- 博客(7)
- 收藏
- 关注
RSS订阅原创 RAG 多模态（二）：迪士尼 RAG 实战
本文介绍了为迪士尼构建多模态AI客服助手的实现方案。该助手需回答票务、入园规则等高频问题，严格基于官方知识库回复，并能检索图片/视频内容。技术方案采用统一的1024维多模态向量空间，整合文本、图片和视频的语义表示；通过结构化解析Word文档（保留段落和表格关系）、固定长度切片和FAISS索引构建知识库；设计检索流程时区分文本回答与媒体返回，并加入严格的回答约束机制。项目演示了多模态RAG的核心链路，同时指出生产环境需要补充PDF解析、权限管理、混合检索等工程化能力。
2026-07-24 10:35:12
258
原创 RAG多模态（一）：从概念到 Gemini / DashScope 实战
多模态（Multimodal）并不神秘：本质上就是把图片 / 文本 /（可选：音频）放进同一个请求里，让模型基于这些输入生成结果。内容识别语义理解关系推理信息抽取文本生成这和“先把图片 OCR 成文本，再把文本喂给模型”的方案不一样。后者是典型的串联式流程，前者则是模型原生支持多种输入，通常在理解复杂场景时更自然，也更少丢信息。检索对象不再局限于纯文本生成答案时可以直接参考图片、视频帧、PDF 页面等原始信息。
2026-07-16 13:32:19
340
原创 RAG技术与应用（二）
在上一篇里，我们先把 RAG 的概念、流程和 embedding 选型理清楚了。这一篇不再停留在概念层，而是结合当前目录下的一个实际项目，完整拆解一个本地知识库问答系统是怎么搭起来的。这是一条非常典型的 RAG 工程链路。它不追求花哨，而是强调可落地、可维护、可溯源。
2026-07-16 08:45:00
565
原创 RAG技术与应用（一）
RAG，全称是 Retrieval-Augmented Generation，中文通常叫“检索增强生成”。它的核心思想很简单：在模型回答之前，先去外部知识库里检索相关内容，再把检索结果一起交给大模型生成答案。可以理解成给大模型开了外挂，回答之前先去找答案。从工程角度看，RAG 的本质是“把知识获取”这一步从模型内部，搬到模型外部来完成。这样做的好处是，模型不需要把所有知识都记在参数里，而是可以按需查阅知识库。
2026-07-15 22:33:28
441
原创 第1章：LangChain 入门（上）
本文探讨了从大模型API调用到实际应用开发之间的关键问题。文章首先指出原生API开发的三大痛点：厂商SDK不兼容、通用逻辑重复编写、高级能力需自建架构。随后以模型切换为例，对比原生SDK需要重写代码，而LangChain只需修改初始化配置，展现了其统一接口的价值。 文章详细介绍了LangChain的模块化架构，包括核心协议层、社区适配器集合和高级应用组件，并对比了主流LLM开发框架的适用场景。通过具体代码示例，演示了LangChain调用不同模型（通义千问、DeepSeek等）的方法，并深入讲解了Token
2026-06-08 20:41:13
429
原创 Learn-Claude-Code（1）——Agent Loop
它们不能读取你的文件，不能运行你的测试，不能检查你的错误。想象一下，你被关在一个透明的玻璃房间里。你能看到外面的一切，能分析一切，但就是摸不到。当你第一次使用Claude或ChatGPT时，你可能会惊叹于它们的推理能力与质量。这是 整个循环的灵魂。不到 30 行代码，一个完整的 Agent 就诞生了。我们可以推广到更加复杂的Agent上，但核心循环永远不变。用户：(复制命令) (粘贴到终端) (查看结果)用户：(复制代码) (粘贴到文件) (保存)LLM："好的，这是修改后的代码..."
2026-05-20 20:08:58
434
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人