AI-知识图谱
23篇文章 · 0订阅
  • 手把手教：LangChain+Qwen3搭建本地RAG问答系统，从0到1全流程
    本文将带大家从零开始，用LangChain框架整合Qwen3大模型与BGE-M3嵌入模型，手戳一个可本地运行的端到端RAG系统。
    LangChain LLM 程序员
  • 《AI导演手册：用CRTF法则写出95%成功率的提示词》
    摘要：用导演视角重构提示词工程，CRTF框架+3级案例，从30%到95%成功率，附Cursor/Copilot配置实战，AI秒变影帝。
    AI编程 前端
    《AI导演手册：用CRTF法则写出95%成功率的提示词》
  • 对于普通程序员来说 AI 是什么？AI 究竟用的是什么？
    这是一个很有趣的问题，很多人觉得有了 AI 之后是不需要学习，因为 AI 可以帮助他解决大部分问题，但是如果你已经使用过一段时间 AI，或者说你正在使用 vibe coding ，那么你的实际体验会告
    前端 Flutter AI编程
    对于普通程序员来说 AI 是什么？AI 究竟用的是什么？
  • GC-QA-RAG 智能问答系统的文档切片
    本章节介绍 GC-QA-RAG 智能问答系统的文档切片原理，即如何将原始文档的知识点切片后存入向量数据库。 1. 原始思路 将整个文档作为输入，交由大语言模型自动生成问答对（QA Pairs）
    AI编程
  • 本地AI知识库问答开源技术实现（三）--配置模型和知识库
    最近学的内容梳理了一遍，从基本概念理解，到动手搭建，再到参数调整，最终达到一个基本可用的状态，所有数据都在内网流转；效果没有想像中的那么完美，但是用于知识库是可行的。
    LLM Agent 程序员
  • Dify实战--基于菜谱的RAG系统
    在人工智能技术飞速发展的今天，如何快速构建一个实用的智能问答系统成为了许多开发者关注的重点。本文将介绍如何利用Dify和Neo4j图数据库，构建一个基于菜谱知识的RAG系统
    工作流引擎 LLM 产品经理
  • 模块化RAG技术路线图(Modular RAG Technical Map)：从基础Naive RAG 到高级Advanced，再到Modular RAG全方位
    模块化RAG技术路线图(Modular RAG Technical Map)：从基础Naive RAG 到高级Advanced，再到Modular RAG全方位技术解读 1.RAG 产生 为什么不直接
    人工智能
    模块化RAG技术路线图(Modular RAG Technical Map)：从基础Naive RAG 到高级Advanced，再到Modular RAG全方位
  • 基于预生成 QA 对的 RAG 知识库解决方案
    基于预生成 QA 对的 RAG 知识库解决方案,采用创新的问答对生成方法，相比传统文本切片技术，能够更精准的构建知识库，显著提升检索与问答效果。
    AI编程
  • 构建由 LLM 驱动的 Neo4j 应用程序——LLM、RAG 与 Neo4j 知识图谱简介
    人工智能（AI）正从小众和专业领域逐渐走向大众，更加易于使用，能够辅助日常任务。其中最典型的例子便是生成式人工智能（Generative AI，简称 GenAI）的爆发式发展。近年来，GenAI 以其
    LLM AIGC LangChain
    构建由 LLM 驱动的 Neo4j 应用程序——LLM、RAG 与 Neo4j 知识图谱简介
  • 人工智能NLP--特征提取之词嵌入(Word Embedding)
    一、前言 在上篇文章中，笔者详细讲解介绍了人工智能自然语言处理特征提取中的TD-IDF型文本处理方法，那么接下来，笔者将为大家揭晓，目前阶段，在特征提取，也就是文本数据转成数字数据领域内最常用也是最好
    算法 人工智能 NLP
    人工智能NLP--特征提取之词嵌入(Word Embedding)