RAG - 近期更新 - 第1页

导读：近期更新了《RAG》的相关内容，包括《大模型如何构建长期记忆与高效检索机制？》、《什么是检索增强推理提示词？如何设计结合外部知识的Prompt模板？》、《如何搭建团队协作知识库Agent？架构、检索与权限落地解析》等内容。如果 RAG 对你有帮助，请转发和分享本内容。知识因分享而拥有更大能量，感谢您成为这传播链条中的重要一环。

大模型如何构建长期记忆与高效检索机制？

上下文窗口一旦超限，模型就会忘记前文，长对话和多文档问答尤其明显。解决思路不是无限扩大窗口，而是给模型外接一个可读写的记忆系统：把历史对话、知识片段编码成向量写入存储，每次推理前先检索最相关内容，再拼接到提示词中。这个流程通常称为检索增强生成，也就是 RAG，是当前大模...

栏目：AI大模型时间：09-17 大模型长期记忆向量检索 RAG

什么是检索增强推理提示词？如何设计结合外部知识的Prompt模板？

大语言模型的知识截止于训练数据，遇到新信息或私有数据时常常一本正经地胡编乱造。检索增强推理提示词通过在Prompt中注入检索到的外部知识，让模型基于真实上下文作答，大幅降低幻觉率。本文从RAG的基本原理讲起，拆解一套可直接套用的提示词模板，包括上下文注入、引用约束、拒...

栏目：语言推理时间：09-13 检索增强推理 RAG Prompt模板

如何搭建团队协作知识库Agent？架构、检索与权限落地解析

一个30人规模的研发团队内部沉淀了上百份接口文档、复盘报告和排障手册，但这些资料散落在Wiki、飞书和本地Markdown文件中，查找成本极高。团队尝试用大模型做统一问答入口，却频繁遭遇幻觉和越权回答。本案例拆解一套团队协作知识库Agent的落地路径：先通过统一文档解析管道把...

栏目：AI智能体时间：08-20 知识库Agent RAG 多租户隔离

大模型推理产生幻觉该怎么系统排查和预防

模型返回了训练数据里根本没有的客户名称，或者把不存在的API参数写进代码，这类现象在业务落地时频繁出现。幻觉并不只是模型胡说，它往往来自检索缺失、上下文截断、解码策略激进或训练分布偏移。排查时应先固定输入与随机种子，对比有无检索增强的输出差异，再检查prompt是否诱...

栏目：AI大模型时间：08-16 LLM_hallucination model_inference RAG

为什么RAG检索结果总含噪声？如何用重排序模型提升上下文质量

直接召回的向量检索结果常常把语义相近但事实无关的内容排在前排，导致大模型被噪声上下文干扰而答错。重排序模型通过交叉编码方式对查询与候选文档逐对深度匹配，能纠正初排偏差。本文说明重排序在检索链路中的位置、主流交叉编码器用法，以及接入后上下文准确率的变化，帮助构...

栏目：语言推理时间：08-14 RAG reranker 向量检索

如何优化Langchain RAG检索来提升文档信息匹配准确性

在使用Langchain构建RAG应用时，很多开发者会遇到检索到的文档片段和用户输入问题匹配度低的问题，导致最终生成的回答不符合预期。本文围绕Langchain RAG检索的优化方法展开，从文档预处理、检索策略调整、重排序机制引入等多个维度讲解具体的优化方案，同时提供可落地的代码示...

栏目：Python 时间：06-23 LangChain RAG 文档检索信息匹配