临着诸多棘手的困境。主要的问题体现在幻觉、缺乏自主性、工具调用难。面对这些困境，难道大模型就束手无策了吗？当然不是！RAG（检索增强生成）、Agent（智能体）、MCP（模型上…- 17
- 0
-
阿里云AI搜索Agentic RAG技术实践
导读本次分享由阿里云AI搜索负责人邢少敏主讲，将深入剖析阿里云AI搜索的研发历程、Agentic RAG关键技术、产品落地情况以及未来发展方向，展现阿里云在AI搜索领域的创新之路和广阔前景。全文目录：1. 阿里云AI搜索简介2. Agentic RAG关键技术解读3. Agentic RAG产品落地4. 未来发展方向分享嘉宾｜邢少敏 阿里云 AI搜索研发负责人编辑整理｜郭慧敏内…- 11
- 0
-
n8n+fastgpt RAG = 王炸！！！用最强AI知识库MCP Server补全 n8n短板
暑假要来了，我的教培业务也要开始进入旺季。小红书、公众号上都要开始做暑假相关的内容但内容生产又成了老大难问题。怎么才能写出不空洞、有垂直业务经验的文章吸引目标客户呢？答案是借助RAG：用行业经验文章形成知识库，每次写文章前都先到知识库搜一下相关内容，再基于这些内容来生产，能最大程度上解决AI幻觉、内容空间等问题。昨天文章也提到，我所有业务工作流都放到了n8n里，但n8n并没有很好的知识库能力。之前…- 13
- 0
-
AI工作流与智能体的人机协作及应用
AI正改变着各行各业，从内容创作到客户服务、知识问答等AI的应用日益广泛。为了更有效的利用AI，通常需要构建智能体或其初级形式的workflow。但在目前阶段无论是智能体亦或许Workflow都无法保证其自动运行能达到100%的可靠性，根源在于大模型存在着下面的一些问题：幻觉问题、工具调用的可靠性、训练数据未覆盖等。在引入RAG知识库后也未能够完全杜绝上面…- 18
- 0
-
中文 RAG 系统 Embedding 模型选型技术文档（模版）
文档信息项目内容文档版本v2.0创建日期2025-06-10更新日期2025-06-10适用场景中文检索增强生成(RAG)系统技术领域自然语言处理、信息检索1. 选型背景1.1 业务需求中文RAG系统需要高质量的文本向量化能力，以实现准确的语义检索和知识召回。Embedding模型的选择直接影响：• 检索召回的准确性和相关性• 系统整体的问答质量• 部署成本和推理效率• 后续维护和迭代…- 26
- 0
-
【万字长文】从生成到执行：Agentic AI的技术迁移与AI的垂直领域落地
从生成到执行：Agentic AI的技术迁移与AI的垂直领域落地前言一、 AI能力的三次演进二、 技术演进的历史脉络技术一：反应式基础模型的出现技术二：基于外部系统的能力增强技术三：后训练范式的探索与确立技术四：Agentic AI的出现与能力内化三、 Agentic AI 的议题1. 定义：Agentic AI 与 AI Agent2. 驱动力：范式转移的技术与市场动因3. 影响：交互、生态与产…- 12
- 0
-
RAG越来越不准？一文详解元数据与标签的系统优化方法（附完整流程图+实用提示词）
你是不是也遇到过这样的场景？公司刚花大钱上线AI知识库，结果AI助手总是“答非所问”，文档明明都上传了，关键时刻还是找不到想要的答案； 苦心搭了一两个月RAG系统，老板随便一问，AI不是遗漏关键信息，就是东拉西扯，感觉还不如直接用大模型； 越用越发现：明明投入了不少时间和成本，RAG效果却越来越让人失望？ 其实，你不是一个人。90%的RAG系统体验不理想，核心问题并不…- 10
- 0
扫码打开当前页
联系我们
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×