文章列表-AI魔法学院

文章列表

从零开始用LangChain、Pinecone和LLMs搭建你自己的文档问答系统

(query, k=k) else: similar_docs = index.similarity_search(query, k=k) return similar_docs

知识库 langchain

OpenAI 上线新功能力捧 RAG，开发者真的不需要向量数据库了？

'properties': {'query

RAG 检索向量库

百川智能RAG方案总结：搜索出生的百川智能大模型RAG爬坑之路

其主要在以下几个方面做优化： 1) Query拓展：这是我自己取的名字，可能不太准确，其主要参考Meta的CoVe[1]以及百川自研的Think Step-Further方法对原始用户输入的复杂问题进行拆解

RAG 大模型

如何最简单、通俗地理解Transformer？

简单的说，注意力机制描述了（序列）元素的加权平均值，其权重是根据输入的query和元素的键值进行动态计算的。

Transformer 大模型

BGE M3-Embedding：智源最新发布的text embedding模型，多语言检索效果超过微软跟openai

通过计算query跟doc的向量表征之间的内积就知道文本之间的稠密检索相似度。

BGE M3-Embedding 多语音检索

今天分享一个官方的高级的做数据分析的prompt提示词

. ## myfiles_browser You have the tool `myfiles_browser` with these functions: `search(query: str)` Runs

prompt 提示词

大模型外挂知识库优化技巧-如何更有效的利用召回的文档

下边两张图展示了输入中包含20个文档片段的情况下，分别把query放到context尾部和context头部的实验效果。

大模型

Elasticsearch Relevance Engine---为AI变革提供高级搜索能力[ES向量搜索、常用配置参数]

ES 向量检索 KNN（k-nearest neighbor） search vs ANN search KNN 检索：给定一个 query vector，寻找 K 个与之最相近的向量。

大模型 AI编程

如何提高RAG 的效果

3. query改写这个策略在搜索引擎中也很常见，但在RAG中这个改写分成多种类型：1. query扩展：如果原始query没有检索到相关信息或者检索到的信息质量低的情况下，可对query进行扩展或者重写

RAG 大模型

智能知识图谱SmartKG和pySmartKG简介

智能问答（Intelligent Q&A） ''' 代码示例： ''' import smartkg # 问句 query = "苹果公司的创始人是谁？"

知识图谱

对于大模型RAG技术的一些思考

用户提问的随意性实际上大部分用户在提问时，写下的query是较为模糊笼统的，其实际的意图埋藏在了心里，而没有完整体现在query中。

RAG 大模型

停用词(Stop Words)的价值、收集与使用

和“神木是好地方吗”这两个query，检索到的文档是完全相同的，都是[1,2,3]。

停用词

图解 transformer——逐层介绍

注意力层通过三个参数进行计算，这三个参数称为查询（Query）、键（Key）和值（Value）： 1.

Transformer 大模型图解

ChatGLM3-6B 功能原理解析

我们在tool_registry.py中添加一个web_search工具： @register_tool def web_search( query: Annotated

ChatGLM3 大模型

12个RAG常见痛点及解决方案

build index index = _build_index(chunk_size, docs) # query

RAG 大模型

<123 4 5 6 7 >

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