Tag: RAG
All the articles with the tag "RAG".
RAGFlow：基于深度文档理解的开源检索增强生成引擎
Published:RAGFlow是一个开源的检索增强生成（RAG）引擎，旨在实现深度文档理解。它结合大型语言模型（LLM），为各规模企业提供真实的问题解答能力，并实现对复杂格式数据的有效归纳。适用于多种数据源，RAGFlow是推动智能应用的重要工具。
Chonkie：简单高效的文本块处理库，助力RAG应用
Published:Chonkie是一个简单高效的RAG文本块处理库，旨在帮助用户快速处理和分割文本。其功能包括清晰的接口、支持多种文本格式以及实现了高效的文本分块算法。欢迎访问项目页面以了解更多信息： https://github.com/bhavnicksm/chonkie
2024年十大RAG框架GitHub库推荐
Published:Retrieval-Augmented Generation (RAG)技术已经成为提升大型语言模型能力的强大工具。本文介绍了2024年十大RAG框架的GitHub库，包括其功能特点和应用场景，旨在帮助开发者选择最适合的工具，以充分利用RAG技术的优势。
kotaemon 一个开源的、高颜值、清爽干净且可定制的 RAG UI 系统
Published:Cinnamon开源了一款基于RAG的工具kotaemon，可以与您的文档进行互动对话。这款工具能有效解析文档内容并提供智能反馈，帮助用户获取所需信息。其特点包括支持多种文件格式、快速响应以及易于集成的API。
探讨RAG应用中的向量数据库一致性维护挑战
Published:在开发RAG应用过程中，我深刻体会到向量数据库作为辅助组件的重要性。它存储着核心数据生成的text embedding，但当核心数据变化时，向量存储及其metadata也需更新。这会增加一致性维护的负担，使系统变得更加复杂且容易出错。
通过整合视觉模型变革RAG，提升文档处理能力
Published:传统的检索增强生成（RAG）方法已经彻底改变了我们与文档的交互方式，但仍存在一些不足。本文探讨通过整合视觉模型如何提升文档处理的效率与准确性，提升信息检索和生成的能力，进而改善用户体验。
学习优化大模型回答问题的有效方法
Published:大模型要回答好问题，最重要的是要先认真学习 很多优化方法都可以归结这一点，如： - Anthropic 提出的 Context Retrieval：
Artificial Analysis：大模型能力、价格、速度对比的工具
Published:大模型能力、价格、速度对比的工具