AI在线 AI在线

RAG

MinerU2.5源码拆解：双后端架构设计与企业级部署实践

MinerU2.5源码拆解：双后端架构设计与企业级部署实践
8月中旬的时候，我去MinerU的办公室交流过一次。 当时对方有位工作人员表示，接下来会很快基于视觉模型的路线实现全面 SOTA。 说实话，那个时候我还挺怀疑的。
10/24/2025 11:16:41 AM
韦东东
大模型时代的双刃剑：RAG 与 微调 怎么选？

大模型时代的双刃剑：RAG 与 微调 怎么选？
上周在一个技术交流会上，听到两位技术总监争得面红耳赤。 一位坚持说RAG就够了，简单高效还省钱；另一位则认为不微调根本做不出专业应用。 这场争论让我想起很多企业在落地AI项目时的迷茫：到底该选哪条路？
10/23/2025 9:28:39 AM
大数据AI智能圈
CompLLM：无需微调，4倍加速长上下文问答的软压缩新范式

CompLLM：无需微调，4倍加速长上下文问答的软压缩新范式
大家好，我是肆〇柒。 今天要介绍的是一项来自 Amazon 与中佛罗里达大学计算机视觉研究中心（Center For Research in Computer Vision, University of Central Florida） 的最新研究成果——CompLLM。 这项工作直面长上下文问答中的核心瓶颈：自注意力机制带来的 O(N²) 计算开销。
10/14/2025 10:03:11 AM
肆零柒
为何上下文成为人工智能领域的“新贵”：从 RAG 到上下文工程

为何上下文成为人工智能领域的“新贵”：从 RAG 到上下文工程
译者 | 晶颜审校 | 重楼三个月前，我们的生产系统遭遇了一次严重故障，其根源并非代码缺陷或基础设施故障，而是源于对人工智能系统优化目标的根本性误解。 此前，我们搭建了一套自认为具备先进水平的文档分析流程，整合了检索增强生成（RAG）、向量嵌入、语义搜索及精细调优的重排序功能。 在演示场景中，该系统能够精准且富有说服力地回答关于客户监管文件的各类问题，但投入实际运行后，却频繁出现回答与上下文完全脱节的问题。
10/13/2025 8:00:00 AM
AI黑话听不懂？收藏这份3分钟快速扫盲指南！

AI黑话听不懂？收藏这份3分钟快速扫盲指南！
第一次进 AI 项目组开会，你可能会有这种体验：大家自信满满地聊着——“我们先优化下 RAG系统的延迟，再调人设，顺便做个 A/B test看看效果。 ”而你坐在角落里，内心 OS：别慌，这些所谓的“AI 黑话”，其实就是业内人习惯的专业术语。 听起来玄乎，其实拆开来都挺接地气。
10/8/2025 12:30:05 AM
MoeDesigner
揭秘RAG检索增强生成：从原理到Spring AI实战，开启AI新世界！

揭秘RAG检索增强生成：从原理到Spring AI实战，开启AI新世界！
在当今人工智能的奇妙世界里，RAG检索增强生成技术就像是一颗冉冉升起的新星，正以其独特的魅力吸引着无数开发者和研究者的目光。 今天，咱们就一起来深入探究一下这个神奇的RAG技术，从它的基本原理到完整实现，再到结合Spring AI的超详细应用，保证让你对它有一个全方位的了解。 图片一、RAG技术：开启模型理解与生成的新大门（一）什么是RAG技术RAG，全称检索增强生成（Retrieval-Augmented Generation），这名字听起来就很厉害，感觉像是给模型加上了一个超级外挂。
9/28/2025 4:22:00 AM
demo123567
RAG在B站大会员中心数据智能平台的应用实践

RAG在B站大会员中心数据智能平台的应用实践
在数字化浪潮中，数据已成为企业的核心资产。 在B站大会员中心部门，数据智能平台扮演着举足轻重的角色。 它不仅要处理和分析大规模的会员数据，为会员服务的优化和拓展提供坚实的数据支撑，还要满足业务对于数据洞察的多样化需求。
9/28/2025 4:00:00 AM
大数据
让RAG真正读懂“言外之意”！新框架引入词汇多样性，刷新多项基准SOTA

让RAG真正读懂“言外之意”！新框架引入词汇多样性，刷新多项基准SOTA
RAG准确率提升10.6%，多项基准拿下新SOTA！ ACL 2025最新研究提出Lexical Diversity-aware RAG (DRAG) 框架，首次系统性地将词汇多样性引入RAG的检索与生成过程，提供了一个轻量、通用且易扩展的解决方案。 在多项基准任务中，该方法带来了显著性能提升，尤其在HotpotQA上刷新了当前最优结果。
9/27/2025 1:17:41 PM
一水
SpringAI + Redis：构建高性能RAG问答系统的架构设计与实战

SpringAI + Redis：构建高性能RAG问答系统的架构设计与实战
引言：RAG技术为何成为企业AI应用首选实现成本降低千倍、响应速度秒级的企业级知识库解决方案在当前AI技术飞速发展的背景下，企业面临着一个核心挑战：如何让大语言模型（LLM）准确掌握企业内部知识并避免产生幻觉（Hallucination）？ 检索增强生成（Retrieval-Augmented Generation，RAG）技术应运而生，它通过将信息检索与生成模型相结合，有效解决了这一难题。 Spring AI作为Spring官方推出的AI开发框架，为Java开发者提供了构建AI应用的标准化方案。
9/26/2025 2:15:00 AM
farerboy
HANRAG：用“启发式”决策终结多跳问答的噪声与低效困局

HANRAG：用“启发式”决策终结多跳问答的噪声与低效困局
大家好，我是肆〇柒。 今天一起了解一篇来自蚂蚁集团（Ant Group）的研究力作——HANRAG。 这项工作从根本上重新思考了RAG系统的决策逻辑。
9/22/2025 9:23:24 AM
肆零柒
腾讯Youtu Lab新突破：HiChunk如何用“分层分块”让RAG更聪明？

腾讯Youtu Lab新突破：HiChunk如何用“分层分块”让RAG更聪明？
在AI领域，RAG（检索增强生成）早已不是新鲜词——它就像给大模型装了一个“外部知识库”，通过检索真实文档来回答问题，避免“瞎编乱造”。 但很多人不知道，RAG的效果好坏，很多时候卡在一个看似基础的环节上：文档分块，对于在实际落地中，文档分块也是一个令人非常头疼的难题。 简单说，“分块”就是把长文档切成小片段（比如每200词一段），方便后续检索。
9/22/2025 9:17:48 AM
Goldma
2025爆火的RAG技术是什么？从原理到应用全面科普！

2025爆火的RAG技术是什么？从原理到应用全面科普！
前言. 最近，RAG 这个词在网络中爆火，特别是一些 AI 方向的小伙伴，网上铺天盖地的文章、视频等教程，但是他们都各有各的不同看法，接下来就让我从一名 AI 产品经理角度，带你们彻底了解什么是   RAG、前世今生是什么、实用场景、工作原理、具体应用。 上期回顾：一、RAG 是什么.
9/20/2025 7:53:50 AM
A ad钙
万字长文详解腾讯优图RAG技术的架构设计与创新实践

万字长文详解腾讯优图RAG技术的架构设计与创新实践
导语在信息爆炸的时代，如何从海量数据中精准获取知识并生成智能回答，已成为AI落地的核心挑战。 腾讯优图实验室凭借前沿的RAG体系，突破传统检索与生成的局限，打造了一套覆盖语义检索、结构化表检索、图检索的全栈解决方案。 本文将为你深度解析优图实验室RAG技术的架构设计与创新实践：从多阶段训练的2B级Embedding模型、Reranker分层蒸馏，到结构化表的智能解析与查询，再到自研GraphRAG框架在构图效率与复杂推理上的突破。
9/12/2025 3:50:54 PM
优图RAG技术
当RAG遇上MCP...

当RAG遇上MCP...
随着基础模型能力的不断增强，现实世界中的应用场景对人工智能提出了更高的要求，推动其向更具上下文感知能力、依赖外部信息检索以及由智能智能体驱动的方向发展。 为了满足这些需求，诸如检索增强生成（RAG）和MCP等关键技术正逐步成为构建现代AI系统的核心组成部分。 简要回顾检索增强生成（RAG）是一种结合语言模型与外部知识库的方法，使模型能够在生成回答之前，先通过向量搜索或语义搜索技术检索相关的文档内容。
9/4/2025 7:52:16 AM
曹洪伟
系统梳理 RAG 系统的 21 种分块策略

系统梳理 RAG 系统的 21 种分块策略
检索增强生成（RAG）是许多 AI 工程师又爱又恨的技术（包括我）。 没错，因为从理论上看，它简单极了：“从你的定制数据中检索正确的上下文，然后让大语言模型基于此生成回答”。 但在实践中，你不得不面对海量杂乱无章的数据 —— 这些数据以你见过的最混乱随机的格式存储，接着就是数日绞尽脑汁的试错：调整文本块（tweaking chunks）切换嵌入模型（switching embedding models）替换检索器（swapping out retrievers）微调排序器（fine-tuning rankers）重写提示词（rewriting prompts）而模型依然回复：“我找不到足够的信息来回答你的问题”。
9/3/2025 4:00:45 AM
Baihai IDP
RAG 不止能检索！它还能在 LangGraph 中当“工具调用大脑”

RAG 不止能检索！它还能在 LangGraph 中当“工具调用大脑”
Retrieval-Augmented Generation（RAG）是一种结合信息检索和大型语言模型（LLMs）来回答用户查询的方法。 传统上，这涉及将检索器直接连接到生成流水线。 然而，通过 LangGraph 和 LangChain，我们可以进一步模块化这个过程，将检索器暴露为一个可调用的工具。
9/3/2025 1:45:00 AM
AI研究生
智能简历筛选案例拆解：基于LlamaIndex+LangChain的框架开发

智能简历筛选案例拆解：基于LlamaIndex+LangChain的框架开发
上一篇文章介绍了使用基础组件，实现企业规章制度 RAG 问答的案例。 这种原生开发方式虽然有助于更直观的理解 RAG 原理，但在面对更复杂的业务场景时，开发效率和功能扩展性方面的局限就会很明显。 尤其是包含异构文件整合、结构化信息提取和多轮对话交互的综合性应用，引入成熟的开发框架成为合理选择。
9/2/2025 3:00:00 AM
韦东东
从“知识断片”到“零样本推理”：AutoBnB-RAG如何赋能多智能体AI安全协作

从“知识断片”到“零样本推理”：AutoBnB-RAG如何赋能多智能体AI安全协作
大家好，我是肆〇柒。 今天要和大家分享的这项研究来自佐治亚理工学院（Georgia Institute of Technology）的工作，AutoBnB-RAG非常巧妙，为解决大型语言模型在网络安全决策中的“知识断片”问题，提供了一个既符合人类专家直觉又极具工程智慧的方案——让AI团队在“卡壳”时才去“查资料”。 这个研究为我们在多智能体中应用 agentic RAG 带来一些启发。
9/2/2025 2:00:00 AM
肆零柒