@RAG應用 / 博客 RSS 訂閱

Nov 26 2025

未聞花名AI - 構建AI智能體：二十三、RAG超越語義搜索：如何用Rerank模型實現檢索精度的大幅提升

一、發軔之始 在工作和生活中，我們可能經常會遇到一些場景，我們在搜索引擎中輸入問題尋求解決方案，返回的卻是大量重複的、基礎性的、甚至是商業推廣的內容。無奈的反覆修正我們的檢索內容，就是找不到答案，這確實是一大困擾，由於算法的侷限性和商業干擾，導致搜索引擎算法傾向於流行度而非質量，商業利益常常凌駕於信息價值之上。我們得到的往往是最多人點擊的，而不是最正確的。

RAG應用 , Rerank , 數據挖掘 , yyds乾貨盤點 , 重排序 , 人工智能

收藏 評論

Nov 27 2025

未聞花名AI - 構建AI智能體：二十四、RAG的高效召回方法論：提升RAG系統召回率的三大策略實踐

一、直入主題 檢索增強生成（RAG）已成為將大型語言模型的專業知識、實時性與事實準確性相結合的經典架構。其核心思想直白而有力：當用户提問時，首先從一個龐大的知識庫（如公司文檔、技術手冊、最新新聞等）中檢索出最相關的信息片段，然後將這些片段與用户問題一同交給大模型，指令其基於所提供的上下文進行回答。這完美解決了大模型的幻覺問題、知識陳舊和無法溯源等痛點。 然而，一個RA

RAG應用 , RAG的高效召回 , yyds乾貨盤點 , NLP , 人工智能

收藏 評論

Nov 24 2025

未聞花名AI - 構建AI智能體：二十一、精準檢索“翻譯官”：qwen-turbo在RAG Query改寫中的最佳實踐

一、必不可少 回憶我們日常的場景中，有時候我們使用百度或Google，要得到一個問題的答案，似乎來來回回換了很多次問法，才得到了我們期望的答案，或者到最後都沒有獲取預期的結果，這是為什麼呢? 這裏存在一個核心矛盾，我們的“問法”和知識庫的“存法”有着極大的差異，我們在提問過程中（Query）靈活、多變、口語化、不完整且沒有標明依賴背景，比如會問“電腦卡死了咋辦

RAG應用 , yyds乾貨盤點 , RAG Query改寫 , AI寫作 , aigc

收藏 評論

Nov 22 2025

未聞花名AI - 構建AI智能體：十九、優化 RAG 檢索精度：深入解析 RAG 中的五種高級切片策略

前面幾篇文章已經深入討論過LangChain、RAG架構的細節，對RAG有了基礎的瞭解，今天重點梳理一下RAG的切片策略； 一、什麼是RAG切片 給定一個場景，我們有一本非常厚的百科全書（就像公司的員工手冊文檔或公司知識庫）。同時，我們有一個超級聰明的AI助手，他知識淵博，但有個弊端，他一次只能看一頁紙，而且給他哪一頁，他才能看哪一頁。他做不到直接從整本厚厚的書裏去尋

RAG應用 , yyds乾貨盤點 , AI寫作 , aigc , 人工智能 , RAG切片

收藏 評論