AIGC宇宙 AIGC宇宙

RAG

企业级 RAG 系统实战：10 个项目踩过的坑（附代码工程示例）

企业级 RAG 系统实战：10 个项目踩过的坑（附代码工程示例）
25 年以来写了 55 篇技术 Blog，字数也累计超过 50 万字。 每篇内容背后都是几十甚至上百个小时的项目工程实践的经验提炼，虽然原创性没话说，但还是产出效率太低，以及也难免受限于个人的经验和水平。 So，从这篇开始，我会把日常闲暇时观摩的一些海外优质内容整理和加工后，附上自己的不同观察和思考也通过文章或者视频的形式发布出来，给各位做个参考。
10/24/2025 3:52:19 PM
韦东东
大模型时代的双刃剑：RAG 与 微调 怎么选？

大模型时代的双刃剑：RAG 与 微调 怎么选？
上周在一个技术交流会上，听到两位技术总监争得面红耳赤。 一位坚持说RAG就够了，简单高效还省钱；另一位则认为不微调根本做不出专业应用。 这场争论让我想起很多企业在落地AI项目时的迷茫：到底该选哪条路？
10/23/2025 9:28:39 AM
大数据AI智能圈
AI黑话听不懂？收藏这份3分钟快速扫盲指南！

AI黑话听不懂？收藏这份3分钟快速扫盲指南！
第一次进 AI 项目组开会，你可能会有这种体验：大家自信满满地聊着——“我们先优化下 RAG系统的延迟，再调人设，顺便做个 A/B test看看效果。 ”而你坐在角落里，内心 OS：别慌，这些所谓的“AI 黑话”，其实就是业内人习惯的专业术语。 听起来玄乎，其实拆开来都挺接地气。
10/8/2025 12:30:05 AM
MoeDesigner
2025爆火的RAG技术是什么？从原理到应用全面科普！

2025爆火的RAG技术是什么？从原理到应用全面科普！
前言. 最近，RAG 这个词在网络中爆火，特别是一些 AI 方向的小伙伴，网上铺天盖地的文章、视频等教程，但是他们都各有各的不同看法，接下来就让我从一名 AI 产品经理角度，带你们彻底了解什么是   RAG、前世今生是什么、实用场景、工作原理、具体应用。 上期回顾：一、RAG 是什么.
9/20/2025 7:53:50 AM
A ad钙
AIGC、RAG、Agent、Function Call、MCP 到底啥关系？一次讲明白！

AIGC、RAG、Agent、Function Call、MCP 到底啥关系？一次讲明白！
Hello，大家好，我是 Sunday。 最近很多同学特别关注 AI 相关的领域。 但是，AI 技术发展太快了，AIGC、RAG、Agent、Function Call、MCP 等等的各种热词层出不穷的。
7/22/2025 1:55:00 AM
程序员Sunday
RAG 中文本分块全攻略，这个项目让效率狂飙

RAG 中文本分块全攻略，这个项目让效率狂飙
在构建 Retrieval-Augmented Generation（RAG）系统时，文本分块作为关键前置环节，其质量直接影响检索精度与生成内容的相关性。 今天给大家推荐一个自己近期整理的项目 ——Awesome-Chunker，一站式聚合并复现了当下主流的文本分块技术，从经典方法到前沿算法应有尽有，助你在 RAG 开发中少走弯路！ 1、项目核心价值 让分块不再是难题在 RAG 任务的探索之路上，相信不少研究者都和我一样，为寻找一个能系统提升分块质量的项目而苦恼。
7/17/2025 9:35:26 AM
Goldma
RAG系统的“聪明药”：如何用反馈回路让你的AI越用越聪明？

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？
7/1/2025 8:37:13 AM
许泽宇
百度飞桨发布文档解析利器PP-StructureV3：PDF秒变Markdown文件

百度飞桨发布文档解析利器PP-StructureV3：PDF秒变Markdown文件
近日，随着大模型与RAG技术的迅猛发展，结构化数据在智能系统中的价值愈发凸显。 在此背景下，如何将文档图像、PDF等非结构化数据精准转换为结构化数据，成为行业亟待攻克的关键难题。 针对此现状，飞桨团队凭借深厚的技术积累和对用户需求的深刻洞察，推出新一代文档解析工具——PP-StructureV3，为解决复杂文档解析难题提供了创新方案。
6/18/2025 9:01:24 AM
AI在线
基于Gemini与Qdrant构建生产级RAG管道：设计指南与代码实践

基于Gemini与Qdrant构建生产级RAG管道：设计指南与代码实践
一、RAG技术的核心价值与应用场景在人工智能领域，检索增强生成（Retrieval-Augmented Generation, RAG）正成为解决大语言模型（LLM）知识更新滞后、生成内容不可追溯等问题的关键技术。 传统的微调（Fine-Tuning）方法将知识固化在模型参数中，难以应对动态领域的快速变化；而RAG通过将检索与生成解耦，实现了知识的实时更新与可追溯性，尤其适用于政策频繁变动、对准确性要求极高的场景，如医疗、法律和航空管理。 本文以构建机场智能助理为例，结合Google的Gemini多模态模型与Qdrant向量数据库，详细阐述如何设计并实现一个高可靠、可扩展的生产级RAG管道。
6/3/2025 2:55:00 AM
大模型之路
一文教你玩转 RAG 大模型应用开发

一文教你玩转 RAG 大模型应用开发
Part.1.RAG这么火，你会用吗？ 自从大模型技术走向市场以来，“幻觉”现象总是对用户造成困扰，而RAG（Retrieval-Augmented Generation，检索增强生成）技术正在成为解决这一难题的利器。 国内众多科技大厂在实践RAG技术时都取得了阶段性的成果。
5/30/2025 1:00:00 AM
三笠
RAG系列：问题优化 - 意图识别&同义改写&多视角分解&补充上下文

RAG系列：问题优化 - 意图识别&同义改写&多视角分解&补充上下文
在实际业务场景中，知识库不会只有单一领域的知识，可能会存在多个领域的知识，如果对用户问题不提前做领域区分，在对基于距离的向量数据库进行检索时，可能会检索出很多与用户问题不属于同一个领域的文档片段，这样的上下文会存在较多的噪音或者不准确的信息，从而影响最终的回答效果。 另一方面知识库中涵盖的知识表达形式也是有限的，但用户的提问方式却是千人千面的，用户遣词造句的方式以及描述问题的角度可能会与向量数据库中存储的文档片段存在差异，这就可能导致用户问题和知识库之间不能很好匹配，从而降低检索效果。 为了解决此问题，我们可以对用户问题进行查询增强，比如对用户问题进行意图识别、同义改写、多视角分解以及补充上下文，通过这几个查询增强方式来更好地匹配知识库中的文档片段，提升检索效果和回答效果。
5/27/2025 12:40:00 AM
燃哥讲AI
基于图的 RAG 方法总结（GraphRAG、 GraphReader、LightRAG、HippoRAG和KAG）

基于图的 RAG 方法总结（GraphRAG、 GraphReader、LightRAG、HippoRAG和KAG）
在自然语言处理领域，检索增强生成（RAG）技术通过结合外部知识库与语言模型，显著提升了模型在知识密集型任务中的表现。 近年来，基于图结构的 RAG 方法成为研究热点，通过引入知识图谱的实体关系建模能力，有效解决了传统 RAG 在多跳推理、长文本理解和全局语义捕捉中的局限性。 本文详细分析五种代表性方法：GraphRAG、GraphReader、LightRAG、HippoRAG和KAG ，从实现细节、优缺点及适用场景展开对比。
5/27/2025 12:15:00 AM
Goldma
RAG系列：基于 DeepSeek + Chroma + LangChain 开发一个简单 RAG 系统

RAG系列：基于 DeepSeek + Chroma + LangChain 开发一个简单 RAG 系统
创建 Next 项目首先，使用 npx create-next-app@latest 根据提示完成 Next 项目的创建：复制创建好项目之后，在 src/app 目录下新建 rag 目录，本次 demo 的代码都将放在这里。 知识库构建接下来，我们将构建知识库，主要目标是将准备好的 pdf 通过向量化存到向量数据库中，以便后续的检索。 由于本次 RAG 系统的开发都要依赖 LangChain 框架，所以我们先在项目中安装 LangChain 框架和核心依赖：复制文档加载LangChain 的 DocumentLoaders[1] 提供了种类丰富的文档加载器，可加载文件系统的文件也可以加载线上文件，包括 csv、docx、pdf、pptx、html、github、youtube等等。
5/22/2025 6:48:50 AM
赖祥燃
RAG与微调，大语言模型的“大脑升级”，该选哪条路？（小白科普）

RAG与微调，大语言模型的“大脑升级”，该选哪条路？（小白科普）
最近在做项目时，我发现有些甲方对RAG和模型微调分区的不太清楚，明明大语言模型（LLM）加挂RAG就可以解决的问题，却坚持要微调，但是具体沟通后发现，其实只是不太了解二者的实际用途。 其实，Retrieval-Augmented Generation (RAG) 和微调 (Fine-Tuning) 是两种最常用的LLM的“大脑升级”技术，虽然它们都能提升模型的性能，但工作原理和适用场景却大相径庭。 今天，我就来深入聊聊这两种技术，弄清楚在不同情况下，到底该选 RAG 还是微调。
5/21/2025 3:00:00 AM
贝塔街的万事屋
深度解析大模型技术演进脉络：RAG、Agent与多模态的实战经验与未来图景

深度解析大模型技术演进脉络：RAG、Agent与多模态的实战经验与未来图景
作者 | jaymie大模型作为产业变革的核心引擎。 通过RAG、Agent与多模态技术正在重塑AI与现实的交互边界。 三者协同演进，不仅攻克了数据时效性、专业适配等核心挑战，更推动行业从效率革新迈向业务重构。
5/20/2025 8:30:00 AM
腾讯技术工程
大模型应用的能力分级

大模型应用的能力分级
对大模型应用的能力分级就像给学生打分一样，能让我们更清楚它的本事有多大。 能力分级能帮我们设定目标，知道AI现在能干什么，未来还要学什么。 有了统一的分级方式，大家就能公平比较不同AI的水平，推动技术进步。
4/2/2025 1:25:00 AM
曹洪伟
RAG检索全攻略：Embedding与Rerank模型的终极指南

RAG检索全攻略：Embedding与Rerank模型的终极指南
在构建基于检索增强生成（RAG）的系统时，Embedding Model和Rerank Model扮演着至关重要的角色。 比如你正在搭建一个智能搜索引擎，Embedding Model就像是帮你快速找到相关书籍的“图书管理员”，而Rerank Model则像是一位经验丰富的“资深书评人”，负责从一堆书里精准挑选出最符合你需求的那几本。 两者配合，就像一对完美搭档，确保RAG系统既能找到大量信息，又能精准提炼出最关键的内容。
3/26/2025 11:05:13 AM
三种RAG部署方案：自购GPU硬件 vs 大模型一体机 vs 云端GPU

三种RAG部署方案：自购GPU硬件 vs 大模型一体机 vs 云端GPU
春节以后这一个半月，算了下我前后也做了 20 的企业知识库落地咨询，其中无论是线上还是线下，被问到最多的一个问题是：要快速落地本地部署的知识库，应该购买什么硬件？ 要回答这个问题，其实需要明确很多前置定语，自购 GPU 硬件、大模型一体机、以及选择云端 GPU 都有各自适用的情形。 这篇试图说清楚三种部署方式的主要特点对比，并在文末给些选择建议参考。
3/24/2025 1:17:11 PM
韦东东