文章列表-AI魔法学院

文章列表

LangChain - RAG：线上系统多文档要频繁更新，每次都要重新花钱做一次 embedding，老板不批预算，批我...

做为大模型落地的两大方向之一，RAG 有个很大的坑等着我们，设想一下，需要定时更新一匹 PDF 文件到 RAG chatbot 里面去，总量不算多也不算少大约 15,000～的样子，开发环境里面根本没考虑过重新

大模型

Dify：大模型创业开源工具，46,558 行代码，完全开源

其直观的界面结合了 AI 工作流、RAG 管道、Agent、模型管理、可观测性功能等，让您可以快速从原型到生产。

Dify 开源工具

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

Github上Star数最多的大模型应用基础服务：Dify 深度解读

RAG 核心流程 RAG 服务的基础流程在之前的搭建离线私有大模型知识库文章中已经介绍过了。

Dify 大模型知识库

百万token上下文窗口也杀不死向量数据库？CPU笑了

“Claude 3、Gemini 1.5，是要把RAG（检索增强生成）给搞死了吗？”

向量数据库大模型 cpu

向量数据库不是一个单独的数据库分类

这是因为任何“与数据有关”的公司都想从RAG负载中分一杯羹。

大模型向量数据库

应用编排的未来是Pipeline，LlamaIndex开发预览版推出Query Pipeline，提升应用开发的灵活性

到了大模型AI时代，早期的RAG流程在生产应用的过程中越来越发现存在流程僵化，难以应对多变复杂的实际需求，这就促使框架们不断打开自己，朝着灵活定制的方向发展。

Query Pipeline 大模型

为什么大佬都在说Agent是未来？换个角度来谈一谈

有关这样的文章也都很容易引起读者的关注，比如：吴恩达站台畅聊Agent Workflow 以及 4 种主流设计模式，LLM应用开发的新热点利用Coze 实现吴恩达的4种 AI Agent 设计模式笔者曾经在之前文章提到过“RAG

Agent 大模型

GitHub狂飙3万star的LLM公开资料 - 大模型入门教程

3.3 检索增强生成（RAG）通过RAG，LLMs从数据库中检索上下文文档以提高其答案的准确性。

LLM 大模型 GitHub

AI Agent新对决：LangGraph与AutoGen的技术角力

以上是官方通过LangGraph来实现的RAG应用，通过上图，我们可以更加直观的了解到LangGraph的几个基本概念： ●StateGraph：图形的类

LangGraph AutoGen 对决

2024！深入了解大语言模型（LLM）微调方法（总结）

检索增强RAG 说到模型微调，这里就必须要提一下检索增强RAG了。

大模型微调

省钱！微软开源框架LLMLingua + LlamaIndex实现提示词压缩

在RAG应用中，用户的查询或者提问，会被用于向量存储查询，以获得最相似的信息片段。

LLMLingua LlamaIndex 开源框架

收藏！万字长文聊聊LLM Agents的现状，问题与未来

2.1 RAG：知识，记忆与技能库 2.1.1 RAG简介 RAG应该是大家耳熟能详的技术。

LLM Agents

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

微软、OpenAI大佬暗示LLM应用开发范式迁移：从Prompt Engineering到Flow Engineering

在以往大模型开发中，应用核心开发重点在于prompt engineering，这多见于一些RAG应用，也就是整个过程围绕如何精心构造Prompt，再利用Prompt诱导大模型生成一个好的答案，而这一过程往往是单次的

LLM 范式迁移

<1 2 3 456 7 8 >

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