#RAG
共 295 篇相关文章
免代理网页转Markdown API：RAG管道实战选型
探讨RAG管道中免代理网页转Markdown API的选型：对比自建与托管方案的成本，分析Markdown提取质量差距，提供基于JS渲染、失败语义和输出一致性的实用评估清单。
RAG已死？长上下文模型真正改变了什么
长上下文模型是否让RAG过时？本文从容量约束、信噪比、成本延迟三个角度分析长上下文真正改变了什么，并给出检索与长上下文混合架构的选型判断框架。
RAG面试核心：离线建库与在线检索全流程拆解
拆解RAG检索增强生成的完整工作流程：离线阶段文档加载、切割、向量化、入库，在线阶段问题改写、向量检索、重排、生成，并解析RAG面试核心考点与系统优化方向。
开源RAG平台chatVia.ai：全栈检索管线与自主部署
chatVia.ai开源RAG平台将向量检索、BM25与RRF融合全部放进Postgres，支持自托管、无限代理与自动更新。本文拆解其摄取、分块、混合检索、重排与评估管线，并说明免费核心与Pro付费边界。
RAG知识库搭建全流程：从架构到检索评估实战指南
系统梳理RAG知识库搭建的完整流程：从RAG整体架构、成熟检索方案，到检索评估的关键细节与适合人群分析，帮助开发者建立从入门到实战的学习路径。
Cursor、Claude、ChatGPT底层如何运转？AI技术栈全解析
从Cursor、Claude、ChatGPT的实际使用出发，逐层拆解AI技术栈：Agent循环与MCP协议、预训练与强化学习、token与量化、RAG检索与模型路由、流式输出到GPU基础设施，帮你看懂AI产品每一层在做什么。
当工具调用超时：RAG 生产环境的故障演练课
Packt Publishing 举办 RAG 生产环境实操工作坊，聚焦工具调用超时、重试循环、执行预算、结构化追踪、权限化工具访问与故障注入测试，由 Bruno Gonçalves 主讲，无需 GPU 或 API key。
Ollama+RAG本地知识库搭建实战：AnythingLLM喂饭教程
基于B站教程整理，详解Ollama+AnythingLLM搭建本地RAG知识库的完整流程：从通用大模型的知识局限、RAG检索增强生成原理，到文档上传、向量化入库与效果验证的实操步骤。
Agentic RAG实战：从原理到代码，手把手搭建智能检索系统
传统RAG检索时机、内容、次数全部写死，导致答非所问。本文基于B站教程拆解Agentic RAG原理：将检索封装为工具交给大模型自主决策，附四工具设计与完整代码实现，手把手搭建能自我纠错、多跳查询的智能检索系统。
RAG与Agent实战：大模型接入的两种路径
从大模型接入入手，梳理本地Ollama部署与阿里云百炼云端调用两种路径，详解百炼平台注册、API Key创建、免费额度管理与防超支设置，为RAG检索增强与Agent智能体实战打好基础。
RAG与Agent面试核心：检索增强生成全流程解析
系统拆解RAG检索增强生成完整工作流程：从文档加载、切割、向量化入库的离线建库，到查询改写、向量检索、精排、生成的在线阶段，涵盖面试高频考点与核心价值分析。
RAG面试必考：一文吃透检索增强生成工作流程
RAG是什么？本文梳理检索增强生成（RAG）的完整工作流程，涵盖离线建库的文档加载、切割、向量化、入库，以及在线阶段的输入改写、向量检索、重排与生成，解析RAG面试高频考点与核心价值。
Hillock v1.0：用确定性搜索破解向量检索的幻觉难题
向量搜索的概率性本质导致RAG系统在无法回答的查询上产生幻觉。经过6个月测试，开源项目Hillock v1.0发布，试图在检索层引入确定性判断，让系统明确拒绝不可回答的问题，从源头减少幻觉。
RAG知识冲突分类：决策模型能否替代大语言模型？
最新研究评估11个决策模型在RAG知识冲突分类中的表现：10个模型准确率媲美Gemini 2.5 Flash，成本低4-39倍；级联策略可进一步逼近Gemini 3.8 Flash且成本仅25-37%。
RAG-CSI：用检索增强Transformer预测信道状态
RAG-CSI 提出检索增强 Transformer 框架用于信道状态信息（CSI）预测，构建全局—局部 CSI 知识库并设计联合状态—动态检索（JSDR），在多场景数据集上五项指标均提升超 10%，NMSE 降低 15.42%。
弃用向量数据库：SQLite BM25与3.6ns Rust哨兵重构多智能体
开源对冲基金实验团队重构多智能体架构：用因子本体消除大模型极性幻觉，弃用向量数据库改用 SQLite FTS5 BM25 将反思记忆检索降到 0.35ms，并用 Rust SoA 布局实现 3.6 纳秒级风控哨兵。
无检索器检索：DecisionRAG用决策模型导航文档
DecisionRAG提出无检索器检索新范式：用决策模型在单次前向传播中联合评估候选分支，沿语料库结构逐层导航，无需任务训练即超越8B重排器的稠密检索，检索仅需0.7-1.8秒。
RAG还有未来吗？AI工程师的5年技能规划
从Reddit社区讨论出发，分析RAG技术的未来走向、LangChain等框架的定位，以及AI工程师在未来5-6年应重点积累的检索、评估、系统设计等保值技能，为入门者提供务实的职业规划参考。
