文章列表-AI魔法学院

文章列表

LLM之RAG实战（五）| 高级RAG 01：使用小块检索，小块所属的大块喂给LLM，可以提高RAG性能

在这篇博客文章中，我们将深入研究这两种方法在LlamaIndex中的实现。

RAG 检索

简单提升RAG的10种方法

使用 LangChain 或 LlamaIndex 等框架，可以使用大约五行代码就构建一个简单的 RAG 系统，例如文档的聊天机器人。

RAG 大模型

XX来信：智能体设计模式2：Reflection

在“JavaScript RAG web Apps with LlamaIndex”课程中学习使用RAG构建全栈web应用程序，该课程由LlamaIndex

Reflection 智能体

主流向量数据库一览

LlamaIndex - Use Weaviate as a memory backend for LlamaIndex.

向量数据库

Langchain的一些问题和替代选择

LlamaIndex是一个数据框架，它可以很容易地将大型语言模型连接到自定义数据源。

大模型

企业如何更好的使用大模型？都有哪些框架和方案

Llamaindex是另一个备受关注的开源项目，它目标是为大型模型提供统一的接口来访问外部数据。

人工智能大模型

使用大模型自动回复小红书/抖音/快手评论：通过RAG 优化LLMs实现

本文中，我提供了对 RAG 的高级介绍，并分享了使用 LlamaIndex 实现 RAG 系统，并且给出示例 Python 代码。

RAG 大模型自动回复

LLM应用架构之检索增强（RAG）的缘起与架构介绍

RAG架构常见选型在工业界，langchain及llamaindex都实现了RAG架构，他们基于此架构不断迭代丰富，成长成为了一个功能完备，覆盖LLM应用常见形态（chatbot，copilot

LLM

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

· 评测结果具体的评测过程大家可以看[我的Blog里面《提升RAG...》这篇]，也是llamaindex

RAG 检索增强

向量数据库失宠了？OpenAI 力捧检索增强生成（RAG）技术，对行业来说意味着什么？

在此之前，如果想要开发基于大语言模型（LLM）的应用，首先需要保证该应用能够识别相关数据（即存放在防火墙之后、或虚拟私有云之内的数据），这就需要用到 LangChain、Llamaindex 以及纯向量数据库等一整套工具组合

检索增强生成大语音模型

QAnything：网易有道最新开源的“本地化部署知识库”AI问答系统

RAG评估在LlamaIndex中（嵌入和重排）注意在WithoutReranker设置中，bce-embedding-base_v1模型在所有其他嵌入模型中表现最佳

网易 RAG 知识库

RAG检索增强技术在知识库智能检索场景下的应用实践

04 知识检索增强技术栈与行业实践浅析 4.1、RAG 技术栈选择目前比较成熟的技术栈主要有 LangChain、LlamaIndex

知识库 RAG检索增强

2023检索增强生成技术（RAG）研究进展

诸如 LangChain 和 LlamaIndex 等工具和框架投入了大量资源来研究和实现RAG技术。

RAG 检索增强

AutoGPT与LLM Agent解析

这类方法最热门的开源项目可以参考 OpenAI 官方的 ChatGPT Retrieval Plugin 和 Jerry Liu 的 LlamaIndex。

大模型

大模型应用的10种架构模式

我们可以通过使用各种自主代理框架和体系结构来开发每个Agent及其工具，例如CrewAI、Langchain、LLamaIndex、Microsoft Autogen和superAGI等

大模型架构

<123 >

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1