Tag
🤔 为什么需要 RAG？ 想象一下你手里有一本几百兆的《天龙八部》EPUB 电子书。再看如果你想问，“段誉到底会哪些武功？ ” 传统搜索 你只能搜关键词“段誉”、“武功”。老实说，如果原文写的是“他施展出六脉神剑”。而没出现“武功”二字，传统搜索可能就漏掉了。怎么说呢， 语义搜索 ：它能理解“会哪些武功”和“施展出六脉神剑”在语义上是相关的。即使关键词不匹配，也能精准定位到相关段落，并让
查看更多 2026-07-23
小聊：向量检索的痛点 说实话，Zuo亿级向量检索真的是一场硬仗。 数据量一上来内存像是被泼了油，嗖的一下就炸了。 传统 HNSW、IVF_FLAT 那套老办法，根本装不下这么多向量。 于是大家dou在找“省钱又省心”的方案，你懂的。 哈哈，我跟你讲，阿里云 Milvus 正是为这种场景而生的。 它把 DiskANN 的图索引和 RaBitQ 量化玩儿得飞起。 别kan名字拗口
查看更多 2026-07-05
说实话，语义搜索是个挺有意思的东西，你输入一段话，它Neng帮你找到相关的笔记——哪怕那些笔记里没直接出现你输入的关键词。 咱就是说这玩意儿基于向量检索技术，把文本dou转成向量，然后比对相似度。 如何将文本转化为向量进行检索？ 你得有个模型把文本转成向量，ChatCrystal 用的是 nomic-embed-text 模型。 为啥不用直接笔记原文？因为原文可Nenghen长
查看更多 2026-07-05
向量 数据库作为额外的数据集来提供正确的结果.向量 通过深度学习 的嵌入模型生成,表示数据的语义内容,并不是底层的单词或像素.在 RAG 中,生成模型与一个知识检索模块相结合 . 将向量 数据库和知识图谱结合 起来用于搜索、相似度计算和RAG有hen多方式.向量 数据库中.•将上述两种方法结合 起来,使用向量 化进行初步检索,然后通过SPARQL 查询对结果进行精炼. RAG 系统中向量
查看更多 2026-07-01
嗨，老友！今天咱们聊聊向量数据库到底是怎么撑起存储与检索的，别kan名字高大上，其实背后有一套完整的技术套路。你想想，平时用搜索引擎找资料，我可没想到这背后竟然隐藏着“向量”这种神奇的数据结构。 先说说向量到底是什么 在自然语言处理中，我们往往把一句话变成一个高维向量，这叫ZuoEmbedding。想象一下每个维度代表了某种语义特征，整个向量就是这句话在多维空间里的坐标
查看更多 2026-07-01
为什么不呢？ 在第10课里我们Yi经尝试了通过 ollama 的api把一段文本转换为。 ChromaDB 的Neng力，并不是简单的向量存储和查询，准确来说关于数据，它内置了两种强力引擎： import chromadb import ollama class OllamaEmbeddingFunction: def __init__: self.model_name =
查看更多 2026-06-30
小叙：AI日记助手到底要干嘛？ 咱们先聊聊，这玩意儿其实想干的事儿hen简单。 每天写点儿心情、记录点儿事儿，等哪天想回kan时光靠时间戳根本找不到想要的那段。 于是就有了“语义搜索”。 你说“Zui近有什么户外活动”，系统Neng立马把爬山、散步、骑行的日记挑出来。 哈哈，这背后靠的就是 Milvus 向量库和大模型的 Embedding。 一、传统检索 vs 向量检索——咋区别？
查看更多 2026-06-30
RAG到底是什么？ 它就像一双Neng听懂你心事的耳朵 说实话，RAG 就是把传统的大模型和检索技术拼起来的一件大事。 大模型给你答案，但有时候会胡说八道。检索端则拿着海量知识库帮你找准方向。两者合在一起，就Neng把幻觉降到Zui低。 向量嵌入：把文字变成数字的魔法 先把文本切片，然后送进 Transformer，得到一堆维度hen高的数字。 这就是向量嵌入，它把语义抽象成点在向量空间里的坐标
查看更多 2026-06-22
说实话，咱就是说SQLite向量数据库应用于Agent实战，这事儿挺有意思的。 你得明白为啥需要向量数据库。 资源瓶颈的核心原因 传统的数据库检索慢，内存占用又高，这可咋整？ 向量数据库检索慢的核心问题 传统的关键词匹配检索方法Yi经过时了你得用向量检索。 哈哈，你是不是想问为啥百度不收录某些网站？ 咱就是说百度不收录可Neng是因为网站内容不够优质，或者是网站结构有问题，亦或是竞争对手太强
查看更多 2026-06-21
说实话，向量模型这东西，咱就是说一开始挺难理解的，但搞清楚后你就会发现，其实也就那么回事。 独立向量 每个输入单独生成向量，适用于以图搜图、图文对比； 对接阿里云百炼+LangChain 时务必开启 check_embedding_ctx_length=False ，不然会出问题，哈哈。 多模态向量链路 文本/图片/视频 → 多模态Embedding模型 → 独立/融合向量 → 跨模态检索
查看更多 2026-06-21
Demand feedback
