RAG 与 Agent 项目精选
把文档问答、Coze/Dify 课程流程、工具调用和 LangGraph 编排串成有权限与评测边界的学习项目设计。 RAG 与 Agent 项目精选 摘要 可靠的 AI 应用不只是“接上模型”,还要围绕数据、权限、检索、工具执行、失败处理和评估构建完整链路。本笔记将课件中的文档对话、Dify 和 LangChain/L
正在读取最新同步的笔记,请稍候。
KNOWLEDGE INDEX / 知识索引
从 Obsidian 同步而来的个人知识索引。按主题翻阅,或直接找到记忆里的那句话。
支持搜索标题、正文与标签,筛选状态会保存在网址中。
检索结果
把文档问答、Coze/Dify 课程流程、工具调用和 LangGraph 编排串成有权限与评测边界的学习项目设计。 RAG 与 Agent 项目精选 摘要 可靠的 AI 应用不只是“接上模型”,还要围绕数据、权限、检索、工具执行、失败处理和评估构建完整链路。本笔记将课件中的文档对话、Dify 和 LangChain/L
按离线建库、在线召回、重排、上下文组装和分层评估拆解 RAG 工程。 RAG 检索系统:从文档切分到线上评估 1. RAG 解决什么、不能保证什么 RAG(Retrieval-Augmented Generation,检索增强生成)在回答前从外部语料取回证据,再把证据交给生成模型。它适合知识更新频繁、需要引用内部资料或
整理知识入库、混合检索、上下文组装、生成和效果评估的端到端流程。 RAG 检索增强生成 摘要 RAG(检索增强生成)在回答前从外部知识源检索相关资料,再把资料与问题一起交给模型。它适合知识需要更新、需要利用私有文档或要求给出依据的任务,但不能保证检索一定正确或答案一定忠实。 正文 1. 两条流程 **离线索引:**收集
覆盖 RAG 数据流、切分、向量与混合检索、重排、评测、权限、安全及故障排查的详细题库。 RAG 检索增强生成面试题库 作答方法 RAG 面试回答不要停留在“向量检索后把文本交给大模型”。较完整的回答应当说清:离线知识如何变成带来源的索引、在线问题如何在权限范围内召回证据、如何将有限证据组装给模型、如何验证答案和引用,
Supabase 从零入门:给个人网站项目的基础教材 摘要 这篇教材介绍 Supabase 的 PostgreSQL 数据库、API(接口)、身份认证、行级安全、迁移和项目代码分层,并结合个人网站解释密钥与数据访问边界。目标是帮助初学者理解权限与数据结构的原理,而不是只照抄命令。 正文 适用对象:第一次接触 Supab
沿张量形状推导 Token、Embedding、自注意力、前馈网络到自回归生成。 Transformer 从输入到下一个 Token:计算全链路 这篇要回答什么 给定一段文本,模型如何把它变成向量、结合上下文,并逐步生成下一个 Token?本篇按一次 Decoder-only Transformer 前向计算串起来,并