相关文章
2080 篇高质量内容
PixelRAG：伯克利团队颠覆传统 RAG，用截图代替文本检索! 28 天狂揽 3000+ Star！
伯克利团队用截图代替文本，让AI真正“看懂”网页，28天斩获3000+ Star！ 核心内容： 1. 传统RAG的视觉信息丢失问题与PixelRAG的像素级检索方案 2. 项目四大核心功能：截图渲染、视觉嵌入、向量搜索与Claude插件 3. 即开即用的预索引数据、开源训练资源及性能优势
腾讯WeKnora开源详解（三）：检索引擎与生态集成
面对企业RAG系统“答不准”的痛点，WeKnora用6种可组合的检索策略和智能融合架构，精准提升答案质量。 核心内容： 1. 剖析“答不准”的根源：80%问题出在检索环节 2. 详解六大检索策略的原理、场景与组合建议 3. 展示多路召回与智能融合的检索架构全貌
腾讯开源WeKnora详解（二）：知识库与对话核心能力
想快速搭建企业知识库却不知如何选择？WeKnora提供三种知识库“机型”，总有一款适合你的业务场景。 核心内容： 1. WeKnora支持的10多种常见文档格式及其处理差异 2. FAQ、文档、Wiki三种知识库的定位与适用场景 3. 根据实际需求选择知识库“机型”的决策指南
RAG又被绕开了，MIT用MEMO给AI外挂记忆脑
MEMO提出用AI模型存储记忆，为RAG和微调提供新思路，实现更精准的推理。 核心内容： 1. MEMO如何通过独立记忆模型存储知识 2. 与RAG、微调等方法的核心差异 3. MEMO推理与训练的关键步骤
5.2k星星爆火开源！你的知识库迎来了史诗级更新，「像素级原生搜索」来了
开源项目PixelRAG带来知识库搜索的视觉革命，让AI像人一样“看”页面，彻底解决传统文本解析丢失表格、图表等关键信息的问题。 核心内容： 1. 像素级原生搜索的核心原理：渲染截图替代文本解析 2. 处理复杂视觉文档的独特优势，保留表格、图表、布局 3. 完整的技术栈与生态支持，从截图到检索的全流程
1.5K Star！网页提取神器 webclaw：让 AI 精准抓取网页核心内容！
还在为网页抓取烦恼吗？webclaw帮你轻松搞定，让AI精准获取核心内容，效率提升20倍！ 核心内容： 1. webclaw如何通过九步优化流水线，减少90%无效信息 2. 极速响应：TLS层面模拟浏览器，性能远超传统方案 3. 原生MCP支持，无缝集成AI工作流
聊一聊检索即推理：基于LLM-Wiki的自演化智能体原生检索
传统RAG的检索像“瞎子摸象”，而LLM-Wiki让AI能像人一样“逛维基百科”，实现边看边想的多轮推理。 核心内容： 1. 传统RAG在复杂问题上的根本痛点 2. LLM-Wiki如何将文档编译成活的知识图谱 3. 智能体“检索即推理”的双路径决策机制
企业级 Agent 最缺的不是聪明，是"不敢编"——企查查智能体数据平台的三层反幻觉工程
当AI Agent自信地编造企业数据，后果可能是一场灾难。本文揭秘企查查如何用三层工程让AI“不敢编、不能编、编了也露馅”。 核心内容： 1. AI在企业尽调中的四类致命数据幻觉 2. 三层反幻觉工程与工具描述工程的具体实现 3. 验证有效性的方法与边界成本
别再把 RAG 当搜索框了：Bayer 这套 Agentic RAG，把上下文、反思、恢复和评测全焊进生产系统
Bayer 的 PRINCE 系统展示了如何将 RAG 从一个简单的问答工具，升级为能应对医药领域复杂知识迷宫的可靠业务助手。 核心内容： 1. 从“搜索”到“执行”的系统演进路径 2. 分层上下文与多阶段 Agent 的工程架构 3. 确保可靠性的反思、验证与评测机制
上生产GraphRAG的重活，SAG请外援解决了
借助SQL优化GraphRAG，SAG方案巧妙解决了结构化检索的维护难题，让多跳查询更轻量高效。 核心内容： 1. 将文本块转为事件并抽取实体，建立事件-实体索引 2. 查询时通过实体与向量双路检索获取候选事件集 3. 利用SQL join在查询时动态构建事件间的多跳关系图
RAG之后，知识库开始自己长大
这个开源项目让知识库从静态仓库变成会自我生长的城市，帮你告别重复检索的烦恼。 核心内容： 1. RAG 知识库的局限性：每次查询都需重新检索，无法积累知识 2. LLM Wiki 的创新架构：三层结构实现知识编译与自动维护 3. 个人知识管理的产品化：从理论到桌面应用的实践突破
AI 知识库开始分叉：LLM Wiki 和 GBrain 真正的差别
知识库正在从简单检索向操作系统演进，LLM Wiki 和 GBrain 代表了两种核心路径。 核心内容： 1. LLM Wiki：强调知识的“编译”与结构化，构建稳定可维护的知识层。 2. GBrain：聚焦知识的“持续运行”，打造集成工程基础设施的长期系统。 3. 共同目标：超越传统RAG的临时检索，实现知识的系统化与自动化。
RAG 的尽头，是 SQL？
SAG 用 SQL JOIN 巧妙实现多跳检索，为 RAG 提供新思路。 1. RAG 的基本流程与 GraphRAG 的挑战 2. SAG 核心方法：抽取事件并建立 SQL 查询 3. 性能对比与 SAG 在大数据场景下的应用流程
从个人知识库到企业级 RAG：我们最终选了 WeKnora
为什么从极客范儿的个人知识库转向企业级RAG？我们踩过的坑，或许能帮你避开弯路。 核心内容： 1. 个人wiki范式的优雅与局限 2. 升级企业级RAG时遇到的四大核心障碍 3. 最终选择WeKnora的关键考量与价值
RAG 不是先向量检索再回答：Metadata Filter 才是企业知识库的第一道门
企业RAG项目常因检索范围过宽导致回答混乱，Metadata Filter才是确保精准召回的关键。 核心内容： 1. 企业RAG的核心痛点：检索范围过宽 2. Metadata Filter的作用与常见过滤维度 3. 在Spring AI等框架中的落地实践
使用 LangSmith 进行 RAG 评估：构建生产级 RAG 系统的 AI 开发者指南
想构建生产级RAG系统？评估层是关键，它能帮你发现检索失败和LLM幻觉。本文通过真实代码，教你如何用LangSmith建立完整的评估体系，告别“看起来不错”的陷阱。 核心内容： 1. RAG评估为何比传统ML更复杂 2. 覆盖Retriever和Generator的四个关键评估指标 3. 利用诊断矩阵定位系统根本问题
RAG 投毒的六个影响因素与防御框架
揭秘RAG系统为何易受攻击：六大关键配置如何影响投毒成功率，从432组实验数据中提炼防御策略。 核心内容： 1. RAG投毒的核心机制与系统脆弱性分析 2. 六大关键配置变量对投毒风险的影响实验 3. 构建稳健RAG系统的防御框架与工程实践
RAG 性能暴涨 5.9 倍！微软新框架让 LLM 自主检索，无需训练直接部署
微软新框架让LLM自主决策检索过程，无需训练即可实现RAG性能5.9倍提升，解决企业复杂查询难题。 核心内容： 1. 传统RAG在复杂企业场景中的瓶颈分析 2. AgenticRAG的核心思路与四大关键能力 3. 框架带来的性能提升与实际应用价值
RAGular：适合知识库体质的 OCR 助手
告别繁琐的OCR流程，RAGular专为优化知识库文件质量而生，让模型回答更精准可靠。 核心内容： 1. 影响知识库质量的三大关键因素分析 2. 从笨拙探索到RAGular工具的开发心路历程 3. 针对PDF扫描书的优化处理方案与效果
阿里扔出「向量版 SQLite」！十亿级向量毫秒检索，一行 pip install 搞定，本地 RAG 的游戏规则变了
还在为本地RAG的复杂部署头疼？阿里通义实验室开源的Zvec，将向量数据库嵌入应用进程，一行pip install即可实现十亿向量毫秒检索，彻底改变本地RAG的游戏规则。 核心内容： 1. Zvec的核心优势：嵌入式设计，零网络开销，简化部署 2. 与主流独立服务向量数据库的架构对比 3. Zvec的技术亮点与社区反响