卡内基梅隆大学在RAG方向上总结了一下15种RAG框架的优点、问题，同时对RAG的发展方向做了一些论述。做AIGC RAG落地的朋友可以看一下

AgentSquare 是清华大学团队推出的模块化智能体设计和搜索新框架，通过自动优化 LLM 代理设计，显著提升智能体性能。

前面的章节，我们已经完成了可用的基于知识库回答的ai助手，尽管RAG容易上手，但是要真正掌握其精髓却颇有难度，实际上，建立一个的有效的RAG系统不仅仅是将文档放入向量数据库并叠加一个llm模型那么简单

LangChain根据功能、用途的不同，提供了大量的Chain链，以下是一些Chain链的使用示例。

在我之前的文章 “Elasticsearch：与多个 PDF 聊天 | LangChain Python 应用教程（免费 LLMs 和嵌入）” 里，我详述如何使用 Streamlit，Langchai

大家可能都有这样的经历，刚入职一家企业时，同事往往会给你分享一些文档资料，有可能是产品信息、规章制度等等。这些文档有的过于冗长，很难第一时间找到想要的内容。有的已经有了新版本，但员工使用的还是老版本。

去年我们尝试过使用 Easysearch + 千问 2 大模型打造一个企业内部知识问答系统，今年又有更加给力的大模型出现了--DeepSeek，性能对标 OpenAI o1 正式版。而且 Easyse

在前面的文章中,我们讨论了 AI Agent 的性能优化。今天,我想分享一个实际的项目案例:如何构建一个代码助手 Agent。这个项目源于我们团队的一个真实需求 - 提高日常开发效率。 ## 从一

本文基于百度千帆大模型，使用 Langchain 和 Gradio 框架，用短短 100 行代码就构建出一个极简的智能体应用。该应用能够根据用户问题，选择不同的工具获取信息，并生成最终回答。