<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_34731663的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_34731663</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_34731663]]></copyright><item><title><![CDATA[从零开始解析RAG（四）：索引优化——多表示、分层与嵌入]]></title><link>https://blog.youkuaiyun.com/qq_34731663/article/details/146374506</link><guid>https://blog.youkuaiyun.com/qq_34731663/article/details/146374506</guid><author>qq_34731663</author><pubDate>Wed, 19 Mar 2025 16:45:14 +0800</pubDate><description><![CDATA[本文探讨索引阶段的优化技巧，主要聚焦于 3 种方法：对同一文档生成多种表示的形式的多表示索引，构建分层索引的 Raptor 以及基于 token 嵌入的ColBERT。下一篇文章将探讨检索阶段的优化技巧，敬请期待。]]></description><category></category></item><item><title><![CDATA[从零开始解析RAG（三）：五级分块——从字符切分到语义感知的演进之路]]></title><link>https://blog.youkuaiyun.com/qq_34731663/article/details/146316179</link><guid>https://blog.youkuaiyun.com/qq_34731663/article/details/146316179</guid><author>qq_34731663</author><pubDate>Mon, 17 Mar 2025 15:31:25 +0800</pubDate><description><![CDATA[大家好，这是我们 RAG 系列的第三篇文章，前两篇文章分别从 Query 优化的角度，介绍了通过翻译问题来改进检索质量的查询翻译，为问题选择合适数据源的路由选择，以及面向结构化数据，非结构化数据的查询构建。从优化整个 RAG 的角度来说，下一步，我们要优化索引。加载文档分块嵌入保存到向量数据库这是一般的索引过程。文档加载自不必说，一个准备过程，从第 2 步分块开始，才真正影响索引的结果。因此，本篇文章将聚焦于构建索引的第一阶段——文本分块，从易到难介绍 5 个级别的分块。]]></description><category></category></item><item><title><![CDATA[从零开始解析RAG（二）：路由与查询构建——让数据主动响应问题]]></title><link>https://blog.youkuaiyun.com/qq_34731663/article/details/146141490</link><guid>https://blog.youkuaiyun.com/qq_34731663/article/details/146141490</guid><author>qq_34731663</author><pubDate>Sun, 09 Mar 2025 23:54:59 +0800</pubDate><description><![CDATA[本文主要探讨了 RAG 中路由决策和查询构建的方法。路由决策包括逻辑路由和语义路由，逻辑路由基于规则和推理，语义路由依据语义相似性。查询构建针对不同数据结构，重点关注自检索器中的元数据过滤。]]></description><category></category></item><item><title><![CDATA[从零开始解析RAG（一）—— 从基本RAG迈入高级RAG]]></title><link>https://blog.youkuaiyun.com/qq_34731663/article/details/146141449</link><guid>https://blog.youkuaiyun.com/qq_34731663/article/details/146141449</guid><author>qq_34731663</author><pubDate>Sun, 09 Mar 2025 23:53:26 +0800</pubDate><description><![CDATA[本文从 LLM 面临的问题引出 RAG，介绍了其基础流程，重点阐述了高级 RAG 中的 Query Translation 方法。包括基本 RAG 的索引、检索、生成阶段，以及 Query Translation 的多个优化方向，如 Multi-Query、RAG-Fusion、Decomposition、Step-back Prompting、HyDE 等，这些方法通过优化 query 来提高检索质量，文末提及下篇将介绍路由等优化手段。]]></description><category></category></item></channel></rss>