#RAG
共 302 篇相关文章
教程攻略AI大模型应用开发进阶路径：从入门到40K月薪的四个阶段
系统梳理AI大模型应用开发的四阶段进阶路径，从RAG、Agent等基础知识体系搭建，到项目实战、性能优化、架构设计，帮助传统开发者规划AI转型路线，实现从入门到40K月薪的职业跃迁。
教程攻略开源多Agent智能诊断系统：MCP+RAG+Skill路由架构深度解析
深度解析一个基于OneCall魔改的开源多Agent智能诊断系统，详解MCP协议实时交互、RAG检索增强问答、Skill路由降低Token消耗的架构设计，涵盖知识库管理、Redis缓存及模块化扩展方案。
教程攻略Spring AI入门指南：Java开发者如何集成大模型
Spring AI是Java界的LangChain，帮助Java开发者用Spring Boot风格快速集成大模型。本文详解Spring AI六大核心特性、环境搭建要点及企业级应用定位，涵盖RAG、Tool Calling、Chat Memory等关键能力。
深度解读纯向量检索为什么搜不准？大厂混合检索架构深度解析
深入分析向量检索无法精准匹配关键词的底层原因，拆解大厂RAG知识库通用的混合检索架构设计思路，涵盖关键词检索兜底、向量检索优化体验、加权排序融合及查询路由等实战落地方案。
教程攻略从传统RAG到Agentic RAG：原理对比与企业级落地实战
深入解析传统RAG的局限性及Agentic RAG的核心升级思路，结合开源项目ChatBox源码拆解四大核心工具设计、智能决策流程与LangGraph实现，帮助开发者掌握企业级Agentic RAG的完整落地路径。
教程攻略RAG技术全链路解析：核心原理、企业落地与学习路径
深度解析RAG（检索增强生成）技术的核心原理、三大价值、企业落地案例与常见困境，并提供从基础到进阶的系统学习路线，涵盖向量数据库、检索策略优化、知识图谱融合等关键技术栈。
教程攻略RAG企业级落地实战：架构原理与生产级优化全解析
深入解析RAG检索增强生成的完整架构流程，涵盖数据索引、向量化、检索优化三大核心环节，分享企业级RAG落地中的分块策略、混合检索、幻觉控制等实战优化经验，助力大模型与业务数据高效结合。
教程攻略零基础入门大模型应用开发：学习路线与职业方向全解析
零基础如何入门大模型应用开发？本文详解大模型应用开发三大方向（API调用、RAG知识库、智能体Agent），梳理从Python基础到项目实战的完整学习路线，帮你快速掌握LangChain等核心框架，顺利转型AI应用开发工程师。
教程攻略零基础学大模型应用开发：从RAG到Agent完整学习路线
零基础如何入门大模型应用开发？本文详解从Python基础、RAG知识库搭建到Agent智能体构建的完整学习路线，涵盖LangChain等主流框架，帮你快速掌握大模型应用开发核心技能。
深度解读RAG技术入门：从大模型幻觉到检索增强生成的完整指南
深入解析RAG（检索增强生成）技术原理，了解大模型幻觉、数据滞后、专业知识不足三大痛点，掌握RAG工作流程、核心技术组件及LangChain实战学习路径。
教程攻略大模型学习路线：七大板块从入门到项目实战全解析
系统梳理大模型学习的七大核心板块，涵盖环境搭建、提示词工程、RAG检索增强生成、Agent智能体、开发框架、模型微调部署及实战项目，帮助开发者快速构建完整的大模型技能体系。
教程攻略Cloudflare AI Search实战：零基础搭建智能知识库问答系统
详解Cloudflare AI Search托管式RAG服务的完整部署流程，涵盖R2数据源配置、AI Gateway创建、文本切分策略、Reranker精排及语义缓存等核心环节，帮助开发者快速构建生产级智能搜索应用。
教程攻略SourceCheck：用引用替代拷贝，构建可验证的LLM可信输出
SourceCheck 是一款开源工具，通过元数据引用协议替代大段拷贝，结合确定性校验与自我修正循环，解决LLM幻觉问题。支持Fact Check与RAG可追溯性，为构建可信LLM输出提供可落地的技术方案。
教程攻略Milvus 2.6核心新特性详解：分层存储、架构解析与RAG实战
深度解析Milvus 2.6.x版本核心新特性，包括分层存储、驱逐策略、预热机制等企业级功能，详解云原生架构设计与部署方案，并提供高性能RAG系统构建的关键优化策略。
教程攻略CodeGraph实测：代码知识图谱如何将Token消耗降低90%
实测CodeGraph代码图谱工具，通过AST语法树构建GraphRAG知识图谱，无需AI参与即可将Claude Code查询时间从6分钟降至2分钟。对比GBrain记忆系统，解析工作原理与部署实践。
教程攻略Zicoder三层搜索架构：代理编程中的代码检索设计实践
深入解析Zicoder代理编程工具的三层搜索架构设计，包括基于AST的语义检索、Trigram全文搜索和智能体自主探索搜索，帮助开发者理解AI编程中RAG检索增强生成的工程实现方案。
教程攻略Agentic Search实战：Agent上下文搜索工具选择与组合指南
Elastic工程师分享Agentic Search实战方法论，从传统RAG局限到Agent搜索工具组合策略，涵盖语义搜索、通用查询、Shell工具三种方案对比，以及工具描述优化、模型选择等关键实践建议。
深度解读RAG检索核心原理：Top-K粗召回与Rerank精排序完整流程详解
深入解析RAG检索增强生成的核心流程：Top-K粗召回如何快速筛选候选片段，Rerank精排序如何提升相关度，以及去重压缩如何优化最终上下文。掌握粗召回→精排序→压缩→生成的完整链路，轻松应对项目实操与面试。
教程攻略Java程序员AI学习路线：从大模型到RAG与Agent实战
专为Java开发者设计的AI学习路线，涵盖Spring AI、LangChain4J框架入门，RAG检索增强生成核心技术，Agent智能体开发到生产部署的完整学习路径，帮助Java程序员系统掌握大模型应用开发能力。
科技前沿AI测试开发学习路线：从提示词工程到RAG知识库的实战指南
一份系统化的AI测试开发学习路线，涵盖LLM认知基础、提示词工程、PyTest自动化协作、RAG向量知识库构建、MCP工具链增强等六大阶段，帮助测试工程师掌握AI赋能测试的核心技能，实现从测试开发到AI测试开发的职业进阶。