实习生亲历AI Agent工作流：为何大模型时代更需要沉淀个人知识库？
一位大四学生在实习中发现，将完整的代码、日志等私域数据喂给 AI Agent（如 GLM4.7 配合 GPT），能极大提升任务完成度与准确性。相比之下，纯靠口头回忆往往导致信息缺失。文章指出，大模型虽然拥有海量先验知识，但个人的私域经验和代...
标签索引 / 第 5 页
RAG技术
这个标签下有 70 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
企业AI的终极答案：用Agent构建“企业上下文层”，而非复杂知识图谱
文章深入剖析了当前企业级AI的核心痛点：仅靠RAG（检索增强生成）无法解决复杂的语境判断、组织政治及隐性知识问题。作者提出了一种极具颠覆性的极简方案——利用LLM Agent配合GitHub代码仓库，自动构建并维护一个包含公司所有产品、流程...
开源｜CogniLoop V2 发布：基于 LangGraph 的多智能体 AI 助教系统
开源项目 CogniLoop V2 正式发布，该系统基于 LangGraph 架构深度重构，推出了多智能体协同的 AI 助教。新版本核心亮点包括专属私有知识库 (RAG)，支持上传文档自动向量化以确保知识精准；以及基于用户画像的“Smart...
告别 AI 幻觉：利用自动抓取文档构建本地知识库的高效实践
针对 AI 模型常见的幻觉问题及网络搜索的不确定性，该分享提出了一种基于 RAG（检索增强生成）思想的落地实践方案。通过编写脚本定时抓取常用应用程序的 Markdown 官方文档，并将其转化为本地 AI 技能，作者成功构建了一个包含约 50...
AI基建反思：为何大多数团队其实并不需要一个独立的向量数据库？
Hacker News上关于“你不需要向量数据库”的讨论引发了业界对于AI基础设施选型的深度思考。尽管原帖因疑似推广自家托管服务而备受争议，但评论区揭示了RAG热潮下的“技术过剩”现象：许多团队盲目引入Pinecone或Qdrant等专用向...
AI实战：利用RAG与大模型实现高保真小说续写与角色扮演
本文分享了一套基于AI工具链的高质量同人小说创作方案。通过SillyTavern结合数据库插件，用户可将原著TXT（如《笑傲江湖》）上传，利用向量化技术（RAG）实现精准的文风召回与剧情注入。该方法不仅解决了AI生成内容时人物性格崩坏和文风...
博主实战：基于 RAG 将 10 年博客内容构建为可对话的 AI 数字分身
开发者罗磊通过将其过去十年积累的 300 多篇博客文章、推文及 GitHub 内容进行向量化处理，利用 RAG（检索增强生成）技术成功构建了一套个人知识库系统。他基于 Vinext 框架，在个人博客中部署了名为“AI 罗磊”的数字分身。这一...
类Cursor体验的开源AI写作工具“文枢WenShape”发布，支持Wiki深度检索
“文枢 WenShape”是一款深度上下文感知的智能小说创作系统，目前已更新至v0.36版本。该系统最大的亮点在于采用了类似IDE代码编辑器（如Cursor）的交互逻辑，并集成了Wiki（如萌娘百科）实时检索功能与本地设定读取能力。它不仅能...
遭遇文档吞噬上下文？开发者探讨Claude Code的本地知识库与长期记忆方案
有开发者在社区提出，在使用Claude Code CLI进行开发时，面临项目PRD文档过大导致上下文窗口迅速占满的痛点。尽管对文档进行了模块化拆分，但复杂的业务关联仍使文档占据了大部分Token，引发上下文压缩，进而导致AI生成代码质量下降...
知识图谱在 RAG 与 Agent 开发中的实战价值：是技术刚需还是概念噱头？
随着大模型应用从“尝鲜”走向“落地”，RAG（检索增强生成）与 Agent（智能体）架构成为主流开发范式。在此背景下，知识图谱作为连接非结构化数据与结构化知识的桥梁，其应用价值引发开发者热议。尽管部分观点认为图谱构建成本高昂，在系统中仅作为...