🏷️ RAG
共 111 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。
Marqo
Marqo 是一个开源、云原生的张量搜索引擎，将机器学习直接嵌入检索流程，实现向量搜索与全文检索的混合排序，无需机器学习专家即可开箱即用地构建语义搜索、图像搜索和 RAG 应用。
百炼 (阿里云百炼)
阿里云百炼是一站式大模型服务平台，提供通义千问系列模型调用、微调、RAG 检索增强与多智能体编排，帮助企业快速落地生成式 AI 应用。
Command R (Cohere)
Command R 是 Cohere 面向企业级 RAG 检索增强的旗舰大模型，支持引用溯源、多语言与高效指令调用，帮助企业以更低成本落地生成式 AI。
EnterpriseGPT
EnterpriseGPT 是新加坡的 AI 企业级生成式引擎，无代码构建企业 GPT 助手、RAG 知识库与跨部门智能应用，兼顾安全、合规与私有化部署。
Crawl4AI
开源 LLM 友好的网页爬虫与数据抓取框架，把整站内容清洗成结构化 Markdown 供 RAG 与 Agent 使用。
TXYZ
面向科研人员的 AI 文献阅读与知识管理助手，解析论文、整理笔记并跨库检索，大幅加速学术研究流程。
Recall
AI 知识库笔记工具，一键保存网页、文档与视频并自动生成摘要，构建可随时问答的个人第二大脑。
Chonkie
Chonkie 是轻量开源文本分块库，内置多种语义与结构感知切分算法，为 RAG 流水线提供高效、可定制的 chunking 能力。
MinerU
MinerU 是开源高精度文档解析工具，将 PDF、扫描件与网页智能转换为结构化 Markdown/JSON，为 RAG 与 LLM 提供干净语料。
Redis
Redis 是高性能内存数据结构存储，内置 Redis Stack 向量数据库与 AI 缓存能力，为 LLM 与 RAG 应用提供低延迟的语义检索与上下文管理。
Dolphin
字节跳动开源文档智能解析模型，精准识别复杂版面、公式、表格与图表，为文档问答与 RAG 提供高质量结构化数据。
MindSearch
上海 AI Lab 开源的多智能体 AI 搜索引擎框架，模拟人类搜索过程进行深度联网检索与答案聚合。
Chandra
Chandra 是 Datalab 出品的高精度文档 OCR 与版面理解模型，能将 PDF、扫描件与手写内容转换为结构化 Markdown，精准还原表格、公式与阅读顺序。
Cognee
Cognee 是开源 AI 记忆引擎，用图结构连接文档、对话与知识，为 Agent 提供可扩展的语义记忆与检索增强能力。
Firecrawl
Firecrawl 是开源网页抓取与数据提取 API，能将整站内容清洗为 LLM 友好的结构化数据，为 RAG 与 AI Agent 提供高质量语料。
Open Notebook
Open Notebook 是开源版 NotebookLM 替代方案，支持上传 PDF、视频与音频自动构建知识库，提供多模型对话、播客生成与私有化部署能力。
TaskingAI
TaskingAI 是开源 AI 应用开发平台，提供 Agent、工具、检索增强与模型管理的一站式后端，快速构建生产级 AI 产品。
Unstract
Unstract 是开源 LLM 文档数据提取平台，无需模板即可从 PDF、扫描件与合同批量抽取结构化数据并自动清洗入库。
LightRAG
LightRAG 是轻量高效的开源检索增强生成框架，基于图结构索引实现快速、精准的知识问答。
Supermemory
Supermemory 是 AI 个人记忆与知识管理平台，汇聚笔记、网页与文件，为你的 AI 提供长期可检索的记忆。
📝 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。
2026/8/17AGENT的记忆革命：2026年AI Agent持久化记忆的4种架构，让AI真正『记住你』
系统解析2026年AI Agent的四种记忆架构——本地向量库、会话摘要、工具记忆、混合图谱，并给出落地选型建议，解决AI『记不住』的核心痛点。
2026/4/26零成本搭建个人知识库：2026年用Notion、Obsidian还是纯本地RAG？
手把手对比三种免费搭建个人知识库的方案——Notion AI、Obsidian生态、本地RAG，给出从笔记整理到智能检索的完整落地路径，不花一分钱。
2026/4/26RAG还是微调？2026年别再纠结，按这张决策表选就对了
RAG和微调不是二选一，而是不同场景下的不同工具。本文从知识更新、幻觉控制、成本、代码能力四个维度拆解两者的本质差异，给出可直接对照的决策表，并演示RAG+微调组合使用的常见路子。
2026/8/26零基础搭建个人 AI 知识库：免费 + 开源的完整教程
用 Notion 还是自建 RAG？本教程手把手教零基础用户用开源工具搭建个人知识库：从资料整理、向量化、问答检索到本地运行，全程免费且数据自持，20分钟跑通第一个能对话的知识库。
2026/8/232026年RAG技术调研：从朴素向量检索到图增强检索，下一代知识库怎么搭？
深入剖析2026年RAG技术的关键演进——混合检索、GraphRAG、Agentic RAG与长上下文模型的关系，给出企业构建高精度知识库的工程架构。
2026/4/26RAG 已死，Agent 为王？2026年知识库技术的真实演进方向
'RAG 已死'的论调流行了一段时间，但真相更复杂。本文拆解 RAG、GraphRAG、Agentic RAG 的区别与适用场景，给出 2026 年知识库技术栈的落地路线，避免盲目追逐概念。
2026/8/23告别手动整理合同！用AI Agent搭建文档处理流水线，效率提升5倍
从合同审核、发票提取到报告归档，手把手教你用AI Agent搭建一套完整的文档处理流水线，覆盖OCR、语义解析、自动分类与RAG检索的完整闭环。
2026/4/26RAG检索总答非所问？问题可能出在重排序环节，这里有完整解法
很多RAG系统召回一堆文档却答不到点上，根因往往是被忽略的ReRank重排序。本文讲透RAG检索的精排链路：粗排、精排、阈值过滤、混合检索，并给出可落地的评测方法。
2026/4/26RAG效果总是不理想？问题多半出在分块这一步，而不是模型不够强
很多人把RAG效果差归咎于大模型，其实根子在检索前端的chunking。本文从固定长度分块、语义分块到父子分块讲透三种策略的取舍，并给出按文档类型选择分块方式的实战建议。
2026/4/26RAG知识库检索优化指南：从'答非所问'到'精准命中'
深入拆解RAG检索失败的五大原因，覆盖Chunk切分、混合检索、重排序、上下文压缩等实用优化手段，附可直接照抄的检索调优清单。
2026/8/30AI笔记工具为何总差一口气？笔记神器与'第二大脑'的真相
笔记工具越用越乱，'第二大脑'概念炒得火热却难落地。本文对比主流AI笔记工具，拆解RAG知识库在个人笔记场景的适用边界，给出真正可用的记笔记方法。
2026/9/2把Notion变成你的私人知识中枢:从零搭建AI问答数据库
你的Notion里存了大量笔记、文档和会议记录,但『存进去就再也找不回来』。本文手把手教你用Notion API加上向量检索,把散落的知识库升级成一个能对话、能引用出处的AI问答系统,并给出检索增强的实用优化。
2026/9/4明明喂了最全的资料,答案却还是不好?2026年RAG检索优化实战
很多人把RAG答不好归咎于模型弱,其实八成卡在检索质量上,尤其是切分与召回。本文从切块策略、重叠设计、混合检索到重排序,给出让RAG从『能答』升级到『答得准』的一线可调参数。
2026/9/4零基础30分钟部署自己的RAG问答机器人：从向量库到企业知识问答的完整教程
本文给出一套零基础也能上手的RAG问答机器人搭建流程：文档切片、向量化、检索与生成四步走,全程可本地部署不依赖昂贵API,适合个人和企业把散落文档变成可交互的知识库。
2026/9/3RAG实战指南：用200行代码给企业构建一个私有知识库问答机器人
不依赖昂贵模型，用LangChain、向量数据库和开源嵌入模型，手把手搭建一个能回答企业内部文档问题的RAG系统，覆盖数据准备到部署全流程。
2026/4/26开源RAG框架大对决：LlamaIndex、Haystack、LangChain到底怎么选？
同样是RAG，四个主流开源框架的定位天差地别。从检索质量、Agent生态、工程成熟度拆解选型逻辑，帮你一次选对。
2026/9/6混答、双检索、落地校验：我对几种'防幻觉'架构的真实对比
幻觉不是靠一句'请勿编造'就能解决的。本文从检索增强、结构化约束、多模型交叉验证到落地校验四类架构逐一对比，告诉你不同业务场景到底该搭哪套防幻觉方案。
2026/9/10长上下文不是万能钥匙：100万token窗口，为什么你还是填不满
各家都在喊百万级上下文，但把整本书塞进去效果往往不如RAG。本文讲清楚长上下文的三笔隐性成本、'迷失在中间'现象，以及什么场景该用它、什么场景该绕开。
2026/4/26RAG和微调到底怎么选？2026年企业落地的5个真实判断标准
RAG还是微调？这是2026年企业AI落地最纠结的问题。本文用5个判断标准告诉你什么场景该用RAG、什么场景必须微调，以及90%团队都会踩的坑。
2026/4/26RAG 评测怎么做？大多数人只测了『召回』就以为完事了
RAG 效果差，很多人第一反应是换向量模型。其实你该先测清楚问题出在检索还是生成。本文给出一套可落地的 RAG 评测框架与指标。
2026/9/18RAG还是微调？2026年选错就白烧钱，一张决策图讲清
RAG和微调不是二选一，而是解决不同问题。本文用真实场景拆解两者的适用边界、成本结构和组合打法，附一张可直接对照的决策清单。
2026/4/26AI Agent记忆系统设计：短期、长期与语义记忆的工程实现
Agent 记不住事？从短期对话缓冲、长期向量库到语义摘要记忆，讲清三类记忆的架构设计、写入时机与检索策略，附主流框架实现方案。
2026/4/26RAG分块策略完全指南：为什么你的知识库总是答非所问？
RAG效果差八成出在分块上。本文用原理加代码讲透固定长度、语义分块、父子分块、上下文增强等策略的取舍，并给出选型决策表。
2026/9/21Reranker重排序实战：让RAG检索准确率大幅提升的那记临门一脚
向量检索召回了对的文档却排在后面？加入重排序模型是提升RAG质量性价比最高的一步。本文讲原理、选型、集成与效果评估。
2026/9/21上下文工程：比提示词工程更值钱的那一层能力
提示词写得好只是及格线，真正决定 AI 输出上限的是喂进去的上下文。本文讲清上下文工程的四个组成部分、组装顺序与常见误区。
2026/9/23长上下文不是万能药：2026年百万Token窗口的四个真实陷阱
当上下文窗口做到100万Token，为什么你的Agent还是答错？拆解注意力稀释、成本黑洞、检索取代与位置偏差四个实战陷阱，附可落地的分块与验证策略。
2026/9/25打造一个能写能画的AI学习助手：从零到可用的完整教程
手把手教你用国产大模型+知识库搭建个性化AI学习助手，覆盖需求拆解、RAG构建、Prompt设计、前端对接全流程，附完整可运行代码。
2026/9/26RAG评测怎么做才不白费功夫：别再盯着'召回率'了
从检索质量、生成忠实度到端到端任务成功率，一套可落地的RAG评测体系，含RAGAS、TruLens等工具选型与自动化评测管线搭建方法。
2026/9/26RAG切分没做好，后面全白搭：分块策略实战指南
分块是RAG最被低估的环节。固定长度、语义分块、层次分块、父子文档、按结构切——五种策略的取舍与代码思路。
2026/9/28多模态RAG实战：让AI看懂扫描件、图表和截图
传统RAG只能处理文字，遇到PDF图表、发票、截图就歇菜。这篇讲多模态RAG的架构、切分策略和落地难点。
2026/4/26RAG做出来没人用？2026年检索增强系统评测实战教程
RAG不是塞个向量库就完事。本文手把手讲如何科学评测你的RAG系统——检索质量、答案忠实度、幻觉检测，以及一套可落地的评测流程。
2026/4/26Agent记忆 vs RAG：2026年别再混淆这两个概念，用错等于白做
很多人把记忆和RAG混为一谈，结果Agent又健忘又答不准。本文讲清两者本质区别、各自适用场景，以及如何组合成真正聪明的Agent。
2026/4/26别再乱喂文档了：2026年RAG效果差的七个真实原因
很多人抱怨RAG答不准，就归咎于模型不行。其实九成问题出在检索和数据处理环节。本文列出RAG效果差的七个真实原因，并给出对应的排查方法。
2026/10/4AI 记忆层选型指南 2026：Agent 的「长期记忆」到底该怎么建
Agent 记不住三天前聊过什么，是体验崩塌的头号原因。但「加个向量库」远不是完整的记忆方案。本文讲清记忆层要解决的四个问题和企业落地路径。
2026/10/6打造AI第二大脑：2026年个人知识库搭建实战
信息越多越焦虑？本文讲解如何用AI构建可检索、可对话、能生长的个人知识库，从工具选型到工作流完整落地。
2026/10/7RAG还总答错？2026年企业知识库落地的5个致命细节
很多人以为RAG就是文档切片加向量检索，实际落地时却频繁答非所问。本文拆解分块、检索、重排、评估的关键工程细节。
2026/10/7微调还是 RAG？2026 年该怎么做决策
微调和 RAG 常被当成二选一的对手，其实各治一种病。本文用一张决策表帮你判断该用哪个、能不能一起用，并给出成本与迭代速度对比。
2026/4/26GraphRAG 实战：当普通 RAG 答不了「跨文档」的问题
普通 RAG 只能召回孤立片段，遇到需要串联多份文档、多跳推理的问题就失效。本文讲清 GraphRAG 的建图流程、查询模式与适用边界。
2026/4/26混合检索怎么做：向量 + 关键词 + 重排的三段式
单靠向量检索总有些词查不准。本文讲清混合检索的原理：向量召回语义、关键词召回精确、重排模型提纯，并给出参数调优清单。
2026/4/26RAG 切分策略全解：为什么你的检索总是召回一堆废话
RAG 效果差，八成死在切分上。本文讲清固定长度、语义切分、递归切分、父子切分的适用场景，并给出按文档类型选策略的实战决策表。
2026/4/26向量数据库怎么选：2026 年选型避坑指南
选向量库别只看跑分。本文从检索规模、延迟、过滤能力、运维成本四个维度对比主流方案，给出按场景的选型建议与常见踩坑点。
2026/4/26多模态 RAG 实战：让 AI 能读懂图片、表格和扫描件
传统 RAG 只会读文字，一遇到表格和扫描件就抓瞎。本文讲清多模态 RAG 的三条技术路线、切分策略与落地成本，附选型建议。
2026/4/26上下文工程实战：为什么 1M Token 上下文反而拖慢你的 AI 应用
长上下文是2026年的标配，但把资料一股脑塞进去往往效果更差。本文讲清上下文工程的核心原则、检索与压缩的取舍，以及可直接照搬的分层策略。
2026/4/26RAG 还是微调？2026年做 AI 应用前必须先想清楚的选择题
检索增强和微调不是二选一的对立面，而是解决不同问题的两把刀。本文给出判断清单、成本对比和组合方案，帮你避开最常见的选型陷阱。
2026/4/26RAG 还是微调？2026年别再选错：一张决策图讲清成本和效果
RAG和微调经常被当二选一，其实它们解决的是不同问题。本文用真实成本和场景给出可执行的决策框架，避免花冤枉钱。
2026/4/26RAG效果评估2026：别再凭感觉说'答得还行'，一套可量化的评测体系
拆解RAG系统的四个评测维度（检索、生成、端到端、成本），给出指标定义、数据集构建方法和自动化评测流程，让优化有据可依。
2026/4/26