本系列共 9 篇，从空目录搭到可部署的 Python RAG 知识库。这是第 4 篇。 文件已经进了 MinIO，数据库里只有一条“待解析”的记录。这一篇把它变成一堆带标题路径的切片：解析五种格式、按标题和句子切块、把切片落库，再用定时任务兜住失败和卡死的任务。 图：知识库参数，切片长度、重叠与切片策略决定解析结果。 一、解析器：纯函数，不碰数据库 解析层只做一件事：字节 → 带结构的文本块。ParsedBlock 里两个字段，text…
本系列共 9 篇，从空目录搭到可部署的 Python RAG 知识库。这是第 3 篇。 登录和数据库通了，现在开始做业务。这一篇完成后：能创建知识库、上传一份文件、在文档列表里看到它，并且重复上传同一个文件不会产生两条记录。 图：文档管理，上传后可切片、预览、重建。 一、知识库：先有一个“容器” 知识库表里除了名称、简介，还存了后续检索要用的参数：切片大小、重叠长度、topK、相似度阈值。这些参数跟着库走，而不是写死在代码里。 clas…
本系列共 9 篇，从空目录搭到可部署的 Python RAG 知识库。这是第 2 篇。 第 1 篇只让服务能启动；这一篇让它“认识人”和“存住数据”。完成后：不带 token 访问受保护接口返回 401，用认证中心的 ticket 换到本地 token 后能正常访问，并且所有查询都自动限定在当前租户内。 图：用量统计按租户统计文档、切片、存储、问答与 AI 调用，套餐配额单列。 一、先建表：8 张业务表 + 1 张向量表 业务数据放 P…
本系列共 9 篇，目标是从一个空目录开始，搭出一套能上传文档、能检索、能带出处回答的 Python AI 知识库。这是第 1 篇。 这一篇不碰业务，只做三件事：把项目骨架立起来、把配置和返回格式定好、让服务能启动并通过健康检查。听起来简单，但这三件事如果一开始没定好，后面每加一个接口都要返工。 图：服务跑起来后，知识库列表能看到两个库及切片与检索参数。 一、先看最终形态 本篇只创建最小的目录，后面每篇往里加东西： kb-api/ ├─ …
这一篇实现从「切片入库」到「双路召回融合」的完整链路。核心是一个容易被忽略的设计：为什么必须保留关键词召回。 一、切片入库 @Override @Transactional(rollbackFor = Exception.class) public void
Spring AI Alibaba 提供了构建 RAG 系统的核心组件和模块化架构： // ETL Pipeline 组件 import org.springframework.ai.document.Document; import or
混合 RAG 结合了两步 RAG 和 Agentic RAG 的特点。它引入了中间步骤，如查询预处理、检索验证和生成后检查。这些系统比固定管道提供更多灵活性，同时保持对执行的一定控制。 典型组件包括： 查询增强：修改输入问题以提高检索质量。
Agentic 检索增强生成（RAG）将检索增强生成的优势与基于 Agent 的推理相结合。Agent（由 LLM 驱动）不是在回答之前检索文档，而是逐步推理并决定在交互过程中何时以及如何检索信息。 提示Agent 启用 RAG 行为所需的
大型语言模型（LLM）虽然强大，但有两个关键限制： 有限的上下文——它们无法一次性摄取整个语料库静态知识——它们的训练数据在某个时间点被冻结 检索通过在查询时获取相关的外部知识来解决这些问题。这是**检索增强生成（RAG）**的基础：使用特
AI项目博客
admin
最新评论
干货满满！
江苏省 南京市 · IP 49.91.145.*
我要看文章
重庆市 · IP 116.168.9.*
这个内容实在是太精彩啦
重庆市 · IP 123.147.232.*