Tagged

RAG

A collection of 46 posts

APPLICATION

Nano Banana多模态 RAG

本文介绍如何结合 Nano Banana 和 Milvus 构建企业级多模态 RAG 系统，以及这种组合为何能够开启下一波 AI 应用浪潮。

APPLICATION

查询扩展在RAG中的作用

如果你的RAG只查询原始的问题，它可能会因为缺乏足够的上下文来回答原始问题而得到不相关或错误的答案。这就是查询扩展变得至关重要的地方。

TOOL

用Vertex AI RAG索引代码库

本文演示了如何利用Vertex AI RAG引擎来索引公共GitHub存储库中的代码，并创建一个对话界面，使用强大的生成模型如Gemini来探索其内容。

APPLIACTION

打造最佳RAG查找管道

从RAG系统中获得最佳结果并不总是那么简单。如何分割文档、检索的片段数量，甚至使用的策略（简单、查询重写、重新排名等）都会显著影响最终答案的质量。

APPLICATION

大规模代码库的RAG实践

在这篇博客中，我将分享qodo（前身为Codium）如何通过构建一个优先考虑代码质量和完整性的生成式AI编码平台来解决RAG与具有有限上下文窗口的LLMs和大型复杂代码库之间的差距。

APPLICATION

RAG代码块分割技术

RAG系统面临的其中一个关键挑战是在庞大的代码库中高效地处理和检索相关的代码文件或片段。虽然传统的文本块分割技术对自然语言文本非常有效，但在处理代码的结构化特性时往往表现不佳。

APPLICATION

基于AST的RAG代码分块技术

在RAG实现中，传统的分块方法忽略了代码结构，产生了语法不完整的片段。为了解决这个限制，我们可以使用代码的抽象语法树（AST）表示。

APPLICATION

RAG重排序器与两阶段检索

在本文中，我们将学习一种通常最容易和最快实现的方法来解决性能不佳的RAG管道问题——重排序器（Reranker）。

RAG

RAG 提示工程指南

RAG 推动了AI驱动的应用程序超越静态知识，迈向动态和实时信息。但要获得精确、相关且高价值的响应，提示工程很重要。

APPLICATION

基于LLM的大文档分割器

在这篇文章中，我们将介绍如何一种新的利用大型语言模型的力量来保持上下文并提高检索准确性。

APPLICATION

5分钟构建RAG管道

RAG通过提供上下文相关的数据增强大型语言模型的响应。本教程演示了如何使用Qdran和DeepSeek快速构建RAG管道。

LIBRARY

Graphite：事件驱动的AI代理框架

Graphite 是一个开源框架，用于使用可组合的代理工作流构建特定领域的AI助手。

APPLICATION

用Scikit-learn文档构建RAG

你可能会认为这只是另一篇关于如何“简单”构建检索增强生成（RAG）系统的博客文章。希望不是这样：我们在这里提供了一个不同的视角，特别关注用户面临的问题，而不是仅仅聚焦于其他博客文章中已经讨论的技术和工程组件。

APPLICATION

用RAG实现语义路由

本文深入探讨如何通过集成向量数据库增强我们系统的语义路由能力。我们将探索架构、实现细节和优势，重点介绍这种方法如何提升LLM处理复杂和多样化任务的能力。

LIBRARY

用GenAI工具箱构建AI代理

Google最近与LangChain合作推出的数据库专用Gen AI工具箱，现在包括了对Neo4j的支持。Neo4j的加入为工具箱用户带来了知识图谱能力，扩展了数据库管理和生成式AI应用的功能。

APPLICATION

18种RAG技术综合比较

我们将从一个简单的RAG方法开始，这是我们都知道的，然后测试更高级的技术，如CRAG、融合、HyDE等！

APPLICATION

5个适合忙碌人士的AI项目

本文分享了跨越三个复杂程度的5个AI项目。我希望其中一个项目能够帮助那些因构建AI而停滞不前的人打破僵局。

APPLICATION

Agentic RAG快速指南

Agentic RAG系统为LLM配备了自主权：决定何时检索信息、检索什么内容、如何整合结果，甚至何时请求澄清的能力。

APPLICATION

用SmolAgents开发Agentic RAG

在本文中，我们将探索SmolAgents的基础知识，并演示如何利用它来构建基于代理的检索增强生成（RAG）系统。

APPLICATION

用网站内容构建RAG应用

本文是使用网络抓取、分块和向量嵌入构建RAG应用程序的全面指南。

APPLICATION

基于DeepSeek R1的RAG实战

本指南将向你展示如何使用开源推理工具 DeepSeek R1 和用于运行本地 AI 模型的轻量级框架 Ollama 构建检索增强生成 (RAG) 系统。

APPLICATION

DSPy+Milvus=RAG优化

本文通过一个快速示例来演示如何在 DSPy 中使用 Milvus 优化 RAG 应用程序。

APPLICATION

AI驱动的客户支持代理

本博客探讨了 AI 驱动的客户支持代理的开发，该代理利用 OpenAI 的 GPT-4、用于语义相似性的 FAISS 和用于部署的 Azure ML。

APPLICATION

HF Code Agent实践

本文，介绍如何使用 HF的Code Agent和Qwen2.5–7B-Instruct 创建多代理 RAG 系统

APPLICATION

打造免费的本地AI助手

在本文中，我将介绍使用 LangChain、Chroma 实现 RAG 管道的 Flask 应用程序的开发。该应用程序允许用户上传 PDF 文档、存储嵌入并查询它们以进行信息检索。