#RAG
共 306 篇相关文章
暴力塞满上下文 vs RAG：向量数据库是智能体记忆的死胡同吗？
一位开发者放弃向量数据库，转而将完整动作日志直接塞进百万级上下文窗口，推理效果大幅提升。本文探讨智能体记忆中 RAG 失效的原因、长上下文填充的可行性与边界，以及我们是否过度设计了记忆管线。
RAG访问控制新思路：Amazon Quick与Bedrock如何守住企业数据权限
Amazon Quick与Amazon Bedrock Knowledge Bases通过查询时实时权限验证，为企业RAG应用实现文档级访问控制，直接与SharePoint、Google Drive等权威数据源核验权限，破解生成式AI的数据泄露难题。
EmbeddingGemma 2实测：手机就能跑的多模态检索模型
Google开源的EmbeddingGemma 2把文本、图像、视频、音频映射进同一向量空间，小到能在手机运行。本文解析其架构原理，并通过Colab实测图片、语音、视频、文档的多模态检索效果与短板。
AI客服有知识库还答错？RAG检索的真正难题在这里
AI客服有知识库仍会答错，根源在于RAG只做相似度检索，召回了不该用的内容。本文解析如何通过metadata标注、条件识别与冲突仲裁，让AI Agent在正确条件下只使用正确内容。
RAG检索增强生成实战：从零搭建企业私有知识库
RAG检索增强生成实战教程，详解企业私有知识库搭建全流程：从文档处理、数据分片、Embedding向量化到Milvus向量库检索与大模型生成，手把手讲清RAG原理与落地细节。
层级感知RAG分块工具包：为法律文档打造的私有化处理方案
一套面向RAG流水线的层级感知分块工具包，含法律交叉引用与法案提取脚本，支持私有化部署与源码交付，专为法律文档等结构化场景优化检索质量，兼容LangChain生态。
大模型RAG企业实战：从零搭建问答系统架构
大模型RAG企业项目实战课第一周详解：基于FastAPI构建RESTful API，统一调度本地开源模型与在线API，用PyCharm远程连接Linux服务器完成部署，并用Postman验证前后端问答链路，还原企业级大模型系统的真实开发流程。
RAG知识库系统实战：从零搭建企业级私有知识库全流程
手把手教你搭建企业级RAG私有知识库系统，基于Vue 3与Spring AI，涵盖Milvus向量数据库、分块策略、召回率优化、AI幻觉抑制、来源追溯与访问控制等企业级实战难点，附完整Java+AI学习路径。
3分钟看懂多智能体系统：从无状态模型到协作架构
3分钟看懂多智能体系统：从大模型的无状态本质出发，解析智能体循环、记忆与RAG的数据检索原理、编排者协作架构以及MCP契约，帮你建立AI Agent系统的完整认知框架。
Chunkr：用 Rust 打造的文本分块库，速度快 20 倍
Chunkr 是一个用 Rust 编写的开源文本分块库，支持递归、Markdown、层级等多种分块策略及原生 PDF 加载。基准测试显示其速度比 LangChain、pypdf 等主流工具快约 15-20 倍，适合 RAG 系统的高吞吐文档预处理。
LangChain + Amazon Bedrock：Agentic检索如何破解多段式问题
本文基于 LangChain 与 Amazon Bedrock 托管知识库，解析 Agentic 检索如何处理单次检索难以应对的多段式问题，并通过追踪事件对比两条检索路径的行为与成本，为企业 RAG 应用落地提供参考。
Naive RAG vs 高级混合RAG：检索增强生成的两种范式
一文讲清 Naive RAG 与 Advanced Hybrid RAG 的区别：从单路向量检索到向量搜索+BM25+元数据过滤+交叉编码器重排序的混合架构，帮你根据场景选择合适的 RAG 检索方案。
混合RAG检索实战：Dense+BM25+RRF与重排序完整解析
深入解析开源项目 ReRankEval 混合 RAG 检索管线：稠密向量搜索、BM25、RRF 倒数排名融合与 LLM 重排序如何协同，以及用 Hit Rate、MRR、NDCG 科学评测检索质量的完整方法。
上下文嵌入新范式：Perplexity发布pplx-embed-v2刷新基准
Perplexity发布预览版上下文嵌入模型pplx-embed-v2-context-9b，采用在编码每个分块时纳入整篇文档的新训练方法，在ConTEB和turbopuffer私有基准context-bench上刷新最佳成绩，有望改善RAG长文档检索的信息损失问题。
生产级Agentic RAG实战课程：从检索到智能体的开源教程
开源项目 jamwithai/production-agentic-rag-course 聚焦生产级 Agentic RAG 实战，已获近万 Star。本文解析 Agentic RAG 的核心思路、项目热度与适用人群，帮助 AI 工程师从 Demo 走向可上线系统。
RAG 进阶学习指南：从原型到深度掌握的优质资源路线
一位 Reddit 开发者在搭建 RAG 原型后，苦于找不到有深度、可实践的学习资源。本文分析其 LangChain + Claude 技术栈，拆解检索重排、文档解析与评估体系三大进阶方向，给出从「会用」到「懂原理」的 RAG 学习路线。
RAG全栈开发入门：从原理到五大核心环节详解
RAG（检索增强生成）全流程入门教程：从分片、索引、召回、重排到生成五大核心环节，详解向量、Embedding与向量数据库概念，助你搭建企业智能客服与知识库。
企业知识检索基准测试：AI智能体为何在真实数据前失灵
AI智能体在真实企业知识库上的检索为何频频失灵？本文解析杂乱企业数据与干净基准数据集的鸿沟，探讨RAG检索基准测试的挑战与企业级AI落地的实用建议。
