🏷️ RAG
共 45 个相关内容
🧭 导航
Dify
Dify 是一个开源的 LLM 应用开发平台，提供可视化工作流编排、RAG 知识库、Agent 构建等功能。无需编程即可搭建 AI 聊天机器人、自动化工作流和企业级 AI 应用。
FastGPT
FastGPT是专注于知识库问答的开源AI Agent平台，支持文档上传、RAG检索、工作流编排，适合构建企业知识库和智能客服系统。
Flowise
Flowise是开源的低代码平台，通过拖拽式界面帮助用户快速构建和部署LLM应用，支持RAG、Agent、对话链等多种架构，免费开源。
LlamaIndex
LLM 数据框架
Unstructured.io
Unstructured.io 是 LLM 文档预处理框架，支持将 PDF、HTML、Word、图片等多种格式的非结构化数据解析并分块为 LLM 可用的结构化格式。
Reworkd
AI 网页数据抓取与知识库 Agent 平台，自主浏览网站提取结构化数据，构建 RAG 与自动化数据管道。
NVIDIA ChatRTX
NVIDIA 本地 RAG 聊天助手，在 RTX 显卡上离线运行大模型，解析本地文件实现私密文档问答。
CopilotKit
开源 React AI 应用框架，快速为 Web 应用添加 AI 驾驶舱、智能聊天、RAG 问答与 Agent 编排能力，一站式集成。
Upstash
Serverless 向量数据库与 Redis 平台，专为 AI 应用提供极低延迟的向量检索、语义缓存与索引服务。
Vespa
Yahoo 开源的向量与混合搜索引擎，支持大规模向量检索、实时索引与全文搜索一站式处理。
📝 文章
零基础搭建个人AI知识库：2026年最实用的本地RAG系统部署指南
从硬件选择到软件部署，手把手教你用Ollama+AnythingLLM+本地向量数据库搭建完全私有的AI知识库。
2026/4/26RAG技术深度解析：2026年企业知识库最佳实践
深入解析检索增强生成（RAG）技术原理，覆盖分块策略、向量数据库选型、混合检索和高级优化技巧，附完整技术架构方案。
2026/4/26AI RAG系统进阶实践：提升检索质量的6大核心技术
深入剖析2026年RAG系统优化的6大核心技术，涵盖分块策略优化、混合检索、重排序、查询转换、Graph RAG和多模态RAG，附代码示例和性能数据。
2026/5/7AI 幻觉问题全解析：成因、影响与 5 种有效破解方法
深度剖析 AI 幻觉的底层成因，分享 5 种经过验证的缓解策略，帮助你在实际工作中避免被 AI 错误信息误导。
2026/5/8AI企业搜索引擎对比：Glean、Algolia、Elastic Search AI 谁更强？
从搜索准确率、私域数据接入、权限管理、部署方式和中文支持等维度，深度对比 Glean、Algolia NEural Search、Elastic Search AI 和开源方案
2026/5/13RAG 高级检索增强技术实战：从Naive RAG到Graph RAG和Agentic RAG
深入剖析RAG技术的演进路线，包含多路召回、Merged Reranking、Graph RAG、Agentic RAG等高级技术详解与代码实现。
2026/5/23企业级RAG系统从零搭建指南：架构、选型与避坑实战
手把手教你搭建企业级RAG知识问答系统，涵盖架构设计、向量数据库选型、Embedding模型选择、检索优化和评估方案，附完整技术方案。
2026/5/27手把手教程：用Dify+本地大模型搭建你的私有AI知识库（2026版）
无需OpenAI API，用Dify开源平台搭配Ollama本地模型，30分钟内搭建一个完全私有的企业知识库系统，数据不出本机。
2026/5/31从零搭建AI智能客服知识库：Dify + RAG + 飞书多维表格实战教程
完整的开源方案教程：使用Dify工作流、RAG检索增强生成和飞书多维表格作为知识库底座，搭建一个准确率超92%的企业级AI客服系统，开发周期仅需3天。
2026/6/3企业级RAG系统从零到生产：2026年最佳实践架构指南
一套经过生产验证的企业RAG系统架构方案，覆盖文档解析、向量化策略、检索优化、多轮对话记忆和评估监控五大核心模块，附开源组件选型推荐。
2026/6/6Ollama + Open WebUI + AnythingLLM：搭建私有AI知识库完整指南
手把手教你用Ollama、Open WebUI和AnythingLLM三步搭建企业级私有知识库，支持本地大模型+RAG检索，告别数据隐私担忧。
2026/6/7MCP 与 LangChain/LlamaIndex 深度整合：构建企业级 AI Pipeline
MCP 协议如何与 LangChain、LlamaIndex 等主流 AI 框架协同工作，实现可组合的企业级 AI 工作流。
2026/6/15RAG框架选型指南 2026：LlamaIndex vs LangChain vs Haystack vs 向量数据库完整对决
深度对比2026年四大RAG框架 LlamaIndex、LangChain、Haystack 和主流向量数据库，从检索精度、部署架构、成本全面评测。
2026/6/23企业级RAG系统搭建实战：从检索增强生成到可落地的知识库
手把手教你搭建生产级RAG系统，涵盖Chunking策略、Embedding模型选择、检索优化、Rerank机制、缓存策略等关键技术细节。
2026/7/28从零搭建AI知识库：LLM+RAG完整实战教程（2026版）
手把手教你用LangChain + 向量数据库搭建企业级AI知识库，包含数据清洗、向量化、检索优化、Prompt设计全流程。
2026/7/4零基础搭建个人AI知识库：2026年最完整的 RAG 系统搭建教程（含源码）
手把手教你用 LangChain + Qdrant + Ollama 本地搭建完全私有的RAG知识库，无需GPU、无需联网、保护隐私。支持PDF/网页/笔记多种数据源。
2026/7/15企业AI知识管理实战：从碎片信息到智能大脑的完整转型路径
如何用AI技术重构企业知识管理体系，实现知识采集、沉淀、检索、应用的全面智能化
2026/7/16GraphRAG崛起：2026年知识图谱+RAG的下一代检索范式
深度解析GraphRAG技术原理、与向量RAG的对比、以及企业落地最佳实践
2026/7/16GraphRAG vs 传统RAG：2026年最完整的技术对比与选型指南
从检索机制、推理能力、成本效益等7个维度，深度对比GraphRAG与传统向量RAG
2026/7/16RAG系统评估全攻略：2026年最实用的质量评测框架
从检索精度到生成质量，深入解析RAG系统的多维评估指标体系，附完整评估工具链推荐
2026/7/162026年向量数据库深度对决：Pinecone vs Milvus vs Qdrant vs Weaviate
从性能、成本、功能到生态，全面对比四大主流向量数据库，帮你选对AI基础设施
2026/7/162026年RAG技术进阶：从简单检索到多层推理智能问答系统
深入解析2026年RAG技术的演进路线：分层检索、工具编排、自适应路由和查询规划等高级技术，附完整系统架构和代码示例。
2026/7/18AI客服机器人的知识库构建方法论：从零搭建高准确率的智能问答系统
一套经过实战验证的AI客服知识库构建方法论，涵盖数据清洗、文档分块策略、检索优化和持续迭代流程，将问答准确率从60%提升到95%以上。
2026/7/19从零搭建个人AI知识库：RAG+向量数据库完整教程
完整的本地AI知识库搭建教程，涵盖向量数据库选型、文档处理、嵌入模型选择和检索优化，无需编程基础也能上手。
2026/7/22告别纸上谈兵：2026年企业落地RAG系统避坑指南与架构模板
企业RAG（检索增强生成）项目最容易翻车的5个环节：文档解析乱码、分块策略错误、检索召回率低、大模型幻觉、延迟过高。本文提供每个环节的避坑方案与可复用的生产级架构模板。
2026/7/27RAG技术深度进化：2026年GraphRAG与Agentic RAG实战落地指南
深入解析2026年RAG技术的最新演进，从传统RAG到GraphRAG再到Agentic RAG，包含架构对比、实现方案和生产部署最佳实践。
2026/7/262026年最值得关注的10个AI开源项目（2026年7月版）
精选2026年7月最值得关注和使用的AI开源项目，涵盖LLM、Agent框架、RAG工具、AI编程、多模态等热门领域，附快速上手指南。
2026/7/26RAG应用生产级最佳实践：从原型到企业级的完整技术栈
检索增强生成（RAG）从概念验证到生产部署的技术全攻略，涵盖分块策略、检索优化、重排序、缓存、评估与监控。
2026/7/30AI幻觉治不好，但可以管住：2026年企业落地大模型时必须掌握的幻觉治理实战框架
从检索增强、引用溯源、置信度校准到人机协同复核，系统拆解企业级RAG系统里幻觉产生的根源与一整套可落地的治理手段，附具体提示词与监控指标。
2026/8/5从0搭建本地私有知识库：Ollama+RAG+向量库完整教程
手把手教你用Ollama本地大模型、向量数据库和RAG流程，在不上传任何敏感数据的前提下，搭建一套完全私有化的企业知识库问答系统。
2026/8/2RAG落地必踩的12个坑，我全帮你踩过了：企业级检索增强系统实战避坑指南
基于真实生产项目的12个RAG落地坑位：检索切分、embedding选型、重排序、召回质量、评估体系……逐个给出当时踩坑的表现与现成的解决方案。
2026/8/5只调Prompt搞不定企业内部知识：为什么2026年企业AI必须重视RAG检索增强
很多人试用AI问答后惊呼'它是万能的'，但一接入企业内部知识就翻车。这背后是Prompt与RAG的根本差异。本文讲清两者的分工边界、适用场景与落地坑点，帮你构建真正可用的企业知识AI。
2026/8/16企业知识库落地RAG全流程：从数据清洗到回答不跑偏的实战手册
从文档处理、切片策略、向量化、检索优化到评测反馈，一文讲透企业RAG知识库从0到1的落地细节，避开常见坑。
2026/8/19多模态RAG实战指南：让AI不再'看见图片却说不出所以然'
纯文本RAG已经不够用，2026年企业数据里越来越多的图片、表格、PDF、音视频。本文从数据解析、向量化、检索排序三个环节，给出一个能跑通的多模态RAG落地框架与踩坑清单。
2026/8/18RAG还是Agent工作流？2026年企业知识库落地的正确姿势
传统RAG、GraphRAG、Agent+知识库编排，三种方案到底怎么选？本文用真实企业场景拆解检索增强生成的技术选型，帮你避开知识库落地的大坑。
2026/8/17