将知识图谱的小颗粒数据与原先人工处理的大块数据相结合，我们可以更好地搜索需要全局 / 跨节点上下文的查询，我们通过知识图谱把大模型的推理能力和知识点分开，目前LangChain和Llama Index均支持将嵌入式向量和知识图谱结合来解决剩下30%的应用场景。

看结果，和你们的直觉一样么？你们觉得国产中文大模型第一巴图鲁是谁？你经常用哪家？可以在留言区分享讨论。

当你构建一个大规模AI系统时，你其实是在把不同的代理设计模式组合起来。每个模式都有自己的阶段、构建方法、输出和评估。

日前，依托学校软件工厂研制上线的大模型专用知识库系统，基于 RAG（检索增强生成）技术，将大模型的生成能力与结构化知识库深度结合，有效提升知识服务的响应效率与生成内容的准确性。

在当今的人工智能时代，NLP技术已经深入渗透到我们日常生活的各个方面，从智能助手、语音识别到机器翻译和文本生成，NLP正在以令人瞩目的速度改变着我们的生活方式。

RAG（Retrieval-Augmented Generation，检索增强生成）的思想就是将私有数据作为参考信息传递给LLM。这些私有数据除了作为一种补充信息，也可以作为一种限制，能避免LLM产生幻觉。

本文将从零到一地介绍如何使用LangChain构建从检索增强生成（RAG）到智能代理（Agent）的完整应用。

本文将介绍 Prompt Engineering 的一些基础知识，并分享一些思考。

看到国外博客上有人公布了GraphRAG+Ollama的本地化部署方案，按照博客内容进行了复现，这里做一个详细记录。

初次接触大语言模型（LLM）时，你是否也被它的“聪明”惊艳过？它能写诗、编程、翻译，甚至和你聊人生哲学。但很快你会发现——这AI有时候像个“懂王”！