谈谈Rag的产生原因、基本原理与实施路径 在《大佬们都在关注的AI Agent，到底是什么？用5W1H分析框架拆解AI Agent（上篇）》中，风叔提到要实现良好的AI Agent性能，RAG技术的使用至关重要，今天我们就来重点谈一谈RAG。
当“毛坯房”遇上“精装房”：大模型私有化部署中RAG和Fine Tune的技术选择 01 一场被按下快进键的AI革命过去一个月，国内掀起了一场本地化大模型部署浪潮。从金融银行到三甲医院，从制造车间到政务大厅，企事业单位纷纷宣布本地化部署DeepSeek大模型。”DeepSeek赋能智
RAG一周出Demo，半年上不了线，怎么破？ 很多熟悉RAG的产品经理和工程师会吐槽，“做RAG一周就可以出Demo，但真正做到能上生产环境的水平，半年时间都不够！”。这是现阶段RAG在产业落地的现实问题。RAG框架非常简单易懂，也有很多优化RA
RAG可以用来做什么？——AIGC催生的产物 AIGC爆火以后，应运而生的RAG到底都是什么？为什么会有这些产物呢？拿大语言模型举例来说，自身的能力很强大，但也存在一定的弊端，比如输出的内容太空太泛、输出的内容格式不符合预期、数据过时、在专业领域
RAG实践篇（四）：你需要知道的RAG七个局限 在之前的RAG实践篇中，我们就谈到了RAG在企业私有化知识的AI实践上的应用，可以看得出来，RAG的出现让GenAI的应用不再局限于模型训练数据（多使用公共领域的信息/知识），而是可以与私有知识库结合
RAG实践篇（三）：向量检索的AI应用，让知识“活起来” 产品经理小明收到一家大型科技公司的RAG项目需求：要构建一个用于员工QA的智能chatbot产品。公司希望这个产品既能回答常见的、标准的公司政策问题（如“如何申请出差津贴”、“公司的年假福利是什么样的
RAG实战篇：精准判断用户查询意图，自动选择最佳处理方案 在《RAG实战篇：构建一个最小可行性的Rag系统》中，风叔详细介绍了Rag系统的整体实现框架，以及如何搭建一个最基本的Naive Rag。在前面两篇文章中，风叔分别介绍了索引（Indexing）和查询
RAG实践篇（一）：知识资产的“梯度” 你是某个企业的领域知识专家。这个月，你们公司的AI技术来通知你，你们公司会通过RAG技术，把企业的私有知识库搬进大模型。这样，以后和这个领域的专有知识有关的问题，AI就再也不会满嘴跑火车，拿着不知真假
RAG实战篇：优化数据索引的四种高级方法，构建完美的信息结构 在《RAG实战篇：构建一个最小可行性的Rag系统》中，风叔详细介绍了RAG系统的实现框架，以及如何搭建一个最简单的Naive Rag系统。Indexing（索引）是搭建任何RAG系统的第一步，也是至关
产品经理需要知道的AI相关知识（二） 一、什么是RAGRAG，即检索增强生成（Retrieval-Augmented Generation）的缩写，是当前大语言模型应用落地的一项关键技术。它通过将检索模型和生成模型结合在一起，提高了生成内
