微调与RAG：理解个性化AI聊天机器人的策略

Para tornar um chatbot mais preciso e eficiente, é essencial definir como ele aprende e acessa informações. O Fine-Tuning permite que o modelo aprenda novas informações de forma definitiva, como...

Fine-Tuning和RAG是提高聊天机器人准确性和效率的两种策略。Fine-Tuning通过调整模型权重学习新信息，但更新困难；RAG结合信息检索和文本生成，能够动态获取最新数据，适合实时更新的应用。

Fine-Tuning RAG ai 信息检索文本生成机器人聊天机器人

原文约1300字/词，阅读约需5分钟。发表于：。

阅读原文

分享给好友

Exploring the Role of Smaller LMs in Augmenting RAG Systems

Let's discover what small language models (SLMs) are, how they can be used in RAG systems and applications, and when to use them over their large language counterparts.

rag

发表于：。

阅读原文

分享给好友

【LangChain】一文读懂RAG基础以及基于langchain的RAG实战

作者：京东科技蔡欣彤本文参与神灯创作者计划 - 前沿技术探索与应用赛道内容背景随着大模型应用不断落地，知识库，RAG是现在绕不开的话题，但是相信有些小伙伴和我一样，可能会一直存在一些问题，例如：•什么是RAG•上传的文档怎么就能检索了，中间是什么过程•有的知道中间会进行向量化，会向量存储，那他们具体的含义和实际过程产生效果是什么•还有RAG = 向量化 + 向量存储 + 检索么？•向量化 +

本文介绍了检索增强生成（RAG）的基本概念及其在LangChain框架中的应用，包括文档加载、文本分割、向量化和向量存储等关键技术。通过实例代码，展示了如何构建员工工作指南检索系统和多轮对话查询，并讨论了企业级RAG构建的注意事项。

LangChain RAG 向量化多轮对话文档加载

原文中文，约11800字，阅读约需28分钟。发表于：。

阅读原文

分享给好友

【LangChain】一文读懂RAG基础以及基于langchain的RAG实战

本文介绍了RAG的基础过程，在langchain框架下如何使用，再到提供两个个例子进行了代码实践，最后又简要介绍了企业级别RAG构建的内容。最后希望大家能有所收获。码字不易，如果喜欢，请给作者一个小小的赞做鼓励吧～～

本文介绍了检索增强生成（RAG）的基本概念及其在LangChain框架中的应用。RAG结合语言模型与外部知识库，克服了模型对固定训练数据的依赖。文章详细描述了RAG的流程，包括文档加载、文本分割、向量化、向量存储与检索，并提供了实际代码示例，以帮助读者理解RAG的实现过程。

LangChain RAG 向量化知识库语言模型

原文中文，约11800字，阅读约需29分钟。发表于：。

阅读原文

分享给好友

基于 RAG 和 Dify 的生产级电话销售话术生成工具

本文剖析 RAG 在电销话术生成中的工程化实践，聚焦生产级挑战：通过 Amazon Bedrock 构建知识库，结合 Dify 编排检索-生成链。针对海量文档检索瓶颈，提出多种优化思路——元数据自动过滤缩小搜索域、重排序模型、LLM 提炼高密度知识块，并基于查询分解机制应对复杂问题。

电话销售团队在客户上云过程中至关重要，但面临信息获取难和通话质量受限的挑战。为此，采用检索增强生成（RAG）技术，结合Amazon Bedrock和Dify，构建智能话术推荐系统，以提升话术准备效率和转化率。通过优化检索流程和知识库管理，系统实现高效、个性化的销售支持。

RAG技术 dify rag 上云智能话术电话销售销售支持

原文中文，约3600字，阅读约需9分钟。发表于：。

阅读原文

分享给好友

为RAG实现上下文检索

Anthropic has published a great article about Contextual Retrieval that suggests the combination of vector-based search and TF-IDF. The way to think about a data flow for the pipeline is: In...

Anthropic发表了一篇关于上下文检索的文章，提出结合向量搜索与TF-IDF的方法。该流程包括提取文档关键词及其频率，计算TF-IDF分数并建立关键词索引，查询时结合向量索引和关键词索引的结果。

TF-IDF rag 上下文检索关键词索引向量搜索文档关键词

原文英文，约200词，阅读约需1分钟。发表于：。

阅读原文

分享给好友

A Practical Guide to Building Local RAG Applications with LangChain

Retrieval augmented generation (RAG) encompasses a family of systems that extend conventional language models , large and otherwise (LLMs), to incorporate context based on retrieved knowledge from...

guide langchain rag

发表于：。

阅读原文

分享给好友

RAG实践：使用Claude Desktop的高级检索技术

In the first part of this series, we built the foundation of our RAG system by setting up Qdrant, processing our AI-friendly Angular documentation, and configuring the MCP server to connect with...

本文介绍了如何通过RAG系统提升技术文档的检索和使用效率。使用基本查询、两步法和三步法等技术，Claude能更准确地回答关于Angular，特别是独立组件的默认设置。这些方法提高了响应质量，适用于多种结构化知识领域。

Angular RAG系统 claude rag 响应质量技术文档查询方法

原文英文，约2000词，阅读约需8分钟。发表于：。

阅读原文

分享给好友

从零开始的检索增强生成（RAG）——傻瓜教程

Ever wondered how AI tools like ChatGPT can answer questions based on specific documents they've never seen before? This guide breaks down Retrieval Augmented Generation (RAG) in the simplest...

本文介绍了检索增强生成（RAG）系统的概念及实现方法。RAG通过文档分块、嵌入和索引，帮助AI准确回答特定文档的问题。使用PocketFlow框架，用户可轻松构建RAG系统，提高AI响应的准确性和相关性。

PocketFlow RAG 嵌入教程文档分块索引

原文英文，约3400词，阅读约需13分钟。发表于：。

阅读原文

分享给好友

LangChainGo与MongoDB：在Go中驱动RAG应用

MongoDB is excited to announce our integration with LangChainGo, making it easier to build Go applications powered by large language models (LLMs). This integration streamlines LLM-based...

MongoDB与LangChainGo的集成简化了基于大型语言模型的Go应用开发，利用MongoDB的向量数据库实现高效知识检索和实时AI工作流，帮助开发者构建AI解决方案。

AI解决方案 LangChainGo MongoDB go rag 向量数据库知识检索

原文英文，约2100词，阅读约需8分钟。发表于：。

阅读原文

分享给好友