随着大语言模型（LLM）的快速发展，其在文本生成、问答等任务中展现出强大能力。然而，模型的知识局限性、幻觉问题及数据安全需求，催生了检索增强生成（Retrieval-Augmented Generat

优化RAG检索： 检索前：问题重写、子问题生成、Step-Back提示、HyDE。 检索中：元数据过滤、混合检索、Embedding微调、多路召回。 检索后：重排序、去重、内容选择压缩。

Prompt工程全攻略：15+Prompt框架一网打尽（BROKE、COAST、LangGPT）、学会提示词让大模型更高效 0.相关文章推荐 Prompt工程原理篇 大语言模型的预训练[3]之Prom

通过RAG来增强LLM已经是目前很多的首选，但是最近有一个新的开源项目让大家看到了更好的选择的可能。今天我们分享一个开源项目，它号称是RAG的下一代技术，让大模型可以拥有个性化的记忆，它就是：mem0

近期,大型语言模型(LLM)如GPT系列模型引领了人工智能领域的一场技术革命。开发者们都在利用这些LLM进行各种尝试, LangChain可以极大的可以提升开发LLM的效率.