标签：rag

2026-07-19andy阅读(129)

引言：RAG的承诺与现实 2024年至2026年间，检索增强生成（Retrieval-Augmented Generation, RAG）从一个学术概念迅速演变为大模型落地最主流的工程范式。几乎每一家正在构建AI应用的团队，都在某个阶段尝试...

2026-07-18andy阅读(136)

课程概览：为什么选择Microsoft Generative AI for Beginners？ 在2026年的今天，生成式AI已经渗透到软件开发、内容创作、数据分析等各个领域。然而，对于初学者来说，如何系统性地学习生成式AI仍然是一个难题...

2026-07-18andy阅读(169)

为什么 Reranker 是生产级 RAG 系统中不可或缺的关键组件 在构建基于向量搜索的 RAG（检索增强生成）系统时，许多开发者将大量精力投入到 Embedding 模型选型、向量数据库性能和分块策略优化上，却往往忽视了检索链路中一个至...

2026-07-16andy阅读(171)

随着社区文章数量突破 3000 篇，传统的基于 SQL LIKE 的全文搜索已经难以满足用户精准获取技术内容的需求。为此，汤不热吧技术社区近期完成了 AI 语义搜索系统的建设——基于 Milvus 向量数据库与 LangChain 框架，构...

2026-07-12andy阅读(137)

检索增强生成（Retrieval-Augmented Generation, RAG）已成为大语言模型落地企业应用的主流架构。然而，许多团队在搭建完基础RAG原型后，发现检索结果不准确、回答质量不稳定、用户体验欠佳等问题。本文将聚焦RAG系...

2026-07-07andy阅读(162)

在众多向量数据库中，Weaviate 凭借其独特的 GraphQL 原生接口、多租户架构和内置的模块化生态系统，在 AI 基础设施领域占据了一席之地。与 Milvus 专注于高性能检索、ChromaDB 追求轻量级不同，Weaviate 最...

2026-07-02andy阅读(177)

ChromaDB 向量数据库从入门到实战：构建高效 RAG 应用的完整指南 在大型语言模型（LLM）应用爆发的今天，检索增强生成（Retrieval-Augmented Generation, RAG）已成为构建知识密集型 AI 应用的核心...

2026-06-28andy阅读(267)

Milvus 向量数据库深度实战：从架构原理到生产部署与性能调优完整指南 随着大语言模型（LLM）和检索增强生成（RAG）技术的广泛普及，向量数据库已悄然成为AI基础设施的核心组件之一。在众多向量数据库产品中，Milvus 凭借其云原生架构...

2026-06-23andy阅读(272)

什么是RAG（检索增强生成）？ RAG（Retrieval-Augmented Generation，检索增强生成）是2023年以来大语言模型应用中最重要的一项技术架构。它通过将外部知识检索与语言模型生成能力相结合，有效解决了大模型R...

2026-06-23andy阅读(207)

为什么生产环境需要 Qdrant：向量数据库的架构设计哲学 随着大语言模型（LLM）和检索增强生成（RAG）技术的广泛落地，向量数据库已经成为现代 AI 基础设施中不可或缺的一环。在众多向量数据库产品中，Qdrant 凭借其独特的 Rust...