RAG革命：打破大模型知识边界
关注
分享
扫一扫
文章平均质量分 94
本专栏将系统性地带你走进RAG的世界。在这里你将透彻理解RAG的核心原理，掌握从基础架构到最前沿技术的演进路径。我们不仅探讨理论，更聚焦实战：通过详实的医疗、金融、法律等行业案例，展示RAG如何显著提升信息准确性，突破模型知识局限、实现实时决策支持，真正释放AI在企业级应用中的潜力！
大模型真好玩
公众号【大模型真好玩】，北京理工大学本硕，曾在字节阿里从事开发工作，目前在某大型国企研究人工智能大模型。分享最简洁最实用的人工智能大模型开发经验，看好未来世界人工智能大模型会和PC一样成为人手必备的工具，大家现在就动手玩起来吧
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
准确率飙升！GraphRAG如何利用知识图谱提升RAG答案质量（额外篇）——大规模文本数据下GraphRAG实战
本篇分享我们使用GraphRAG对几万字的文档进行知识图谱的构建，并分析了长文本下GraphRAG的构建效率。本篇文章进一步对比了全局模式和本地模式查询的差异，总结了三种不适合使用本地模式的场景。原创 2025-07-09 00:38:35 · 671 阅读 · 0 评论 -
准确率飙升！Graph RAG如何利用知识图谱提升RAG答案质量（四）——微软GraphRAG代码实战
本篇分享介绍了GraphRAG从环境安装再到简单命令行调用和高级Python API调用的全部流程。大家看完本期分享将掌握集成GraphRAG代码到自己项目开发中的能力，大幅提升检索知识增强的性能！原创 2025-07-04 13:30:18 · 925 阅读 · 0 评论 -
准确率飙升！Graph RAG如何利用知识图谱提升RAG答案质量（三）——GraphRAG检索查询详细步骤
本篇分享详细描述了GraphRAG构建完成知识图谱后的检索查询过程，并通过实战案例带大家了解GraphRAG检索查询的两种模式，同时进一步对比传统RAG，让大家感受到GraphRAG的强大性能！原创 2025-06-27 00:04:41 · 718 阅读 · 0 评论 -
准确率飙升！Graph RAG如何利用知识图谱提升RAG答案质量（二）——GraphRAG图谱构建详细步骤
本篇分享详细讲述了GraphRA通过文本切分、实体识别、关系挖掘构建生成知识图谱的全过程。通过列举《大数据时代》文本实例详细展示了GraphRAG知识图谱生成细节，让大家感受到知识图谱如何更全面理解文本！原创 2025-06-23 08:15:00 · 1059 阅读 · 0 评论 -
准确率飙升！Graph RAG如何利用知识图谱提升RAG答案质量（一）——GraphRAG是什么？
本篇分享详细描述了GraphRAG的发展历程和技术特点，通过实际知识库问答案例向大家展示GraphRAG基于知识图谱相比传统RAG检索的优异性能，GraphRAG一定是未来技术的标杆，大家快来学习吧~原创 2025-06-19 08:15:00 · 571 阅读 · 0 评论 -
一文带你了解RAG核心原理！不再只是文档的搬运工
RAG系统通过数据准备、数据检索和LLM生成三个核心环节把外部知识和大语言模型能力完美结合，使得用户能够收获更专业更准确的知识。RAG系统使用者如果需要提升RAG系统性能，必须深刻了解RAG核心原理。原创 2025-04-18 13:17:54 · 880 阅读 · 0 评论 -
RAG系统效果不达预期？一定要看看这篇详细高效的优化指南！
还在为RAG系统效果不佳而发愁？本篇文章从RAG系统三个核心环节出发，针对每个环节提出了诸如切片优化、提示词优化等详细的优化策略，大家可以尝试组合这些优化策略，预计可将现有RAG系统效果提高20%原创 2025-04-25 00:20:37 · 1289 阅读 · 0 评论