文章列表-AI魔法学院

文章列表

RAG——使用检索增强生成构建特定行业的大型语言模型

PDF文件进行聊天 AI跑车引擎之向量数据库一览 AI跑车引擎——向量数据库第二篇 AI跑车引擎第三篇——向量引擎之ElastiKnn实战什么是检索增强技术？

大模型

大模型外挂知识库优化技巧-如何更有效的利用召回的文档

外挂数据库是解决模型“胡说八道”的有效手段。

大模型

如何用大语言模型构建一个知识问答系统

使用问题向量在 Redis 中搜索，找到与之最匹配的若干记录。

知识库

Selenium+ddddocr | 再也不担心图片验证码

光学字符识别）库，该库可以识别图片中的文字，并返回文字内容。

Selenium ddddocr库

释放潜能：大模型与企业微信SCRM系统的完美结合

它是在传统的客户关系管理（CRM）的基础上，加入了社交媒体的元素，实现了客户与企业之间的双向互动和沟通，提高了客户的忠诚度和满意度。

SCRM 大模型

Rerank——RAG中百尺竿头更进一步的神器，从原理到解决方案

有少量人提到了，但是基本上都没有提到解决方案。

RAG 检索增强

ViTPose+：迈向通用身体姿态估计的视觉Transformer基础模型

带有transposed卷积上采样和预测层的标准解码器（c）和直接使用双线性插值的简单解码器（d）被用于评估简单视觉transformer的简单性；用于Bottom-up预测的解码器（e）也被采用来衡量ViTPose

ViTPose+Transformer 身体姿态

Stable Diffusion

造梦师手记：全网下载量第一的Stable Diffusion模型更新到5.0版

Realistic模型更新到5.0，这个模型看似朴实无华，不像那些动漫模型绚丽，也不像很多亚洲美少女模型那么妖娆，但它有一个非常特别的亮点：C站下载量第一。

Stable Diffusion

RAG应用中数据处理过程需要注意的事项

随着检索增强生成(RAG)应用程序不断发展，这些应用程序通常将Langchain/LlamaIndex与Weaviate/Pinecone和foundation Models结合在一起，它们遇到了各种障碍

RAG 大模型

一文看懂RAG：大语言模型落地应用的未来

检索（Retrieval）：这一部分的工作是从大量的文本数据中检索出与输入问题最相关的信息。

rag 检索增强

一个产品经理的大模型观察、反思与预测

：做产品、投资，与借假修真大模型时代：ChatGPT引发的狂欢 2022年8月，由Jason M.

工作

从0到1谈谈智能客服系统的设计与实现

3.2.3 向量搜索和基于Faiss实现的智能问答向量搜索基本原理给定一个向量集合: 和一个待查询的向量: 从

智能客服

达摩院SPACE对话大模型：知识注入与知识利用

整体思想如下：基于少量的有标数据和大量的无标数据，通过有标数据学习一个支持的概率分布，对于无标数据，进行两次学习，每次过模型都生成一个向量，这两次生成的向量的距离，应该是很近的。

大模型

GitHub狂飙3万star的LLM公开资料 - 大模型入门教程

3.2 构建向量存储创建向量存储是构建检索增强生成（RAG）管道的第一步。

LLM 大模型 GitHub

一个万能提问公式，让大模型生成高质量回答

我相信你就能更好地准备这个会议，在会议中有更高质量的发言，因为他给到了你充足的上下文。

提示词

<...7 8 9 101112 13 14 15 16 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1