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。
「Embedding检索」找到 478 条内容
按专题浏览 →匹配正文：知识图谱不是每个 RAG 都要加，但在复杂关系、多跳推理、强结构业务里很容易成为加分项。面试关键是讲清什么时候需要图谱，以及图谱和向量检索怎么配合。 配套教程 RAG 面试题大全与知识体系 大模型系统设计：复杂知识检索怎么拆 知识模块 知识图谱、GraphRAG 与结构化检索 知识图谱、GraphRAG 与结构化检索 常见问题 GraphRAG 适合什么场景？ 适合实体关系密集、需要多跳关联或全局结构总结的场景。普通 FAQ 或短文档检索不一定需要图谱，先把基础 RAG 做好…
匹配正文：… "等待期": "本产品等待期为 90 天,等待期内出险不予赔付。", } def retrieve(question): """检索:从知识库里找出和问题相关的那条资料。 最朴素的"检索":哪个关键词出现在问题里,就返回它对应的知识。 真实系统会换成"向量检索":把问题和知识都转成向量,按"意思相近"找(第 4 章)。 """ for key, text in knowledge.items(): # 逐条看知识库里的每个关键词 if key in question: # …
匹配正文：…调用不同的库，再把文字拼起来。” 这只能算说出了入口。面试官还会追问：不同解析器统一什么？页面只成功一半怎么办？怎样证明内容能够被检索，而不是只拿到一堆字符？ 为什么“上传成功”不等于“可以检索”？ 文件上传解决保存问题。RAG 入库要把内容转成可搜索、可引用、能定位到原文的单元。 RAG 可以分成离线知识入库和在线问答两个阶段。文档解析处在离线阶段最前面。解析器交给后面的内容如果已经丢失或错乱，分块、向量化和入库仍可能正常运行，只是它们会忠实地处理一份错误材料。 多格式入库…
学习内容与项目面试，在同一条路上。