AI知識ベース

一、测试提示词的根本原因： LLM 对提示词高度敏感，细微的措辞变化可能导致显著不同的输出结果 未经测试的提示词可能产生： 事实错误的信息 不相关的回复 不必要的 API 成本浪费 二、系统化的提...

🚀 提示工程 提示工程（Prompt Engineering）是生成式 AI 时代的一项关键技能，这是一门设计有效指令来引导语言模型生成期望输出的艺术与科学。据 DataCamp 报道，这一新兴学科涉...

概述 本指南将引导您使用纯 Python 创建一个简单的检索增强生成 (RAG) 系统。我们将使用一个嵌入模型和一个大语言模型 (LLM) 来检索相关文档并基于用户的查询生成回复。 https...

介绍 检索增强生成 (RAG) 是一种强大的技术，它将大型语言模型的优势与从知识库中检索相关信息的能力相结合。这种方法通过将生成的响应建立在特定的检索信息上来提高生成响应的质量和准确性。a 本笔记...

简介 BM25 检索增强生成（BM25 RAG）是一种高级技术，将用于信息检索的 BM25（Best Matching 25）算法与大语言模型结合，用于文本生成。通过使用经过验证的概率检索模型，此方法...

简介 数据分块是检索增强生成（RAG）系统中的关键步骤。它将大型文档分解为较小的、可管理的片段，以便高效索引、检索和处理。本 README 提供了 RAG 管道中可用的各种分块方法概述。 https...

今年 AI 领域最大的突破之一应该是在编程领域，像 Cursor、v0 dev 这样的 AI 编程工具，不仅大幅降低了普通人编程的门槛，也让专业程序员的开发效率大幅提升。 但是我们听到的新闻都是不...

综合介绍 LangChain Academy 是一个专注于教授 LangChain 生态系统基础知识的在线学习平台。该平台提供了丰富的课程内容，涵盖了 LangGraph 框架的基本概念和高级主题。L...

简介 评估是开发和优化检索增强生成（RAG）系统的关键环节。评估涉及对 RAG 流程各方面的性能、准确性和质量进行衡量，包括从检索效果到生成响应的相关性和真实性。 RAG 评估的重要性 对 RAG...

欢迎来到本笔记本，在这里我们将探索如何使用 Llama Index 设置和观察检索增强生成 (RAG) 流水线。 https://github.com/adithya-s-k/AI-Engineeri...

摘要 随着大语言模型（LLMs）展现出高度的类人能力，生成类人回复的角色扮演研究领域引起了越来越多的关注。这促进了角色扮演代理在各种应用中的探索，例如可以与用户进行自然对话的聊天机器人，以及能够提供个...

並べ替えモデルは、ユーザの質問に対する意味的な一致度に基づいて候補文書のリストを並べ替えることで、意味的ランキングの結果を改善する。 よく使われるbge-reranker-v2-m3やcohere

教育一直被认为是会被LLM改变最大的行业之一。ChatGPT 的使用场景中，教育占据了很大比重，其用量常随开学和假期规律波动。而 Andrej Karpathy 也选择了教育作为他的创业方向。人们都期...

基于句子窗口的检索器 RAG 方法 引言 基于句子窗口的检索器 RAG（Retrieval-Augmented Generation）方法是 RAG 框架的高级实现，旨在增强 AI 生成回复的上下...

引言 基于句窗口的检索增强生成（Retrieval-Augmented Generation，简称 RAG）方法是 RAG 框架的高级实现，旨在增强 AI 生成回答的上下文感知能力和连贯性。该方法...

简介 自动合并检索器是增强检索生成（RAG）框架的一种高级实现。该方法旨在通过将可能分散且较小的上下文合并成更大且更全面的上下文，从而增强 AI 生成响应的上下文感知能力和连贯性。 https://g...

2022 年 OpenAI 发布了 ChatGPT，成为世界上最快突破上亿用户的 APP，那时候人们都认为，我们离真正的人工智能更近了。但是人们很快发现，ChatGPT 可以对话聊天，甚至可以写诗写文...

TOML 是一种简洁明了的配置文件格式📄，设计上更适合人类阅读和书写✨。 ✅ 更容易写： 用键值对表示配置，没有复杂缩进和语法规则，减少出错率。 ✅ 更清晰： 支持分组 [group] 和嵌套结构，层...

介绍 查询转换使用手册展示了在检索增强生成 (RAG) 查询引擎、智能体或其他流程中执行用户查询前进行转换和分解的多种技术。这些转换可以提高 AI 应用中响应的质量和相关性。 https://gith...