-
企业RAG实战之探索Function Calling（函数调用）实现智能客服系统
RAG赋予大模型访问私有知识库的能力，而Function Calling则使其能够读取和写入数据库。这两种能力的协同作用，将使智能客服变得更加智能、高效和个性化。1.Function Calling可以解决什么问题？RAG虽然解决了知识覆盖问题，但对于动态且针对用户的业务数据（如订单状态、产品库存、账户余额）仍然无能为力。Function Calling机制通过调用数据库查询接口，实现查询用户的实…- 7
- 0
-
爆改RAG检索体验：向量+关键词，双剑合璧的“融合检索”实战指南
❝你以为RAG（Retrieval-Augmented Generation）检索只能靠向量？那你可就out了！今天，咱们就来聊聊如何用“向量+关键词”双剑合璧，打造检索界的“六边形战士”——融合检索（Fusion Retrieval）。 一、检索界的“武林大会”：向量 vs. 关键词 在AI知识检索的江湖里，向量检索和关键词检索（BM25）各有绝活： 向量检索：擅长“意会”，能理解“你说的不是你…- 6
- 0
-
企业级RAG智能体落地实战：10个血泪教训让你避开99%的坑
Hi，大家好，我叫秋水，当前专注于 AI Agent（智能体）。 最近看到一个非常有价值的分享，是来自RAG技术创始人、Contextual AI公司CEO Douwe Kiela在生产环境中部署RAG智能体的10个核心经验。 作为一个在AI应用开发一线摸爬滚打的开发者，我发现这些经验简直就是企业AI落地的避坑指南。 你是否也遇到过这些痛点问题： • 为什么投入巨资搞AI，但ROI却迟迟看不到…- 1
- 0
-
【Ragflow】30.离线环境迁移方案
前言 之前的 Ragflow-Plus 在服务器上稳定运行一段时间后，接到任务，要把服务迁移到一台古老的，离线的windows台式机上。 起初认为，下载离线安装包，加载离线镜像，迁移下数据就可以了。 结果坑多得意想不到，折腾了一晚上才搞定。 本文就来分享一下解决方式，Ragflow-Plus 用的是和 Ragflow 相同数据存储方式，用 Ragflow 部署的系统可相同适用。 数据迁移准备 1…- 15
- 0
-
如果你的RAG系统不好用，请收藏一下这份RAG系统优化指南
↑↑↑ 点击关注，分享IT技术|职场晋升技巧|AI工具昨天有个同学来咨询我，说他们做的智能客服很不好用，明明问题答案就在知识库里，但智能客服就是一直胡说。这种问题在RAG系统中太常见了，大概率是在某些地方配置的不合适。 今天我总结了几个关于RAG系统的优化的策略方法，大家可以参考一下。当然，在这提醒一下大家，这些方法不见得一定适合你的RAG系统，你最好是根据你实际的场景针对性地去做调整，并且这个优…- 6
- 0
-
从零搭建企业级RAG知识库问答系统
本文作者系360奇舞团前端开发工程师 RAG 是什么 RAG（Retrieval-Augmented Generation，检索增强生成） 是一种融合信息检索与大模型生成能力的技术架构。其核心逻辑分三步： 检索（Retrieve）：从企业知识库（产品文档、技术手册等）中定位与用户问题相关的片段； 增强（Augment）：将检索结果作为上下文输入大模型； 生成（Generate）：模型基于上下文生成…- 3
- 0
-
RAG检索策略深度解析：从BM25到Embedding、Reranker，如何为LLM选对“导航系统”？
大家好！今天我们来聊聊一个热门技术——RAG（检索增强生成）中至关重要的“检索”环节。如果你正在探索如何让你的大型语言模型（LLM）更智能、回答更靠谱，那这篇文章你可千万别错过。 我们会一起深入了解几种主流的检索策略：从经典的BM25，到现代的各类Embedding技术（稀疏、密集、多向量），再到提升最终效果的Reranker。目标是帮你理解它们的工作原理和适用场景，为你构建高效RAG系统提供…- 7
- 0
-
从碎片到图谱：Graph RAG如何用知识网络颠覆传统搜索？
在传统的RAG中，我们先会把文章切成一块一块的文字片段，然后把每一块都通过embedding转化成向量存到向量数据库里。不了解传统RAG的小伙伴，我们来举一个简单的例子说明一下。 如果我们按句子来分块存到向量数据库中后，那么当用户问“老王喜欢吃什么”时，系统就很容易找到“老王喜欢吃西瓜”和“老王也喜欢吃桃子”。如果他们的主题相关度很高，但是如果你问“这篇文章里一共提到了几次西瓜”，那就有点麻烦…- 5
- 0
-
qodo如何构建大型代码仓库的RAG？
拥有数千个仓库和数百万行代码的代码库，大多是遗留代码，这使得上下文感知成为企业开发者采用AI时的关键因素。而检索增强型生成（Retrieval Augmented Generation，简称RAG）技术正是解决这一问题的有效手段。本文将详细介绍如何将RAG应用于大规模代码库，以及qodo（前身为Codium）在构建生成式AI编码平台时所采取的策略。在大的代码仓库中使用RAG RAG大致可以分为两个…- 7
- 0
-
爆改RAG！让你的AI检索“见人说人话，见鬼说鬼话”——自适应检索的魔法揭秘
❝你以为RAG（Retrieval-Augmented Generation）只是“搜一搜+写一写”？那你就太低估AI的“社交能力”了！今天我们聊聊如何让RAG系统像老司机一样，见什么问题用什么招，检索策略随需应变，输出答案又准又妙，堪比知乎高赞答主！ 一、RAG的“尴尬”与“觉醒” 1.1 传统RAG的“直男式”检索 RAG系统的基本套路大家都懂：用户提问，系统先去知识库里“搜一搜”，然后把搜到…- 4
- 0
-
RAG系统的“聪明药”：如何用反馈回路让你的AI越用越聪明？
大家好，我是你们的AI技术侃侃而谈小能手。今天我们来聊聊RAG（Retrieval-Augmented Generation，检索增强生成）系统的进化之路——如何让它像喝了聪明药一样，越用越聪明，越聊越懂你。 你是不是也有这样的体验？用ChatGPT、文档问答机器人，刚开始觉得还行，但用久了发现它总是“死脑筋”，问同样的问题，答得千篇一律，甚至一错再错。你想：“要是它能记住我的吐槽和建议，下次别再…- 6
- 0
-
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，…- 6
- 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…- 7
- 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…- 4
- 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…- 6
- 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…- 7
- 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…- 7
- 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…- 5
- 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…- 7
- 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…- 9
- 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 #…- 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：×