RAG（检索增强生成）是一种架构，解决了传统大型语言模型无法访问私有数据的问题。它通过从数据库中检索相关信息来增强用户问题，并生成基于这些信息的答案。RAG的工作流程包括文档分块、嵌入、向量数据库和提示增强，确保AI能准确回答用户问题。理解RAG对软件工程师至关重要，因为现代企业软件几乎都涉及这一技术。

Khoj是一个自托管的“第二大脑”平台，能够将网页、笔记和文档转化为语义知识库，支持私有数据的搜索和自动化。它集成了语义检索和增强生成，兼容多种LLM后端，提供私有部署、语义索引和自动化任务功能，适用于企业知识库、研究原型和个人生产力。

本地MCP服务器正式推出，支持Azure DevOps，提供AI助手与Azure DevOps之间的实时上下文，提升工具准确性。用户可安全访问私有数据，我们将持续改进工具并开发新功能。

AI Runner是一款适用于Linux和Windows的桌面应用程序，旨在简化AI工作流程。它支持私有数据的RAG、离线聊天机器人对话，以及从图像生成AI艺术和视频。该应用使用Apache 2许可证，易于扩展，适合非技术用户。

大型语言模型（LLM）不适合所有企业需求，企业更需要可定制的小型模型。小型模型成本效益高，能够访问私有数据，并可作为工作流的“构建块”。InstructLab项目通过合成数据生成和简单命令，帮助企业训练小型模型，并支持开源以避免知识产权问题。

Elastic AI助手利用检索增强生成（RAG）技术，将用户的私有数据与大型语言模型结合，提高安全分析的效率。用户可以轻松添加自定义知识源，如PDF报告和资产信息，从而加快调查过程中的信息获取，同时确保数据安全和权限控制。

Elastic的Workplace Search将与Elasticsearch合并，未来将支持内部知识搜索。用户可以通过新连接器灵活管理私有数据，提升搜索体验。虽然Workplace Search仍将得到支持，但推荐使用Elasticsearch以获取更多功能和安全升级。

GAI生成内容受训练数据限制，公开数据易产生错觉。私有数据结合改善服务和员工数据查找。私有数据嵌入模型复杂且成本高，可用Elastic搜索。领域特定背景信息提高输出准确性和相关度。数据需存储在统一平台中。