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 存储」找到 157 条内容
按专题浏览 →匹配正文：…-based NER，识别实体类型（人/组织/事件/概念） 关系抽取 抽取实体间语义关系，构建（头实体-关系-尾实体）三元组 图谱存储 图数据库（Neo4j/NebulaGraph）或向量+图混合存储 关键设计：实体消歧（同一实体的不同表述合并）、共指消解（代词还原）。 二、检索机制：双轨协同 1. 实体检索（精确匹配层） 查询中的实体识别 → 图谱中定位种子节点 扩展策略：一跳/多跳邻居、特定关系类型过滤 2. 路径推理（结构推理层） 基于图算法（BFS/最短路径/随机游走…
匹配正文：… 小规模（<10万节点） NetworkX + 向量库 内存限制，无分布式 简单2-hop查询 向量库预计算边embedding 存储膨胀，灵活性差 只读场景 图计算框架（GraphX） 无实时更新能力 关键区分：GraphRAG vs KG-RAG KG-RAG：用图谱增强检索，查询层仍是关键词/向量 GraphRAG（微软定义）：基于图社区检测做全局摘要，底层可用图算法库而非必须Neo4j等数据库 结论 观点在复杂关系推理、动态更新、大规模场景下成立；但技术选型应看数据规…
匹配正文：…持不同，不能把复杂度或是否需要重建写成统一结论。 1. 写入与索引分层 先把文档、chunk、embedding 及版本写入主数据存储，并用 WAL 或消息队列传递变更。 消费端按文档版本和事件 ID 做幂等处理，把新向量写入 Delta 索引。插入成本、锁模型和可见延迟以具体引擎实现为准。 查询同时搜索稳定的 Base 索引和 Delta 索引，合并候选、按文档版本去重，再执行过滤和排序。 2. 修改与删除 若引擎原生支持可验证的 upsert 或 delete，可以直接使…
学习内容与项目面试，在同一条路上。