RAG专栏

LLM 推出后，RAG 很快成为生成式 AI 领域的下一个大热点。但这些系统并非没有问题。虽然它增强了 LLM 功能，但也引入了一系列全新的问题，每个问题都需要独特的解决方案。 在…

前言： 上一章，我们介绍了RAG1.0和RAG2.0的比较 本章，我们介绍如何为什么你的 RAG 不起作用。 无数企业正在尝试使用检索增强生成 (RAG)，但他们普遍感到失望，因为…

前言： 上一章，我们介绍了RAG 技术栈之知识图谱 本章，我们介绍如何RAG1.0和RAG2.0的一些区别和未来发展 RAG 1.0 将 RAG 缝合在一起，而 RAG 2.0 则…

前言： 上一章，我们介绍了RAG 的核心 – 混合搜索 + 重新排序 + 恢复 本章，我们介绍RAG 技术栈之知识图谱 随着 CIO 准备将用例投入生产，企业采用生成式…

前言： 上一章，我们介绍了向量数据库 本章，我们介绍如何RAG 的核心 – 混合搜索 + 重新排序 + 恢复 混合搜索结合了各种搜索技术的优点，可以达到更好的召回效果。…

前言： 上一章，我们介绍了RAG2.0的概念 本章，我们介绍 向量数据库 基础模型 (FM) 是生成式 AI 的核心。这些模型是在大量数据上预先训练的。大型语言模型 (L…

如何知道你的训练是为了进步还是只是为了烧钱？ 我所说的设计视角是什么意思？ ChatGPT 表示：“设计视角”通常是指在创建或评估设计时所采取的观点或方法。它涵盖各种因素，例如功能…

前言： 上一章，我们介绍了RAG在很多行业中的情况 本章，我们介绍RAG2.0的概念 语言模型取得了惊人的进步，但也存在重大缺陷。解决这些缺陷的方法之一是检索增强。关于检索增强生成…

前言： 上一章，我们介绍了R 本章，我们介绍图这个概念在RAG的未来用法。 企业越来越多地使用生成式人工智能来利用他们所知道的知识和所拥有的信息。但仅仅使用语言模型本身可能无法全面…

前言： 上一章，我们介绍了RAG框架之一的AnythingLLM 本章，我们将从各个维度更加详细的介绍AnythingLLM AnythingLLM非常好用。帮你迅速部署本地的私有…

前言： 上一章，我们介绍了RAG在每个行业的一些真实应用和心得 本章，我们介绍如何RAG的主流框架产品之一Dify。 Dify 是一个开源的大型语言模型（LLM）应用开发平台，结合…

前言： 上一章，我们介绍了在各个垂直行业RAG的应用情况。 本章，我们介绍AI Agent 的五个级别 关于 AGI 或超级人工智能 (ASI) 以及各组织正在酝酿什么，一直存在着…

前言： 上一章，我们介绍了构建RAG工艺流程管道 本章，我们介绍在各个垂直行业RAG的应用情况。这个非常有用，至少如果你正好属于我们介绍的其中一个行业，你会收益。知道现在行业是怎么…

前言： 上一章，我们介绍了几种不同的RAG框架 本章，我们介绍完整的RAG工艺流程管道。 我们将深入探讨在 RAG 流程中实现每个构建块的最佳实践，并提供额外的详细说明以确保更全面…

前言： 上一章，我们介绍了RAG和微调的区别和其余的一些技术比较 本章，我们介绍RAG的几个不同框架。 简单，高级，和模块化的RAG。实质上未来还会不断的演化。会根据硬件的要求，限…

前言： 上一章，我们介绍了RAG在很多行业中的情况。 本章，我们介绍高级RAG和Fine-tuning的区别 Fine-tuning中文微调。作为另外一种基础大模型的优化手段，业界…

前言： 上一章，我们介绍了RAG的基础知识。主要是介绍了相对简单，且通俗易懂的内容 本章，我们介绍高级RAG知识，相对来说有点晦涩难懂。 由于RAG是一个相对复杂的系统，我们有必要…