RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合**信息检索**和**大模型生成**的AI架构，主要用于提升大模型的知识准确性和上下文理解能力。

作为一名从业七年的程序员，最近听到很多程序员朋友都喜提了n+1裁员大礼包，在AI技术飞速发展的今天，我意识到程序员转型为AI工程师似乎是一个不错的选择。

之前写了如何通过 Ollama 实现大模型本地化，本次将通过代码实现 Ollama + DeepSeek 实现本地大模型的联网回答能力。

人工智能：ollama + fastgpt+m3e本地部署，关于fastgpt知识库的部署流程和遇到的问题

大家好，我是 ConardLi。 今天继续来聊 DeepSeek。 前几天我发了一篇文章来介绍如何通过非官方途径使用 DeepSeek：摆脱卡顿！曲线救国使用 DeepSeek 方法大全，但是这里面的

嗨， 大家好， 我是徐小夕。 最近在 github 上发现一款非常有意思的框架—— js-pytorch。它可以让前端轻松使用 javascript 来运行深度学习框架。作为一名资深前端技术玩家， 今

在上一篇文章中,我们讨论了如何构建一个翻译助手Agent。今天,我想分享另一个实际项目:如何构建一个写作助手Agent。这个项目源于我们一个内容团队的真实需求 - 提升创作效率,保障内容质量。 #

RAG 是`retrieval-augmented-generation`的缩写，翻译为中文的意思就检索增强，以基于最新，最准确的数据建立` LLM `的语料知识库。

觉得搞一个AI的智能问答知识库很难吗？那是你没有找对方向和工具，今天我们分享一个开源项目，帮助你快速构建基于Langchain 和LLM 的本地知识库问答，在GitHub已经获得27K star