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
安思派Anspire
掘友等级
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
2
文章 2
沸点 0
赞
2
返回
|
搜索文章
安思派Anspire
1小时前
关注
使用LangGraph构建自主RAG5
测试1:(与医疗问答数据集相关的问题) 测试2:(与医疗器械手册数据集相关的问题) 测试3:(网络搜索超纲问题) 测试4:陷阱问题(问题看似与问答数据集相关,但在问答数据集...
0
评论
分享
安思派Anspire
1天前
关注
使用LangGraph构建自主RAG5
简单的RAG代码实现 在这个简单的RAG中,流程如下: 查询 → 检索 → 提示构建(增强) → 生成 该流程使用LangGraph的状态图实现,包含三个节点(步骤): 1...
0
评论
分享
安思派Anspire
2天前
关注
使用LangGraph构建自主RAG(3)
设置WebSearch API: 我们使用serperAPI进行网络搜索(谷歌搜索)。其免费层提供2500次免费网络搜索API。它能在1 - 2秒内为给定查询提供谷歌搜索结...
0
评论
分享
安思派Anspire
3天前
关注
使用LangGraph构建自主RAG2
设置向量存储(Chroma DB) 创建ChromaDB客户端 我们使用chromadb库创建ChromDB客户端。 创建集合 我们将创建两个集合,一个用于设备手册数据集,...
0
评论
分享
安思派Anspire
4天前
关注
使用LangGraph构建自主RAG(1)
传统检索增强生成(RAG)与智能体检索增强生成(RAG)对比(图片由作者提供) 非会员:阅读此处 类比 我记得七年级英语考试时的一个情况。有一道题超出了教学大纲,所有学生都...
0
评论
分享
安思派Anspire
7天前
关注
A2A + MCP + LangChain = 强大的多智能体聊天机器人
结合谷歌的代理到代理协议(A2A)、模型上下文协议(MCP)和LangChain,构建一个能够进行实时股票分析和新闻聚合的自主协作聊天机器人。在本深度指南中,我们将逐步介绍...
0
评论
分享
安思派Anspire
8天前
关注
亚马逊再次证明AI并非答案
上周,亚马逊向金·卡戴珊展示了如何真正“让互联网崩溃”(这仍然是一个贴切的说法……对吧?).由于亚马逊网络服务(AWS)彻底崩溃,从主要的网上银行门户到《堡垒之夜》等大型电...
0
评论
分享
安思派Anspire
9天前
关注
在工作中正确使用AI的方法
作者通过Ideogram绘制的插图 如果你听听顶尖AI公司的CEO们怎么说,或者哪怕只是匆匆瞥一眼美国经济,就会发现AI热潮无处不在,这是再明显不过的了。 美国最大的科技公...
0
评论
分享
安思派Anspire
9天前
关注
Claude技能手册:Anthropic的新上下文引擎是否超越MCP?
Anthropic悄然在GitHub上发布了Claude技能手册。起初,我以为这不过是又一份枯燥的API文档。 但在摸索了几个小时后,我意识到——这个东西实际上 改变了 C...
0
评论
分享
安思派Anspire
11天前
关注
从法律文档到知识图谱
对数据进行结构化处理,可提高检索的准确性 在Neo4j AuraDB中创建免费的图数据库实例 检索增强生成(RAG)已成为一种强大的技术,能够为大型语言模型(LLM)补充外...
0
评论
分享
安思派Anspire
14天前
关注
构建一个自主深度思考的RAG管道以解决复杂查询--分析最终的高质量答案(8)
智能体已完成其研究。final_state变量现在包含完整的RAGState,其中包括final_answer。让我们将其打印出来,看看它是否成功地将两个来源的信息综合成一...
0
评论
分享
安思派Anspire
15天前
关注
构建一个自主深度思考的RAG管道以解决复杂查询--深度思考RAG机器的布线(7)
我们所有的单个组件都已准备就绪: 我们的节点(工作节点) 我们的条件边(管理者)。 现在是时候将它们全部连接成一个统一的系统了。 我们将使用LangGraph的状态图来定义...
0
评论
分享
安思派Anspire
15天前
关注
构建一个自主深度思考的RAG管道以解决复杂查询--通过网络搜索扩充知识(6)
所以,我们的检索漏斗现在非常强大,但它有一个巨大的盲点。 它只能查看我们2023年10-K文件中的内容。要解决我们的查询难题,我们的智能体需要查找有关AMD AI芯片战略的...
0
评论
分享
安思派Anspire
17天前
关注
构建一个自主深度思考的RAG管道以解决复杂查询--创建多阶段检索漏斗(5)
到目前为止,我们已经设计了一个智能规划器,并为我们的文档添加了元数据。现在,我们准备构建系统的核心:一个复杂的检索管道。 简单的一次性语义搜索已经不够用了。对于生产级别的智...
0
评论
分享
安思派Anspire
18天前
关注
构建一个自主深度思考的RAG管道以解决复杂查询--战略规划与查询制定(4)
在定义了我们的RAGState之后,我们现在可以构建代理的第一个、也可以说是最关键的认知组件:它的规划能力。这是我们的系统从简单的数据获取器跃升为真正的推理引擎的地方。我们...
0
评论
分享
安思派Anspire
21天前
关注
构建一个自主深度思考的RAG管道以解决复杂查询--定义中央代理系统的RAG状态(3)
要构建我们的推理代理,我们首先需要一种方法来管理其状态。在我们简单的RAG链中,每个步骤都是无状态的,但是… 然而,智能代理需要一个记忆系统。它需要记住原始问题、它制定的计...
0
评论
分享
安思派Anspire
23天前
关注
构建一个自主深度思考的RAG管道以解决复杂查询--构建一个注定失败的浅层RAG管道(2)
既然我们已经配置好环境,并且准备好了具有挑战性的知识库,那么接下来合乎逻辑的步骤就是构建一个标准的普通检索增强生成(RAG)管道。这具有至关重要的作用…… 首先构建一个尽可...
0
评论
分享
安思派Anspire
23天前
关注
构建一个自主深度思考的RAG管道以解决复杂查询--深度思考RAG管道(1)
一个RAG系统常常失败,不是因为大语言模型缺乏智能,而是因为其架构过于简单。它试图用线性、一次性的方法来处理一个循环、多步骤的问题。 许多复杂的查询需要推理、反思,以及明智...
0
评论
分享
安思派Anspire
28天前
关注
70%的RAG性能与分块有关
RAG(检索增强生成)管道在很大程度上依赖于你如何分割文档(分块)。在这篇文章中,我将介绍RAG工作流程,突出分块在其中的作用,然后深入探讨固定、递归、语义、基于结构和后期...
0
评论
分享
安思派Anspire
29天前
关注
为何你的RAG系统无法处理复杂问题(三)
2. 高级:动态添加结构(迭代RAS循环) 在先进的RAS系统中,结构化过程通常是动态且迭代的,结合分类法和知识图谱来使上下文与查询相匹配。 这种技术被需要更具动态性的高级...
0
评论
分享
下一页
个人成就
文章被点赞
22
文章被阅读
12,667
掘力值
1,845
关注了
0
关注者
18
收藏集
0
关注标签
3
加入于
2025-04-28