#RAG
共 296 篇相关文章
当Word样式不可信：DOCX转Markdown的实战教训
开发者分享DOCX转Markdown的实战教训：Word样式系统常被用户绕过，需要启发式回退规则识别手工格式化的标题。对RAG和Agent文档解析有重要参考价值。
RAG分块策略怎么选？从固定切分到late chunking的实战指南
RAG分块策略怎么选？本文解析固定切分、递归切分、语义分块、结构感知分块、父文档检索与late chunking的适用场景与陷阱，结合Chroma研究报告与ACL 2025论文，帮你避免RAG检索到答案却答不完整的常见问题。
不写代码也能玩RAG？Gemini工作区集成的另类用法
无需向量数据库，通过Gemini的Google Workspace集成即可实现按文件夹的上下文检索和写作风格模仿。本文解析这套「用户级RAG」的实际用法、token开销机制，以及它与标准RAG在检索原理上的关键差异。
RAG系统：LLM不是难点，检索质量才是关键
RAG系统的失败往往源于检索质量而非模型能力。本文深入分析检索相关性、分块策略、混合搜索、多文档问题、评估方法及生命周期管理，揭示RAG工程中真正困难的部分。
先定指标，再建看板：LLM评估的指标选择指南
LLM评估看板建得再漂亮，指标选错也白搭。本文按功能形态拆解指标选择：分类器用F1与AUC，生成器慎用困惑度，RAG看忠实度，并附带标签留出集上的F1/AUC代码示意与完整清单。
Substack通讯转RAG知识库：干净Markdown管道实战
从 Substack 通讯构建 RAG 知识库的完整管道：API 分页拉取归档、抓取正文、用 turndown 定向清洗 HTML 为干净 Markdown、标题感知分块、增量更新，并尊重付费墙。附现成工具与代码参考。
从零构建生产级AI Agent：RAG与MCP实战指南
基于Edureka实战教程，详解生产级AI Agent的完整构建流程：四层架构设计、RAG检索增强生成、MCP协议工具调用、ChromaDB向量数据库、模型选型与成本优化，附本地部署验证步骤。
MCP检索服务输出引用为何丢失：CSR基准深度解析
基于FastAPI文档构建MCP检索引用存活基准，CSR指标揭示Agent引用格式漂移与真实丢失的比例，OpenAI Agents SDK默认Responses API导致40%回答忽略引用格式，服务端短ID方案可修复。
PDF转Markdown：修复RAG分块前的阅读顺序与表格
RAG回答PDF问题不准？问题常出在提取阶段。本文分析双栏阅读顺序、表格结构、标题层级如何被纯文本提取破坏，对比pypdf、pdfplumber、Docling、Marker等开源库，并提供可运行的PDF转Markdown Python脚本，从源头修复分块质量。
LangChain4J实战：零基础构建企业级Agent与RAG应用
LangChain4J零基础实战教程：解析Components、Chains、Agents三大核心组件，演示如何用Java框架构建私有化部署的企业级Agent，涵盖RAG向量库与TextToSQL应用场景，帮助开发者将大模型接入企业私有数据。
用 TypeScript 手写 HNSW，实测 efSearch 与召回率权衡
用 TypeScript 从零实现 HNSW 近似最近邻索引，在 Node 中索引 5 万向量，实测 efSearch 从 10 到 200 时 recall@10 与延迟的权衡，并解析 pgvector、Qdrant 的生产参数与过滤陷阱。
RAG应用的拒答能力：让AI学会说'我不知道'
RAG应用如何学会拒答？一位开发者在90天AI挑战第一天，探索让RAG系统识别文档中缺失的答案，避免自信地编造无支撑回答。包含测试方案、常见陷阱与核心验证方法。
用pgvector+Java构建语义搜索与RAG：无需独立向量库
pgvector让PostgreSQL变身向量存储：用Java和Spring Boot实现语义搜索与RAG，无需独立向量数据库。涵盖HNSW索引、JDBC向量查询、RAG管线搭建、租户隔离与召回率评估。
成功AI产品的3个Agent模式：框架战争之外的真正关键
成功的AI Agent产品不靠新框架，而靠先规划后执行、检索与推理分离、显式交接三大模式。本文拆解生产环境中的Agent真实图景、RAG分块难题与未来方向。
Loreflow架构解析：让三类AI数据泄露在结构上不可能发生
Loreflow通过纯函数证据投影、固定证据预算和逐字段枚举，让跨租户泄露、提示词注入外泄和静默字段泄露三类AI数据安全问题在结构上不可能发生。
AI总犯同样的错？7个工程化方案从根源解决
AI反复犯同样的错误？本文从上下文管理、永久规则、错误日志、RAG检索、自动化验证等7个工程化角度，系统讲解如何让AI真正从错误中学习，不再重复踩坑。
B站748集AI大模型零基础教程：从RAG到Agent实战全解析
B站748集AI大模型零基础教程全解析：从基础认知到提示词工程，进阶覆盖RAG、LangChain、Agent开发，实战落地企业知识库、智能客服、股票分析三大项目。
XERJ：AI搜索数据新方式，Token消耗降低40倍
XERJ是GitHub上的开源AI数据搜索工具，通过autoindex自动索引代码、文档、日志和PDF，Token消耗比grep低40倍，兼容Elasticsearch，支持RAG和Agent记忆场景。
