RAG

RAG

用YouTube视频构建金融RAG

基于RAG的聊天机器人，利用YouTube频道作为知识库。

RAG

多模态RAG：双VLM架构

我最终构建的系统在流水线的两个不同阶段使用两个独立的视觉语言模型（VLM）。一个轻量级VLM在摄取期间生成摘要，用于索引和检索。

RAG

RAG 只是权宜之计

当你调整分块大小时，你并不是在修复 bug。你只是在修补一个从一开始就不存在的反馈回路。

RAG

我用PageIndex替换了向量库

如果你已经构建RAG系统有一段时间了，你知道这种沮丧。你花几个小时设置嵌入、调整块大小、选择正确的向量数据库，然后你的系统仍然返回错误的答案。

RAG

混合搜索：向量 + 关键词

当向量搜素不够用时，你可以搭配BM25关键词搜素。

APPLICATION

为RAG选择正确的嵌入模型

在这篇文章中，我想分享我现在知道的关于Embedding模型选择的知识——涵盖MTEB排行榜、SBERT模型，以及我如何权衡开源和专有选项之间的取舍。

RAG

四种无向量RAG方法

你的RAG系统并没有产生幻觉。它只是自信地给出了错误答案。

RAG

多模态RAG的8个分块策略

何对表格和截图进行分块，使您的多模态RAG流水线检索到正确的证据而不是漂亮的噪音

LIBRARY

PageIndex：基于推理的RAG

PageIndex用两个步骤取代了整个分块-嵌入-搜索流程：从文档构建层次树，然后让LLM对该树进行推理以找到答案。

RAG

BookRAG 简明教程

在现实世界的企业环境中，知识很少存在于整洁的常见问题解答（FAQ）中。更多时候，它被埋藏在密集的技术手册、API 参考、标准作业程序（SOP）和研究论文中——这些长文档看起来和行为更像是书籍。

RAG

基于本地LLM的图RAG提取实践

图 RAG 中隐藏的瓶颈不是检索，而是提取。

RAG

基于Qwen3-VL的视觉RAG

视觉RAG允许我们解决"大海捞针"问题，当大海捞针是一堆多模态数据时。