- 博客(3)
- 收藏
- 关注
RSS订阅原创 RAG检索增强：简单实现RAG检索增强，完整源码分享
本文介绍了一个基于RAG技术的专业领域模型优化方案。项目使用Python 3.10开发，通过商业API调用大模型，本地部署HuggingFace的bge-base-zh-v1.5模型进行文本向量化。代码结构包含配置文档(llm_config.py)、模型下载(download_model.py)、索引构建(build_index.py)和主程序(main.py)四部分。执行流程为：安装依赖→下载向量化模型→构建文档索引→启动问答系统。系统支持txt格式文档，采用分块处理(512字符)和相似度检索，并通过三步
2025-09-15 14:24:33
283
原创 Windows系统如何安装ollama以及通过ollama本地部署大模型？
本文介绍了ollama的安装使用指南：1）从官网下载Windows版本安装，通过cmd验证安装；2）在官网选择模型后复制命令下载（如deepseek-r1:32b），下载失败可多次尝试；3）通过添加系统环境变量OLLAMA_MODELS修改模型存储路径，修改后需重启生效。注意默认安装路径为C盘，建议提前修改以避免占用系统盘空间。
2025-09-14 14:31:12
769
原创 RAG：通过RAG构建专业领域模型实现思路
本文介绍了基于LlamaIndex框架的文档检索与问答系统构建流程。系统实现包括：1）文档加载与切分；2）构建向量索引并存储；3）配置本地大模型参数；4）查询处理流程。关键技术点涉及使用HuggingFace模型进行文本嵌入、设置chunk_size为512的文本分割、调整similarity_top_k参数提升召回率至80%以上。系统支持多种文件格式，通过persist功能实现向量存储复用，避免重复计算。最后展示了从加载存储到查询应答的完整代码实现，体现了检索增强生成（RAG）技术的应用。
2025-09-12 16:11:25
200
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