Autoresearch Made Our Models 3x Faster — Tejas Bhakta, Morph(在新分頁開啟原站)
介紹 Morph 工具如何將 Autoresearch 模型加速三倍,並說明其核心功能與使用方式。
※ 摘要僅根據標題與說明
Retrieval-Augmented Generation ・ 30 筆內容
讓模型回答前先查你的資料,減少幻覺、補上最新與私有的知識。
也叫做:RAG、檢索增強、检索增强、檢索增強生成、retrieval augmented、retrieval-augmented、GraphRAG、知識庫問答、知识库、知識庫、文件問答、自己的文件、我的文件、自己的資料、私有資料、內部文件、chat with your documents、chat with pdf
由淺入深:入門 → 進階 → 高階
RAG Master Series: Complete Guide to Retrieval-Augmented Generation
Jason Liu(部落格)● 有原文
OpenAI 的 RAG 范例,无需向量化(在新分頁開啟原站)
马克的技术工作坊19 分鐘○ 無原文
高見龍● 有原文
The Current State of Agentic Retrieval - Qdrant Roundtable
Agentic Conversations(原 MLOps.community)59 分鐘● 有原文
Autoresearch Made Our Models 3x Faster — Tejas Bhakta, Morph(在新分頁開啟原站)
AI Engineer8 分鐘○ 無原文
RAG 工作机制详解——一个高质量知识库背后的技术全流程(在新分頁開啟原站)
马克的技术工作坊17 分鐘○ 無原文
How to Build an Open-Domain Question Answering System?
Lilian Weng(部落格)● 有原文
依相關、人氣、新鮮度綜合排序;站長推薦的加成
介紹 Morph 工具如何將 Autoresearch 模型加速三倍,並說明其核心功能與使用方式。
※ 摘要僅根據標題與說明
介紹了如何在專案中高效搜尋檔案內容,並展示了如何將 ripgrep 整合進 KeSi 工具。透過使用 rg 的預設過濾規則與子行程技術,KeSi 能自動忽略隱藏檔與二進位檔案,並提供包含行號與檔名的搜尋結果,大幅減少模型處理的雜訊與代價。
這門課程從零開始,實作一套完整的混合搜尋系統,整合 BM25、稠密嵌入與 Reranker。作者使用 FinanceQA 資料集,詳細展示如何建立索引、執行搜尋並融合結果,最終透過 RRF 與 Reranker 提升檢索品質。
※ 摘要僅根據標題與說明
本訪談探討了 AI 代理在檢索(Retrieval)領域的最新狀態。討論涵蓋了代理如何高效搜尋、評估結果、以及利用技能與強化學習來最佳化搜尋行為。
介紹如何將 RAG 與即時網路搜尋結合,並說明允許的網站範圍。
※ 摘要僅根據標題與說明
介紹如何將 YouTube 整合為 AI 第二腦,提供具體方法讓使用者快速建立知識庫。
※ 摘要僅根據標題與說明
※ 摘要僅根據標題與說明
Simon Hørup Eskildsen 分享 Turbopuffer 如何從 Readwise 的推薦引擎演變為一個專注於非結構化資料的搜尋引擎。他強調透過結合物件儲存與 NVMe 技術,避免傳統共識層,以降低成本並提升效能。
※ 摘要僅根據標題與說明
介紹如何運用 DeepSeek R1 與 AnythingLLM 建立本地化知識庫,幫助使用者將資料存入本地並進行高效管理。
※ 摘要僅根據標題與說明
依發布時間
介紹 Morph 工具如何將 Autoresearch 模型加速三倍,並說明其核心功能與使用方式。
※ 摘要僅根據標題與說明
Dave 展示如何結合 Fumadocs 與 Sanity 建立公司知識庫,並使用 AI 程式設計代理進行客製化。影片涵蓋從設定本地 Markdown 檔案、匯入 Sanity 編輯器,到配置關鍵字、語意搜尋及 AI 聊天 widget…
※ 摘要僅根據標題與說明
教導開發者如何使用 Python MCP SDK 將 GraphRAG 知識圖與生成式 AI 結合,打造可被 AI 應用發現的工具。
※ 摘要僅根據標題與說明
介紹 DeepWiki 如何透過認知能力,為 Devin 等 AI 模型建立規模化的知識庫。
※ 摘要僅根據標題與說明
介紹騰訊雲 ElasticSearch 企業版,涵蓋 ES 基礎教學與 RAG 應用實作,適合希望快速上手 AI 搜尋與記憶技術的開發者。
※ 摘要僅根據標題與說明
介紹了如何在專案中高效搜尋檔案內容,並展示了如何將 ripgrep 整合進 KeSi 工具。透過使用 rg 的預設過濾規則與子行程技術,KeSi 能自動忽略隱藏檔與二進位檔案,並提供包含行號與檔名的搜尋結果,大幅減少模型處理的雜訊與代價。
介紹 Cherry Studio V2 新版本,重點在於豐富模型、新增 Agent 功能、ChatBox 介面以及知識庫整合,適合想快速上手 AI 桌面工具的開發者。
※ 摘要僅根據標題與說明
介紹如何將 YouTube 整合為 AI 第二腦,提供具體方法讓使用者快速建立知識庫。
※ 摘要僅根據標題與說明
本訪談探討了 AI 代理在檢索(Retrieval)領域的最新狀態。討論涵蓋了代理如何高效搜尋、評估結果、以及利用技能與強化學習來最佳化搜尋行為。
Alex Bowcut 解釋了為何在稅務等高風險領域,RAG 仍不可或缺。他介紹了 Sphere 開發的 TRAM 系統,該系統結合了檢索、推理與法律審查流程,讓稅務專家能以兩倍速度處理案件,同時確保答案準確可靠。
※ 摘要僅根據標題與說明
Dave Ebbelaar 透過 FastAPI、React 與 Supabase 打造一個從零開始的 Full-Stack GenAI 專案,讓使用者能透過 SEC 文件進行 RAG 查詢。
※ 摘要僅根據標題與說明
這門課程從零開始,實作一套完整的混合搜尋系統,整合 BM25、稠密嵌入與 Reranker。作者使用 FinanceQA 資料集,詳細展示如何建立索引、執行搜尋並融合結果,最終透過 RRF 與 Reranker 提升檢索品質。
※ 摘要僅根據標題與說明