- 博客(36)
- 收藏
- 关注
RSS订阅原创 RAG从入门到高阶（五）：Hybrid RAG全频谱智能检索
本文介绍了一种混合检索增强生成系统(HybridRAG)，它通过整合向量检索、关键词检索和图检索三种方法，实现了对不同类型查询的智能响应。系统核心包括：智能路由器：分析查询意图，动态分配检索权重；混合检索器：并行执行多路检索并融合结果；主控制器：协调整体流程并生成最终答案 。HybridRAG相比单一检索方法具有显著优势： 覆盖全频谱知识：适应事实性、语义性和关系性查询；增强鲁棒性：多种检索方法互为补充；自适应查询处理：智能匹配最佳检索策略；提高召回率和准确率。
2025-07-05 17:11:49
1215
原创 RAG从入门到高阶（四）： 知识图谱Graph RAG
本文详细介绍了GraphRAG系统，这是一种将知识图谱与RAG框架结合的创新方法。传统RAG在处理多跳推理和深层关系时存在局限，GraphRAG通过结构化知识存储、多跳推理能力和可解释的推理路径解决了这些问题。文章系统阐述了GraphRAG的工作原理，包括知识图谱构建、查询理解与子图检索、图推理与答案生成三个阶段。完整展示了从实体关系抽取到知识图谱构建，再到子图检索和答案生成的实现代码。
2025-07-05 17:10:34
1130
原创 RAG从入门到高阶（三）：Multimodal RAG 跨模态智能系统
本文深入探讨了MultimodalRAG（多模态检索增强生成）技术，它突破了传统RAG仅处理文本的限制，让AI能够理解图像、音频等多模态数据。文章详细解析了其三大核心阶段：多模态编码与统一向量空间、多模态索引与检索、多模态生成输出，并提供了完整的代码实现方案，包括多模态编码器、向量存储和生成器等组件。通过实际示例展示了文本、图像和音频查询的应用场景。文章还讨论了性能优化策略、典型应用领域以及部署建议，指出MultimodalRAG在医疗、教育、电商等领域的广阔前景，同时分析了其面临的挑战。
2025-07-04 00:11:09
1445
原创 RAG从入门到高阶（二）：Retrieve-and-Rerank
本文介绍了Retrieve-and-Rerank RAG系统，这是一种改进的检索增强生成架构。系统采用两阶段检索策略：首先通过混合检索（向量+关键词）广泛召回候选文档，再使用交叉编码器进行精确重排序选出最相关文档。文章详细解析了系统实现，包括混合检索器、交叉编码器重排序器和主控制器的代码实现，并提供了配置管理、性能优化（批量处理和缓存）、评估指标等实用方案。与基础RAG系统相比，该架构在Precision、Recall等指标上提升15-20%，但会带来一定延迟增加。
2025-07-04 00:03:48
1033
原创 RAG从入门到高阶（一）：构建你的第一个Naive RAG
RAG技术通过结合检索与生成能力，解决了传统大语言模型在专业知识和最新信息上的局限性。本文介绍了NaiveRAG的三个核心步骤：1）知识库准备（文档分块和向量化）；2）问题检索（相似度匹配）；3）答案生成（结合检索内容）。文章提供了Python实现代码，包含文档处理器、向量存储和主控制器模块，并演示了实际应用示例。NaiveRAG具有实现简单、成本低廉等优点，但也存在检索质量依赖简单向量相似度、无法处理复杂推理等局限性。
2025-07-03 23:55:11
1124
原创 A2A协议详解与代码实战（一）
本文深入解析Google设计的智能体间通信协议A2A（Agent2Agent Protocol），通过构建数学专家智能体网络展示其核心功能。A2A协议作为智能体协作框架，包含三大关键技术：1）智能体发现机制（AgentCard）；2）任务委托与状态管理；3）JSON-RPC安全通信。实战部分演示了三个数学智能体（正弦/余弦/正切）的协同工作流程，包括环境搭建、智能体开发（@agent/@skill装饰器使用）和基于关键词的路由决策系统。
2025-06-26 23:23:12
1072
原创 AI编程/RAG基础教程（二）快速开发基于本地大模型和 FAISS 的 RAG 程序
本文介绍了如何从零搭建一个简易的RAG问答系统，采用Python技术栈(FastAPI后端+Streamlit前端)。系统包含完整的RAG流程：文档预处理(PDF加载/切分)、向量化(使用OllamaEmbeddings和FAISS)、检索增强生成(基于qwen3:14b模型)。项目采用模块化结构，包含data、indexs、config等标准目录。作者通过代码示例演示了核心实现，并指出当前系统的不足，包括文档切分策略、嵌入模型选择、提示词工程等需要优化的环节，为后续RAG系统调优提供了方向性指导。
2025-06-26 08:04:32
781
原创 AI编程/RAG基础教程（一）基于本地大模型和 FAISS 的 RAG 实战教程
本文详细介绍了如何从零开始构建一个基于检索增强生成（RAG）技术的智能问答系统。主要内容包括：1）RAG的基本原理，通过检索外部知识增强大语言模型回答的准确性和实时性；2）具体实现步骤：PDF文档加载、文本拆分、向量存储与检索、大模型初始化；3）使用LangChain框架、Ollama本地模型和FAISS向量数据库的代码实现；4）系统优化方向如数据预处理、文本拆分策略、检索技术等；5）可替代的技术栈选项。通过本教程，读者可以掌握RAG的核心技术，并搭建一个完整的本地智能问答系统。
2025-06-25 00:54:31
1180
5
原创 RAG实战基础篇/windows电脑快速部署qwen3:14B
本文介绍了在Windows系统上快速部署ollama运行Qwen3:14B大模型的方法。首先下载安装ollama后，通过命令行拉取Qwen3:14B模型，该模型在int4量化下占用11.5G显存。文章展示了如何通过本地API接口（localhost:11434）进行模型调用，并提供了POST请求示例，支持常规和流式输出两种模式。最后提到后续将基于该本地大模型搭建RAG应用，实现个人知识库问答功能。整个部署过程简单高效，适合快速搭建本地AI开发环境。
2025-06-23 23:49:53
625
原创 qwen2:7b本地化部署：Ollama更新、设置、api调用qwen2服务
本篇介绍了如何使用Ollama本地化部署qwen2:7b，以及进行Ollama的参数设置以及使用api调用qwen2的api服务的方法。
2024-08-26 00:33:01
19869
2
原创 Ubuntu22.04本地部署qwen模型、jupyterlab开发环境、LoRA微调全流程-续
接着上一篇，在Ubuntu22.04本地部署qwen模型，准备数据，进行LoRA微调。
2024-05-18 16:25:44
1538
3
原创 Ubuntu22.04本地部署qwen模型、jupyterlab开发环境、LoRA微调全流程
这段时间在自己的Win11系统上部署了chatGLM以及Qwen模型，进行对话、推理以及工具调用都没有问题，但是在尝试进行微调的时候发现好像并不能成功，因此花费了很大的力气，又分别在ubuntu桌面版、windows子系统WSL2 Ubuntu上部署了Qwen模型，并尝试进行LoRA的微调实践。由于过程比较多，步骤较为繁琐，我可能会分几个部分进行叙述。首先介绍一下我的两个环境（平民玩家，勿喷）：一台笔记本安装的Ubuntu22.04桌面版：显卡是1070M 8G。
2024-05-18 15:31:40
3982
原创 Qwen学习笔记3：Qwen模型调用外部API实现模型增强（openai的形式）
本文进一步记录了千问模型的函数调用功能使用方法，大家可以一起学习交流~
2024-05-15 19:11:37
7729
3
原创 Qwen学习笔记2：Qwen模型基于ReAct原理实现function calling
本文继续记录了Qwen模型的function calling功能的实践代码。
2024-05-15 18:26:51
5484
5
原创 Qwen学习笔记1：Qwen模型使用ReAct原理实现function calling，增强模型能力
本文记录使用Qwen模型基于ReAct原理实现的函数调用功能，并附带记录一些代码。
2024-05-15 17:30:39
5186
原创 千问模型flash-attention加速框架的部署
本文记录了windows系统安装flash-attention，以加速通义千问模型的推理速度，降低显存占用的安装部署过程
2024-05-14 16:47:36
2131
2
原创 本地部署 Langchain-ChatGLM
本文记录了在windows11上部署和测试langchain+chatGLM3这个项目的过程。
2024-05-11 19:30:59
1575
3
原创 chatGLM3-6b与FastGPT互联测试
简单介绍了将chatGLM2升级为chatGLM3之后，再次连接FastGPT进行知识库链接的操作过程，给大家进行参考。
2024-05-09 13:52:46
374
1
原创 本地部署chatGLM3-6b教程
之前一直用的chatGLM2，将FastGPT本地化跑通后，现在试试将chatGLM2升级为chatGLM3。升级就比较顺利了，过程如下，该过程参考了哔哩哔哩网站的一个视频。
2024-05-09 12:54:21
2478
1
原创 FastGPT连接oneapi报错：Connection error.后续：真正的原因
FastGPT连接oneapi报错：Connection error.后续
2024-05-07 15:16:36
2147
3
原创 FastGPT连接oneapi报错：Connection error.
FastGPT连接oneapi报错：Connection error解决办法。
2024-05-06 18:21:07
3319
4
原创 使用NextChat搭建本地ChatGTP应用，调用本地chatGLM2-6B模型
本文记录了使用NextChat，调用本地chatGLM2-6B模型
2024-04-30 16:12:00
4025
3
原创 采用API的方式调用本地chatGLM2-6B，postman方式访问接口，openai格式调用接口
本文记录了采用api的方式访问本地chatGLM2-6B的方法
2024-04-30 11:05:08
2089
1
原创 harbor服务器配置完成，网页能访问，使用docker login登录失败，提示：unauthorized: authentication required
服务器登录harbor失败
2022-08-30 09:36:09
7288
1
原创 虚拟机安装麒麟操作系统网络设置
麒麟操作系统安装在虚拟机上，设置网络时，发现一些问题，现在解决了，记录一下。1、虚拟机安装麒麟操作系统后，选择网络设置，没有连接选项，无法连接到主机网络。(截图忘保存了）这是由于安装麒麟系统时，未选择正确的linux版本，我们选择“CentOS 8”，重新安装，即可看到网络设置中，可以连接到主机的网络。2、主机与虚拟机麒麟系统无法ping通，可以参照以下步骤进行设置。（1）设置虚拟机IP点击右下角网络图标，右键，选择“编辑连接”选择已连接的网络，点击设置.
2022-04-18 17:50:03
31194
原创 虚拟机麒麟系统V10安装VMware Tools
虚拟机安装好麒麟系统后，无法设置到合适的分辨率，窗口无法随着虚拟机窗口的大小改变而改变，可以通过安装VMware tools解决。然而网上大部分的解决办法是通过虚拟机设置：->虚拟机（M）->安装VMware tools，这在应用于麒麟系统时不可取。因为“安装VMware tools”是灰色状态的，不可选。通过网上找到一个教程如下：虚拟机版本：VMwareworkstation16.2.3麒麟系统版本：Kylin-Server-10-SP2-x86-Release-Build09
2022-04-18 17:12:00
18030
2
原创 如何在公司内网机上安装.net framework 3.5(错误：0X8024402C DISM失败解决方案)
网上查找N种方法，都无法成功安装，直到看到这篇博客，感谢博主大大：原文链接：https://blog.youkuaiyun.com/knkn123/article/details/108456661
2021-07-15 16:29:04
6128
1
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