-
从RAG到QA-RAG：整合生成式AI以用于药品监管合规流程
From RAG to QA-RAG: Integrating Generative AI for Pharmaceutical Regulatory Compliance Process摘要药品行业的监管合规要应对复杂且繁琐的指导方针，通常需要大量的人力资源。为了应对这些挑战，我们的研究引入了一种聊天机器人模型，该模型利用生成式AI和检索增强生成（RAG）方法。该聊天机器人旨在搜索与用户查询相关…- 5
- 0
-
RAG 中的语义分块：实现更优的上下文检索
检索增强生成（RAG）技术异军突起，席卷了整个大语言模型领域。通过将大语言模型（LLMs）的强大能力与外部知识检索相结合，RAG使得模型能够生成准确且有依据的回复，即便在专业领域也不例外。在每一个表现卓越的RAG流程背后，都有一个默默发挥关键作用的 “英雄”：分块技术，尤其是语义分块。RAG生态系统与分块的作用RAG代表了人工智能系统获取和利用知识方式的重大变革。传统的大语言模型仅依赖于其预先训练…- 8
- 0
-
从复杂文档到AI秒懂的高质量数据：EasyDoc解析实战指南
在构建RAG系统时，海量文档数据的处理往往是一个巨大的挑战。本文将为你介绍一款专为AI时代设计的智能文档解析引擎——EasyDoc，它能显著提升你的RAG系统性能，助你构建更智能、更精准的AI应用。RAG系统的核心难题：数据质量在RAG（检索增强生成）系统中，数据质量直接决定了最终的答案准确率和可靠性。然而，传统的文档解析工具往往无法满足实际需求：分块混乱：简单的分段或按固定大小分割，容易破坏语义…- 6
- 0
-
Golang 基于 Redis 实现文档向量索引与检索系统（RAG）
前言大家好，这里是白泽。这篇文章将讲解如何使用 Redis 的向量检索与 LLM 构建一个 RAG 知识库，知识库存储内容是 Eino 框架的介绍。每次尝试从 Redis 向量索引中获取 top k 条相关信息，并使用 LLM 进行总结回复；当没有相关知识，则提示未查找到文档，限制大模型自由发挥。使用到的技术栈如下：语言：go1.22工作流框架：Eino（字节开源的大模型工作流开发框架…- 9
- 0
-
使用Ragas自动化评测RAG知识问答系统的各项表现
上一篇用纯代码手搓了一个RAG本地知识问答系统，使用过程中发现：如果本地文档文档质量比较高的情况下，答案还是相当不错的一旦知识库文件质量本身不好，或者知识库文件过多，相似的知识被分散在了不同的块，回答就会出现偏差。那如何对输出的结果进行测试呢？一种方法是你本身对知识很熟悉，可以人工进行测评；还有一种方法就是，通过AI大模型，让其自己进行自动测评。本篇将介绍使用ragas框架，自动对RAG系统的回答…- 11
- 0
-
Social RAG群助手AI , Matrix虚拟社交网络AI评论点赞
之前看到的AI在泛娱乐领域的应用都是情感聊天,AI情绪陪伴。最近看到Social RAG和Matrix AI,这两个相比之下更有生产实用价值,前者可以作为群助手整理成员的讨论,还侧重结合聊天历史和每个用户的偏好,以及情绪做个性化回复,后者则在虚拟X平台发帖会有AI立马提供评论、点赞,可以收集idea和反馈,模拟社会群体行为,为真实世界的发布做提前准备Social RAG是论文项目而Matrix A…- 23
- 0
-
RAG 已死？不，它将主导AI的未来
RAG 已死？不，它将主导AI的未来每隔几个月，AI圈总会上演一次同样的戏码：一个更强大的模型问世，一项参数上的突破刚刚公布，人们就开始高呼：「RAG已死」。最近一次是Meta发布了拥有千万级上下文窗口的Llama 4 Scout。一夜之间，RAG似乎又一次站在了悬崖边缘。但问题是，每次人们高喊「RAG已死」的时候，都低估了RAG存在的本质。RAG从来不是为了单纯地扩展上下文窗口，或仅仅弥补模型记…- 8
- 0
-
实战指南：从零构建 MCP 架构下的 Agentic RAG 系统，无第三方MCP Server
五一期间，小编尝试用MCP架构从零实现一个完整的Agentic RAG系统，以演示MCP与RAG、Agent的一些有趣融合，在此与大家一起分享。内容涵盖：思考：MCP与Agentic RAG的融合MCP标准下的Agentic RAG架构MCP服务端：实现RAG-Server（LLamaIndex）MCP客户端：实现Agent（LangGraph）端到端效果演示01 思考：MCP与Agen…- 12
- 0
-
RAG 2.0 深入解读
一、Introduction过去一年可谓是RAG元年，检索增强生成技术迅速发展与深刻变革，其创新与应用已深刻重塑了大模型落地的技术范式。站在2025年，RAG不仅突破了早期文本处理的局限，更通过多模态融合、混合检索优化和语义鸿沟跨越等突破，开始在各个行业落地。如果把2024之前的RAG称为RAG 1.0，那目前已进入RAG 2.0时代。一个显着的进步是长上下文窗口，这一功能引发了争议，但到年中逐渐…- 4
- 0
-
Dify第二大脑｜深度解析混合检索与Rerank｜RAG精度优化｜Rerank模型 | Cross Encoder
一周前分享了吴恩达｜LLM何时进行微调？何时不进行微调？｜拒绝技术自嗨式微调，吴恩达教授给出的最佳实践经验是“正式启动微调前，请确认是否已充分挖掘提示工程、RAG知识库、智能体工作流的潜力”。而其中的【RAG知识库】一直也被称作是智能体的【第二大脑】”，对智能体的输出质量起到了举足轻重的影响。本文，将深入探讨如何在dify中优化RAG过程的精度，包括：知识库的设置技巧及其背后的AI原理，为什么检索…- 9
- 0
-
RAG系统中的偏见问题：如何让AI更公平？
在当今人工智能飞速发展的时代，大型语言模型（LLMs）的应用已经渗透到我们生活的方方面面。然而，随着技术的进步，一些潜在的问题也逐渐浮出水面。其中，RAG（Retrieval-Augmented Generation，检索增强生成）系统中的偏见问题，就是一个亟待解决的挑战。本文将深入探讨RAG系统中的偏见问题，分析其成因、影响以及可能的解决策略，带你一探究竟。RAG系统：从优势到隐忧RAG系统作为…- 7
- 0
-
90%企业不知道的RAG优化秘籍：Dify原生集成RAGflow
书接上文，我们上一篇文章实操了如何在本地来部署RAGflow，那如何将RAGflow作为知识库接入到dify，作为 Dify的外挂知识库？那这一篇文章，我们就来分享一下，如何操作的。正式开始之前我们还要解决一个小问题，安装好的Dify，忽然就不能加载了。通过分析，应该是我们当时装RAGflow的时候，删除了Docker。这里应该也包含着Dify的docker。那进入Dify的Docker目录下，执…- 10
- 0
-
模型上下文提供者（MCP）如何赋能AI智能体
摘要在AI助手使用工具的过程中，如何让模型只关注当前任务相关的工具，而不被众多不相关工具干扰？本文深入探讨了"模型上下文提供者"（Model Context Provider，MCP）的工作原理，它作为AI与工具之间的智能调度层，能够根据用户需求动态选择相关工具，大幅提升AI助手的效率和准确性。引言想象一下，如果你问AI助手"巴黎今天的天气怎么样？&quo…- 7
- 0
-
AI知识库：基于RAG技术的数据预处理方法探讨
在人工智能技术迅猛发展的当下，Retrieval-Augmented Generation（RAG，检索增强生成）凭借其将信息检索与文本生成相结合的独特优势，已成为企业和开发者构建智能应用的重要技术选择。然而，在实际应用过程中，许多开发者常常面临一个令人困扰的问题：明明采用了先进的RAG框架，生成的结果却时常出现"文不对题"或"逻辑混乱"的情况。经过深入分析…- 6
- 0
-
聊聊AI智能体框架MetaGPT下的RAG实践
概述MetaGPT[1]是一个智能体开发框架，其功能完备，易于介入开发，而且是国内的团队开发的，直接可以对标微软的autogen等一众智能体框架。MetaGPT集成了llama_index，进而实现了RAG，结合MetaGPT可以方便快速的接入自定义LLM，使得使用体验是很好的，比在llama_index中自定义LLM及使用RAG要更方便。RAG使用以官方的示例项目为例，跑一个rag_pipeli…- 12
- 0
-
如何用大模型+RAG给宠物做一个AI健康助手（干货分享）？
事情是这样的，前段时间我家猫软便一直不好，我带去宠物医院检查。现在的宠物医院都会给去过的宠物建档案，就像人的电子病历一样，记录一些基本信息、病史，以及疫苗接种记录之类的。因为之前去过同一家，所以我家的猫在这也有记录，当天去了之后，医生也是惯例查电子记录，但不知道他们的系统有问题还是他不会用，找了半天也没找出来，后来另外一个人过来在后台把一大串数据调出来才找到。当时我的感觉是他们这个信息管理系统太不…- 9
- 0
-
HiRAG:基于层级知识索引和检索的高精度RAG
Introduction检索增强生成（Retrieval Augmented Generation，RAG）通过检索外部知识增强大语言模型（Large Language Models，LLMs）的领域任务能力。朴素RAG方法检索与查询相关的文本块，这些文本块作为大型语言模型生成响应的参考，用于缓解“幻觉”问题（如生成不准确内容），然而朴素RAG方法仅检索文本片段，忽略了实体间的关联（如“亚马逊”与…- 9
- 0
-
教程|通义Qwen 3 +Milvus，混合推理模型才是优化RAG成本的最佳范式
做好五一加班的准备了吗？就在今天凌晨，阿里的Qwen3系列模型正式发布了。短短12小时，GitHub星标数就突破17k，Hugging Face下载量峰值达2.3万次/小时。更刺激的是，此次Qwen3系列一共发布了八款，全是混合推理模型（同时支持快思考与慢思考），在推理、指令遵循、工具调用、多语言能力等方面大幅增强外，还创下所有国产模型及全球开源模型的性能新高。要素虽然有点多，但别担心，Zilli…- 10
- 0
-
RAG开发框架LangChain与LlamaIndex对比解析：谁更适合你的AI应用？
-------从核心功能到适用场景，一文读懂两大框架的核心差异！引言在人工智能领域，检索增强生成（RAG）技术已成为连接大语言模型（LLM）与私有数据的关键桥梁。而LangChain与LlamaIndex作为两大主流开发框架，常让开发者陷入“选择困难”。它们各自有何特点？差异在哪里？本文带你一探究竟！一、LangChain：灵活构建复杂AI应用的“瑞士军刀”核心功能：模块化设计：支持将模型、提示模…- 7
- 0
-
RAG性能暴增20%！清华等推出“以笔记为中心”的深度检索增强生成框架，复杂问答效果飙升
在当前大语言模型（LLMs）广泛应用于问答、对话等任务的背景下，如何更有效地结合外部知识、提升模型对复杂问题的理解与解答能力，成为 RAG（Retrieval-Augmented Generation）方向的核心挑战。近日，来自清华大学、中国科学院大学、华南理工大学、东北大学、九星（AI9Stars）的联合研究团队提出了一项全新的适应式 RAG 方法 —— DeepNote，首次引入“笔…- 5
- 0
-
超神了，ChatWiki 支持GraphRAG，让 AI 具备垂直深度推理能力！
传统RAG（Retrieval-Augmented Generation，检索增强生成）和GraphRAG（Graph-based Retrieval-Augmented Generation，基于图的检索增强生成）是两种基于检索增强的生成模型技术，它们的核心区别在于对知识的组织方式和检索机制的设计。一、从RAG到GraphRAG1.传统RAG传统的检索增强生成（RAG）依赖向量检索技术，从文档库…- 6
- 0
-
AI 产品思维：我如何把一个 AI 应用从基础 RAG 升级到 multi-agent 架构
创业结束后确实 emo 了很长一段时间，少有一点意志消沉，但一直没有停止学习，我一个 UX 出身的产品经理，在这段时间疯狂写代代码，不知道多少夜晚是酒精和代码陪我度过的。这两年还是做了很多事，在 AI 的加持下已经可以说自己是个入门的开发者了，从前端到后端把技术栈学了个遍写了几个AI 应用（算到现在业余时间写代码已经有 4 年了，再次感叹时光飞逝）这篇文章把我最近这一年多以来业余时间做 AI 应用…- 6
- 0
-
做好 AI Agent 最重要的是什么？
为什么？ 因为我们已经有足够的技术方案，只要定义清楚我们要解决的问题（基准测试），就能解决它。OpenAI 姚顺雨近期提出“AI下半场”的概念，我们已经拥有了：存储大量知识的预训练模型（先验知识），并知道怎么持续训练它通过这个模型做思考推理并执行动作的 Agent 能力（环境）强化学习算法为预训练模型补充先验知识 → Agent为模型补充工具能力→强化学习激发知识的运用，整…- 7
- 0
-
颠覆传统RAG，创新大模型检索增强—Insight-RAG
RAG已经成为大模型的标题，但传统方法存在检索深度不足、难以整合多源信息等弊端，例如，传统 RAG 依赖表面相关性检索文档，容易忽略单个文档内深埋的信息。在法律协议中，会忽略微妙的合同条款；在商业报告里，错过隐藏的数据趋势。所以，Megagon实验室的研究人员提出了一种创新框架Insight-RAG，从而更好地捕捉任务特定的细微信息，整合的数据质量也更高。洞察力识别器是Insi…- 4
- 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：×