摘要： 文档分块技术已经走过了三个主要时代，目前正迈向第四个： V1.0 机械时代： 方法: 固定长度分块、字符/Token分块。 缺陷: 完全无视语义和逻辑，粗暴地将文本切开，导致大量上下文丢失和知识破碎。（已被业界淘汰） V2.0 结构化时代： 方法: 递归字符分块 (RecursiveCharacte 阅读全文

摘要： 一、为什么要压缩 & 过滤检索器一次拉回 top-k 篇文档，其中 80% 的 token 与问题无关 → 浪费 LLM 上下文窗口 无关内容引入幻觉目标：在“送进 LLM 之前”就把无用段落/句子/ token 丢掉或压成更短的表示。 二、整体两阶段流水线query│▼[1. 检索] ─► 原始文 阅读全文

摘要： from langchain_experimental.text_splitter import SemanticChunker SemanticChunker 不是 LangChain 的内置组件，而是属于 langchain-experimental 包，这是一个 实验性功能 的扩展库，包含了一 阅读全文

摘要： 摘要 Advanced RAG 的后检索优化，是指在检索环节完成后、最终响应生成前，通过一系列策略与技术对检索结果进行深度处理，旨在显著提升生成内容的相关性与质量。在这些优化手段中，重排序优化（Reranker）作为核心技术之一，凭借其对检索结果的二次筛选与优先级调整能力，成为提升 RAG 系统性能 阅读全文

摘要： 摘要 Advanced RAG 的后检索优化，是指在检索环节完成后、最终响应生成前，通过一系列策略与技术对检索结果进行深度处理，旨在显著提升生成内容的相关性与质量。在这些优化手段中，上文压缩与过滤技术是提升检索结果质量的重要手段。它能巧妙筛除冗余、无关信息，萃取关键内容，为后续处理奠定优质基础。本文 阅读全文

摘要： 转：多Agent协作入门：基于A2A协议的Agent通信（中） - EdisonZhou - 博客园 合集 - Agent Orchestration(7) 1.多Agent协作入门：基于A2A协议的Agent通信（中）10-09 2.多Agent协作入门：基于A2A协议的Agent通信（上）10- 阅读全文

摘要： 1.ollama简介 Ollama 是一款开源工具，允许用户在本地便捷地运行多种大型开源模型，如 DeepSeek、ChatGLM、Llama 等。通过 Docker Compose，我们可以快速部署 Ollama 服务，并结合其他工具（如 Dify 或 Open-WebUI）构建强大的 AI 应用 阅读全文

摘要： 我都没有Ollama怎么跟着你的文章安装体验DeepSeek，啊哈哈，这篇博客忘记发啦，今天补上！1.ollamaOllama是一个本地运行大型语言模型（LLM）的工具，Ollama是一个开源的 LLM（大型语言模型）服务工具，用于简化在本地运行大语言模型，降低使用大语言模型的门槛，使得大模型的开发 阅读全文

摘要： AutoModel 加载模型”是指使用 Hugging Face Transformers 库提供的 AutoModel 系列类，根据模型名称自动识别并加载对应的预训练模型结构和权重，从而无需手动指定具体模型类（如 BertModel、GPT2Model 等）。这一过程简化了模型加载流程，提升了代码 阅读全文

摘要： 大模型基础应用框架（ReACT\SFT\RAG）技术创新及零售业务落地应用 一、前言 2023年，大语言模型以前所未有的速度和能力改变我们对智能系统的认知，成为技术圈最被热议的话题。但“百模大战”终将走向“落地为王”，如何将大语言模型的强大能力融入实际业务、产生业务价值成为致胜关键。 在零售场，大模 阅读全文