- 博客(10)
- 收藏
- 关注
RSS订阅原创 L2-5 RAG开源项目综合应用
摘要：本文介绍了RAGFlow和FastGPT两款企业级知识库问答系统的构建工具。RAGFlow是一个开源的RAG引擎，提供可视化平台简化文档解析、索引构建和问答应用开发流程，特别适合快速搭建企业内部知识库系统。文章详细讲解了Windows环境下Docker安装配置步骤，包括WSL2设置和镜像源配置，并演示了RAGFlow的安装使用。同时介绍了FastGPT的部署方法，展示了如何结合网页爬取技术构建实时问答系统。两款工具都显著降低了企业级RAG系统的开发门槛，适用于处理多格式文档和特定领域知识问答场景。
2025-07-20 09:43:53
529
原创 L2-4 掌握RAG应用评估技能和工具
本文介绍了RAG（检索增强生成）应用的评估方法、指标及工具。评估RAG应用需考虑大模型输出的不确定性、知识库动态变化等因素，主要采用人工评估和自动化评估两种方法。评估依据包括输入问题、生成答案、上下文和参考答案，常见指标涵盖上下文相关性、精度、召回率、忠实度和答案相关性。评估类型分为检索评估和响应评估，分别关注上下文匹配度和生成质量。常用评估工具包括Ragas和Trulens，前者提供综合性评测框架，后者专注于评估改进。这些评估体系有助于确保RAG应用的性能和可靠性。
2025-07-15 23:23:49
358
原创 L2-3 基于LangChain的RAG系统优化实践
文章摘要 本文分析了RAG（检索增强生成）技术的商业化痛点及优化方案。RAG流程中的两大核心环节——索引构建（Index Process）和查询处理（Query Process）存在多个问题，如内容缺失、检索效率低、文档切分粒度不匹配、答案格式错误等。针对这些问题，提出了数据清洗、分块优化、提示词设计、重排技术等解决方案。此外，还介绍了Advanced RAG技术，通过预检索优化、检索优化和后检索优化三个阶段提升检索效果。文中还提供了模型配置代码示例，展示了如何通过LangChain调用不同平台的大模型。
2025-07-13 10:16:58
364
原创 L2-2 LangChainV0.3从入门到精通
LangChain是一个用于开发大语言模型(LLM)应用程序的开源框架，其核心价值在于将LLM能力与实际应用需求连接起来。框架提供标准化工具链，支持与200多种外部系统集成，重塑了AI开发范式。 LangChain体系包含核心库和扩展组件：langchain-core提供基础抽象；langchain-community支持第三方集成；LangGraph用于构建状态化应用；LangServe部署API服务；LangSmith提供开发运维平台。核心功能模块包括模型交互、数据连接、任务编排链、状态记忆、智能代理等
2025-06-15 09:07:36
486
原创 L2-1 RAG认知与项目实践
摘要 RAG（检索增强生成）技术通过结合检索外部知识和大语言模型生成能力，解决了大模型在时效性和专业知识覆盖方面的局限。其流程包括文档分块（按字符数、滑动窗口或句子切分）、向量化存储（使用嵌入模型将文本转为数值向量），最后通过检索增强提示词生成答案。FastGPT等工具简化了RAG应用开发。研究范式从Naive RAG演进至Advanced和Modular RAG，而本地部署工具如Ollama支持离线运行向量模型。该技术显著提升了模型在特定领域任务中的表现。
2025-05-28 08:48:25
844
原创 L1-2 提示工程特训和实战
这篇文章介绍了提示词工程的关键知识点和Prompt调优技巧。主要包含以下内容： 提示词基础概念：解释了提示词(Prompt)和提示词工程的定义，介绍了通用模型和专业化的Prompt 5层结构模型。 Prompt调优技巧： 零样本提示(Zero-Shot)：不提供示例直接完成任务 少样本提示(Few-Shot)：提供少量示例引导模型 链式思考(COT)：通过"逐步思考"引导模型推理 自我一致性(Self-Consistency)：生成多条推理路径选出最一致答案 每个技巧都配有实际案例和Py
2025-05-25 11:33:24
658
原创 L1-3 通俗易懂大模型的核心原理
ChatGPT背后的GPT模型基于Transformer架构，具备生成式、预训练和深度学习框架的特点。Transformer架构通过并行计算、自注意力机制等优势，能够高效处理长序列数据，广泛应用于自然语言处理任务。模型训练涉及监督学习、无监督学习、强化学习和自监督学习等多种方法，其中自监督学习通过数据自身的规律进行学习，减少对人工标注的依赖。Transformer的工作原理包括Token化、词向量处理、编码器与解码器的注意力机制，最终生成连贯的文本内容。
2025-05-11 16:44:30
847
原创 L1-1 大语言模型的基础认知
AIGC的快速发展（如大语言模型）为AGI提供了部分技术积累（如自然语言处理能力），但AGI需突破认知、推理等更高层能力。通用人工智能，简称AGI（Artificial General Intelligence），指的是一种智能，能够理解、学习和应用知识和技能，需要能够处理极其广泛的问题和环境，具有很高的适应性、自主性和创造性。这是人类的终极目标，目前还没有达到！大模型特点：1.数据量大 2.规模大 3.算力大 4.参数量大 5.具备强大泛化能力的预训练模型（举一反三的能力）为什么是大模型兴起？
2025-04-27 08:08:52
507
原创 Optional
Optional 在Java 8中引入，目的是解决 NullPointerException 的问题。这是一个可以为 null 的容器
2024-12-24 16:13:04
775
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人