首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
确定删除此收藏集吗
删除后此收藏集将被移除
取消
确定删除
确定删除此文章吗
删除后此文章将被从当前收藏集中移除
取消
确定删除
编辑收藏集
名称:
描述:
0
/100
公开
当其他人关注此收藏集后不可再更改为隐私
隐私
仅自己可见此收藏集
取消
确定
agent
订阅
用户612378631692
更多收藏集
微信扫码分享
微信
新浪微博
QQ
17篇文章 · 0订阅
从原理到实战:基于SpringAI的RAG应用探索
本篇文章围绕RAG的提出背景与核心原理展开,并结合Spring AI框架,讲述如何开发RAG的应用。
【实战】RAG架构双模型协作:从Embedding量化到Chat生成全流程优化
一、模型分类与核心定位 1.1 Chat对话模型:语言交互的"大脑" 典型代表: GPT-4/3.5 Turbo Claude 3 DeepSeek-R1 核心能力: 上下文理解(支持128k tok
你不需要 GraphRAG!构建一个多策略图谱思维(Multi-Strategy Graph Thinking)AI Agent
在本文中,我将通过一个超简洁的教程,向你展示如何构建多策略图谱思维(Multi-Strategy Graph Thinking),进而为你的业务或个人使用打造一个功能强大的 Agent 聊天机器人。
赛后总结 - RAG如何做多路召回?
虽然没进决赛,但总结一下oceanbase ai hackthon中所实现的多路召回 1. 重排序(Rerank)实现 实现了基于 bge-reranker-large 模型的重排序功能,通过对检索到
读懂RAG这一篇就够了,万字详述RAG的5步流程和12个优化策略
©作者| 帅气的桌子 来源| 神州问学 RAG概述 ChatGPT、GLM等生成式人工智能在文本生成、文本到图像生成等任务中表现出令人印象深刻的性能。但它们也存在固有局限性,包括产生幻觉、缺乏对生成文
跟着 8.6k Star 的开源数据库,搞 RAG!
过去 9 年里,HelloGitHub 月刊累计收录了 3000 多个开源项目。然而,随着项目数量的增加,不少用户反馈:“搜索功能不好用,找不到想要的项目!” 这让我意识到,仅仅收录项目是不够的,还需
RAG系统效果不达预期?一定要看看这篇详细高效的优化指南!
还在为RAG系统效果不佳而发愁?本篇文章从RAG系统三个核心环节出发,针对每个环节提出了诸如切片优化、提示词优化等详细的优化策略,大家可以尝试组合这些优化策略,预计可将现有RAG系统效果提高20%
一文带你上手 AI Agent 编程
许多 agent 教程比较偏概念的科普,看完了后还是不知道怎么编程,这里以能够上手编写一个 Agent 为目标,理解 LLM 的关键概念,掌握构建 Agent 的关键技术。
一个AI工作流如何让代码审查从手动到智能?实战拆解
理论再完美,不如一个好案例。本文通过智能代码审查工作流的完整实战案例,展示多Agent协作的具体实现,包含核心代码逻辑、6个月实践的真实数据,以及关键踩坑经验。让你快速从理论走向实践。
超越传统 RAG:GraphRAG 全流程解析与实战指南
本文以微软 GraphRAG 为例,讲解索引构建、检索流程到实战应用与可视化展示,并与传统 RAG 对比,全面解析 GraphRAG 的优势。