-
EraRAG：突破传统GraphRAG限制，实现动态语料库的高效检索增强生成
摘要基于图的检索增强生成（图RAG）通过对外部语料库进行结构化检索来增强大型语言模型（LLMs）。然而，现有方法通常假设一个静态语料库，每当有新文档到来时都需要昂贵的全图重建，这限制了它们在动态、演变环境中的可扩展性。为了解决这些限制，我们引入了EraRAG，一种新颖的多层图RAG框架，支持高效且可扩展的动态更新。我们的方法利用基于超平面的局部敏感哈希（LSH）来划分并组织原始语料库为层次图结构，…- 7
- 0
-
GraphRAG的索引动态更新解法-分桶+局部更新及“上下文工程”新概念？
今天是2025年6月30日，星期一，北京，晴，今天是2025年上半年的最后一天了。我们继续看GraphRAG的问题，基于图的检索增强生成（Graph-RAG）在处理动态增长语料库时的效率问题。现在的一些方案，主要集中在静态语料库的检索增强生成，如Vanilla RAG、Graph-based RAG等。动态检索方法如DRAGIN、LightRAG和DyPRAG等虽然尝试解决动态语料库的问题，但在高…- 9
- 0
-
RAG搭建个人LLM知识库助手，很多人第一步就走错了…
基于RAG技术搭建本地知识库问答助手，已经是相当普遍的应用方案了。前一阵我在公司实践过，用我们过往积累的、对业务重要的内部知识构建知识库，开发了一个智能问答Agent，能减少团队一部分的答疑时间。构建知识库时，我们将内部知识整理成了 MarkDown 格式。至于为什么用MarkDown 格式，我简单总结了几个原因。首先，一个文件最终要分块Embedding，而 MarkDown 格式天然支持标题分…- 13
- 0
-
你的RAG系统安全么？
生成式人工智能（GenAI）近年来发展迅速，大语言模型成为这一浪潮的核心力量。无论是商业还是开源模型，它们都具备强大的语言理解与生成能力，正广泛应用于内容创作、聊天机器人等场景，让企业更容易落地智能应用。 但一个关键挑战是如何让这些通用的 LLM 更懂特定领域，同时保持知识的时效性。目前常用的方法各有优劣：比如少样本学习简单易用，但能处理的信息有限；LoRA 和监督微调效果更精准，但需要专业知识和…- 9
- 0
-
Dify+RAG合同生成：条款级工作流案例拆解
Agent等方法，25年会着重关注有行业Know-how的垂直产业场景应用开发和咨询，欢迎大家交流。" data-id="MzI1ODIxNjk1OQ==" data-is_biz_ban="0" data-service_type="1" data-verify_status="0">上周知识星球内有…- 21
- 0
-
RAG工程落地：处理文档中表格数据
在 RAG（Retrieval-Augmented Generation）工程落地过程中，处理文档中的表格数据 是一个非常重要但复杂的问题，特别是针对技术文档、报告、论文等结构化强的资料。比如PDF文档里的表格数据，如下： RAG处理表格数据的难点 所携带的语义信息是不足的，不利于后面的语义检索； 标题与数据割裂； 缺少上下文语义； Embedding 不适配结构化数据； 转换成纯文本后，行列关系…- 7
- 0
-
为什么你的RAGFlow需要一个 Markdown 预览器（油猴脚本方案）
Agent等方法，25年会着重关注有行业Know-how的垂直产业场景应用开发和咨询，欢迎大家交流。" data-id="MzI1ODIxNjk1OQ==" data-is_biz_ban="0" data-service_type="1" data-verify_status="0">前几天知识星球中…- 21
- 0
-
RAG 2.0：构建具备显式推理能力的金融RAG系统实战手册
目 录第1章 引言第2章 核心推理范式综述2.1 后检索精炼范式：基于证据的重排序与过滤2.2 结构化推理链范式：模拟认知过程2.3 基于图的多跳推理范式：连接离散信息2.4 推理路径优化范式：基于奖励的决策搜索2.5 知识图构建与路径发现范式2.6 分解-验证范式：分而治之与事实对齐第3章 方法设计第4章 对比分析第5章 讨论与未来方向第6章 结论与展望第1章 引言检索增强生成（RAG）通过结合…- 6
- 0
-
RAG、Evals、ReAct、Guardrails…六大技术改变AI格局，成本投入大起底！
「 RAG成本最低只要50万 AgentQ投入起步800万 」🎯 智能体时代的技术革命 📊 ： Gartner 2024调研显示，83%的企业计划部署智能体系统，但仅29%实现预期ROI。技术选择和成本控制成为决定成败的关键因素。 当ChatGPT引爆AI浪潮后，AI Agent（智能体）正在成为下一个风口。国外微软Dynamics 365集成的10个自主AI Agent，国内百度文心智能体平台也…- 6
- 0
-
RAG（检索增强生成）入门：结合DeepSeek与知识库，让AI回答更精准！
还记得那个让我彻夜难眠的项目吗？客户要求构建一个企业级智能客服系统，能够基于公司内部文档回答用户问题。最初我天真地以为，直接调用GPT-4就能搞定一切。结果呢？AI要么胡编乱造一些看似合理的答案，要么干脆承认"我不知道"。那一刻我意识到，传统的生成式AI在处理特定领域知识时存在致命缺陷——它们无法实时获取最新信息，更无法准确引用企业内部文档。这就是我与RAG（Retrieval…- 6
- 0
-
告别“纸上谈兵”！RAG 如何让你的 AI 应用真正“能打”又“落地”
嘿，朋友！ 也许你和我一样，对 AI 这片充满无限可能的领域，抱持着独特的好奇与热情。 过去的几年，大模型无疑是科技圈最耀眼的明星。从智能客服、代码助手，到文案生成器，它们的能力一次次刷新着我们的认知。然而，当你真正尝试将这些“黑科技”应用到日常工作或业务中时，是不是也常常遇到一些让人“抓狂”的时刻？ AI 助手突然“胡说八道”，一本正经地给你编造信息？（嗯，这就是恼人的幻觉！） 你想问它最新的行…- 5
- 0
-
从案件分析到实时指挥：20种RAG技术在警务中的深度应用
警务知识工程（Knowledge Engineering）旨在通过系统化、结构化的知识管理与技术手段，提升警务工作的效率、精准性与智能化水平。结合检索增强生成（Retrieval-Augmented Generation, RAG）技术，警务知识工程可以有效整合海量的警务数据（如案件记录、法律法规、情报信息等），为警务人员提供实时、准确的决策支持。以下是对20种RAG技术的详细解析，以及其在警务知…- 4
- 0
-
饶了我吧，别再吹RAG了！搞AI agent，先把企业知识库文档切明白了再说…
“搞企业知识库，RAG（检索增强生成），还有企业AI智能体现在很火啊”，某制造业老板问新来的AI工程师小王。画外音：“企业知识库、RAG，把企业知识喂给大模型做AI agent，提升企业应用智能，还是要找在细分行业摸爬滚打踩过几年坑的专业公司啊！”#AI智能体 #企业AI智能体 #人工智能 #DataAgent #程序员就业 #RAG #…- 9
- 0
-
怎么短平快地把RAG做好：厦门银行RAG初赛方案分享
前段时间笔者参加了厦门银行的第五届数创金融杯大模型应用挑战赛，其中初赛是金融监管制度智能问答，属于经典RAG问答，具体比赛任务如下： 基于大模型的文档问答，根据输入的问题（如“个人理财产品的销售需满足哪些监管要求？”），基于给定的金融文档库，生成准确、合规的答案。题型包含不定项选择题和问答题。 初赛阶段选手可以使用预训练、微调、RAG等方式完成任务，整体工程需在限定硬件资源下能进行推理（CPU8核…- 6
- 0
-
AGI｜RAG进化论：从青铜到王者，一文看懂 RAG 全家族
神州数码云基地AGI专栏从 RAG 到 Advanced RAG本文主要是针对 RAG 技术的通识性展开，也是笔者在学习它的一些论文或开源项目之后的一个自我问答和记录总结，主要是为了能通俗理解一些技术演进的方式，这里把这个路径记录下来，希望为背景与我相似的学习者提供一个参考。 本文是参考《Hugging Face Transformers 萌新完全指南》（原文地址：https://huggingf…- 11
- 0
-
别再质问AI大模型胡说了！RAG能搞定它
大家好，我是大熊。这次聊一个大熊最近在使用的工具——RAG（Retrieval-Augmented Generation）检索增强生成。它最早是Patrick Lewis等人提出来的[1]。避免大家啃论文，大熊总结了一下流程： 好了我们已经知道了RAG，那下来RAG系统隆重登场。我们还是老规矩，先说结论它到底可以干什么呢？答案是RAG系统可以扩展大模型的知识边界，尤其在如今的模型时代，需要我们把大…- 8
- 0
-
详解RAG五种分块策略，技术原理、优劣对比与场景选型之道
Agent案例库" data-id="126427">前言RAG通过结合检索与生成技术，依赖其高效检索算法、多模态融合能力及系统级优化，解决了基础大模型在企业内部应用的局限性，例如通过RAG技术对接企业内部知识库，支持知识动态更新与实时交互，显著降低了大模型的幻觉风险，无需微调训练模型，低成本适配企业垂直领域的应用场景，在数据安全与可控性方面，可加入权限控制逻辑…- 2
- 0
-
Agentic RAG：下一代智能检索与生成的革命性突破
在大语言模型（LLMs）成为 AI 变革的核心引擎之后，如何让它们更精准、更智能地响应实时、复杂的问题成为了研究热点。本文将带你深入了解“Agentic Retrieval-Augmented Generation”（Agentic RAG）——一种将自主智能体引入 RAG 流程的全新范式，揭示它如何突破传统 RAG 的瓶颈，推动 AI 系统向更高阶的自动化、个性化与上下文理解迈进。 传统 RAG…- 6
- 0
-
RAG的2025趋势重点及RAG+抽取场景的来源定位问题思考
今天是2025年6月24日，星期二，北京，晴 我们来看有趣的落地问题。 为什么在实际落地过程中，比如信息抽取、RAG 等，会有引文生成、来源定位这些需求？底层的逻辑是什么？有哪些实际的例子？在技术上如何做？ 另外，看看RAG发展温故而知新，看看RAG的一个发展趋势，看下RAG的2025趋势重点 一、RAG、抽取等落地场景的定位问题思考 1、为什么需要引文生成？ 目前，包括大模型在内的深度学习方案，…- 9
- 0
-
一文搞懂大模型的RAG（知识库和知识图谱）
RAG（Retrieval-Augmented Generation，检索增强生成）是一种将检索与生成协同结合的技术。当大模型（如DeepSeek、Qwen、GPT）需要生成文本时，会先从外部知识库中检索相关信息，再基于检索到的内容生成答案。在知识库的构建过程中，RAG通过向量数据库和动态更新机制，实现了高效的知识检索与内容生成；而在知识图谱的构建中，RAG则借助GraphRAG、Graphusi…- 5
- 0
-
基于知识图谱技术增强大模型RAG知识库应用效果
【摘要】本文是AI落地实践的优秀案例，利用RAG技术（Retrieval-Augmented Generation，检索增强生成）的知识库实践为背景，介绍了RAG技术的发展及存在的不足，以及知识图谱相关的知识，利用RAG技术去完善和智能化知识图谱。在AI技术大量涌现，但应用不足的情况下，指明了现有应用场景、技术与AI结合的具体做法。【作者】党宏雷，某银行软件开发中心研发部架构师，十余年系统建设及架…- 7
- 0
-
为什么你的RAG效果差？可能PDF没准备好！
将 PDF 转成文本这件事，过去是“能做到”，现在是“轻松做到”。最近我搭建了一个图数据库（Graph Data Store），用于 RAG 系统 —— 换句话说，我们做了一个 GraphRAG。为什么用 GraphRAG？相比常见的向量数据库支持的 RAG，Graph RAG 有个巨大优势 —— 推理能力更强。比如：问题 A：「XYZ 公司去年 CFO 是谁？」这种问题，向量搜索就能搞…- 7
- 0
-
如何借助RAC分析法提升服务中的首解率
对于服务行业的从业者而言，FCR（First Call Resolution）这一指标并不陌生，它通常被称作会话的“一次性解决率”或“首解率”。企业可以根据自身的业务需求，对首解率（FCR）的时效进行定义，比如：24小时、36小时、72小时等。在数字化服务领域，首解率（FCR）已成为衡量服务体验与客服解决能力的关键指标。多家国际知名机构的调查研究显示，提升首解率（FCR）能够同步改善组织的客户体验…- 4
- 0
-
实战｜Spring +Milvus，Java也能实现的企业级文档问答RAG
在企业数字化转型的浪潮中，PDF、Word 等海量文档往往沉睡在各个业务系统中，形成“数据孤岛”，难以被智能系统高效利用。那么，如何构建一个真正面向企业场景落地的 AI 应用，让 AI 成为企业的“智能助手”？本项目提供一套基于 Spring 框架的完整解决方案，结合文档 ETL、向量检索与 RAG 问答技术，覆盖从数据导入到智能对话的全链路实践。 与其他演示不同，本项目强调企业级能力建设——包括…- 3
- 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：×