页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「RAG 检索模块」找到 34 条内容
按专题浏览 →匹配正文：答案要点 能清晰描述RAG的完整技术链路（索引-检索-生成） 理解Embedding和向量检索的核心作用 能区分Naive RAG与Advanced RAG的关键差异 能结合具体场景说明RAG的价值和局限性 RAG核心架构 RAG = 检索模块 + 生成模块，用外部知识弥补大模型参数知识的局限。 1. 索引阶段（离线） 文档切分：按语义/固定长度分块，控制chunk大小（通常256-512 tokens） 向量化：用Embedding模型（如BGE、text-embeddin…
匹配口述回答：…成熟的方案。我自己试过用LangGraph定义状态机来协调，但复杂度上来了，维护成本也高。 所以总结一下我的选型倾向。如果项目是纯RAG，比如知识库问答，我直接上LlamaIndex，检索做深一点，Agent用简单的ReAct就行。如果要做复杂工作流，比如多步推理、多工具调用，我会用LangChain做编排，但检索层还是会交给LlamaIndex或者自己封一个检索模块。我更倾向把检索和编排解耦，这样出了问题好排查，也方便换组件。最后再补一句，框架变化很快，别死记API，理解它…
…“iPhone15双十一降价”的片段捞出来，但直接贴上去可能连年份都不对。为什么不能就这么返回，还得让大模型再过一遍？ 层层追问 RAG里检索模块拿到的结果你一般怎么用？直接拼起来输出行不行？……那如果检索到好几段互相矛盾的描述呢？你靠什么整合？……最终还是要靠大模型二次生成，你能说说这步到底解决了什么问题吗？ 直球架构 从准确性、上下文完整性和幻觉控制三个角度，解释一下为什么RAG不能只依赖向量相似度匹配结果直接回答，而必须把检索内容喂给大模型重新生成。这个设计必要性体现在…
学习内容与项目面试，在同一条路上。