- 博客(12)
- 收藏
- 关注
RSS订阅原创 Docker保姆级安装方法
本文分享了产品经理尝试本地部署RAGflow时遇到Docker安装问题的经历。文章首先介绍了Docker的基本概念（镜像、容器、Dockerfile等），然后详细说明了Docker的安装步骤、常用命令以及如何修改镜像源。接着重点介绍了Docker Desktop的功能特点，包括其图形界面、与IDE集成、多容器管理工具等优势。最后解释了Docker镜像的分层结构和容器特性，包括隔离性、轻量级、可移植性等核心特点。全文为初学者提供了实用的Docker入门指南。
2025-07-03 19:21:02
1099
原创 Cursor进阶避坑
本文总结了使用Cursor开发工具的经验：1.多项目时需用@定位文件夹，避免文件混淆；2.右下角对话框显示代码修改的行数变化；3.选中代码后通过"AddtoChat"功能可快速修改；4.精准@定位能提高问题解决效率。作者作为转产品的开发人员，认为Cursor有效弥补了其编码能力的不足，并将之视为学习工具，通过分析其代码生成逻辑来提升技术能力。
2025-07-02 23:29:47
781
原创 RAG 系统优化的十大方法
本文介绍了10种优化RAG(检索增强生成)系统的方法，分为检索和生成两个阶段。检索优化包括摘要检索、子问题检索、句子窗口检索、多路召回和重排序，可提升检索速度和准确率。生成优化包括迭代生成、多文档处理、树状总结、提问改写和元数据过滤，能提高回答质量和效率。文章还提供了三种组合策略：基础版注重性价比，进阶版适合高精度场景，创新版专为对话系统设计。这些模块化方法可灵活组合，通过多技术协同持续提升RAG系统的企业级应用能力。
2025-07-01 23:56:48
692
原创 Cursor基础篇-入门介绍
在下载前，注意查看软件的版本更新说明，确保下载到最新且稳定的版本。现在的Cursor是真牛皮，通过口语化的表述，能够快速的构建出质量真的很不错的前端页面，而且进一步可以构建后端服务及初步流程，昨天我继续体验，发现是真香~ 我决定从零开始学习Cursor，虽然我没有编程基础，但是我觉得Cursor就是我的救赎工具！Cursor 最强大的功能之一就是能够实现全自动开发项目，即使你没有编程基础，也能通过简单的口语化指令完成项目开发，我从0-1花了2个小时初步成功搭建系统，并在本地成功访问，感觉真的非常爽~
2025-06-30 23:51:24
3564
原创 RAG应用的评估(二)
本文介绍了RAG应用评估工具Ragas和Trulens，重点解析Ragas的四大核心指标：上下文精度/召回率（评估检索质量）和忠实度/答案相关性（评估生成质量），并探讨指标间的协同关系。通过F1分数平衡召回率和精度的案例，提出"检索优先"的优化策略，分阶段提升检索器和生成器性能。针对不同行业场景（如医疗、客服等）给出指标阈值建议，强调需结合业务需求设定合理目标。评估工具和指标分析方法为RAG系统迭代优化提供了量化依据。
2025-06-29 14:22:31
2239
原创 RAG应用的评估（一）
RAG系统评估方法综述 本文系统分析了RAG（检索增强生成）系统的评估方法。评估分为人工与自动化两种方式：人工评估依赖专家判断，但效率低；自动化评估通过算法量化性能指标，成为主流选择。评估聚焦两大维度：检索评估（衡量上下文相关性、精度和召回率）和响应评估（检验生成答案的忠实度和相关性）。
2025-06-28 14:51:17
1012
原创 Advanced RAG - RAG进阶之路（三）
本文介绍了AdvancedRAG技术中检索过程和检索后的优化方法。在检索中优化方面，重点阐述了混合检索技术，包括向量检索、关键词检索和SQL检索的优势互补，以及其在异构数据、复杂查询等场景的应用价值。检索后优化主要包括重排序（RAG-Fusion）和上下文压缩两种方法：RAG-Fusion通过多重查询生成和互惠排名融合技术提升检索结果相关性；上下文压缩则针对用户查询筛选关键信息，避免无关内容干扰。这些优化措施共同提升了RAG系统的准确性和效率，适用于医疗、法律等高要求领域。
2025-06-27 16:08:29
965
原创 Advanced RAG - RAG的进阶之路（二）
本文详细介绍了AdvancedRAG系统中的预检索优化方法，主要包含索引优化和查询优化两大方向。索引优化方面提出了四种技术：摘要索引用于处理半结构化数据，父子索引确保语义完整性，假设性问题索引应对复杂查询，元数据索引实现高效筛选。查询优化则包含三种方法：Enrich完善用户问题表达，Multi-Query多路召回扩充检索内容，Decomposition分解复杂问题。这些预检索优化技术针对传统RAG系统在文档处理、语义理解等方面的不足，通过结构化索引和智能查询转换提升检索效果，为后续的检索和生成阶段奠定良好基
2025-06-26 20:49:28
2440
原创 Advanced RAG - RAG的进阶之路（一）
上篇文档主要是在学习Naive RAG时候整理的知识结构，而今天刚刚完成了Advanced RAG（进阶版）的学习，同样整理出来供大家参考~
2025-06-25 23:12:55
894
原创 RAG系统-NaiveRAG
本文介绍了RAG（检索增强生成）技术的基本概念及其初级应用形式Naive RAG。针对大模型知识更新不及时的问题，RAG通过检索外部知识库获取最新信息来提升回答准确性。文章重点讲解了Naive RAG的三阶段工作流程：文档加载分块（解决token限制）、文本向量化（采用统一模型）、向量相似度计算（包括余弦/欧式/点积方法），以及Top-k语义检索机制。作者指出当前企业应用主要处于进阶版RAG阶段，并强调这些基础技术对缓解大模型幻觉问题的重要作用。
2025-06-23 19:33:47
1101
原创 RAG系统中常见的痛点问题
RAG系统常见痛点及优化方案 RAG系统在实际应用中面临多个痛点：包括知识库内容缺失、文档加载效率低、切分粒度不当导致的检索问题，以及回答过程中出现的格式错误、答案不完整等问题。针对这些痛点，优化方案主要包括：补充缺失知识、优化文档读取方式、调整文档切分策略、增加召回数量、优化提示词设计，以及通过格式验证和自动修复解决输出格式问题。其中关键优化手段包括采用内容重叠分块、基于结构的分块方法，以及通过prompt工程引导模型给出更准确完整的回答。
2025-06-22 18:20:58
403
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