[TOC](ollama + fastgpt+m3e本地部署)

*CRUD只是操作向量数据库的基础手段，想要用好RAG必须在CRUD的基础上掌握语义检索的相关原理。**比如文档拆分时需要按语义尽可能的拆分为小的单元，而在召回时，则需要基于召回的单元尽可能的补充完整的窗口上下文，才能在最终使用LLM时得到尽可能好的结果。这些都需要在crud的基础上执行一些额外操作，我将在下次给大家讲述，希望你持续关注。

这个话题其实在笔者之前的几个chat里面已经反复提到过了，在此再说一遍：工业界直接应用AI技术的人员，大致可以分为三个不同角色：算法、工程，和数据。现在各种媒体上，包括 GitChat 中有大量的文章教大家怎么入行AI，怎么成为具体某个领域的工程师，告诉大家要在某领域内发展需要掌握的技术栈是什么，等等……我们不说怎么能够成为XXX，我们先来看看成为XXX之后要做什么事情，而做这些事情，需要什么样的

RAG（Retrieval-Augmented Generation）的核心思想是：将传统的信息检索（IR）技术与现代的生成式大模型（如chatGPT）结合起来。具体来说，RAG模型在生成答案之前，会首先从一个大型的文档库或知识库中检索到若干条相关的文档片段。再将这些检索到的片段作为额外的上下文信息，输入到生成模型中，从而生成更为准确和信息丰富的文本。RAG的工作原理可以分为以下几个步骤：1.接收

LLM存在时效性和幻觉问题，在 [如何用解决大模型时效性和准确性问题？RAG技术核心原理]一文中我介绍了RAG的核心原理，本文将分享如何基于llama3和langchain搭建本地私有知识库。

近日，中国人工智能学会发布了《中国人工智能大模型技术白皮书》。白皮书全面梳理了大模型技术的发展历程、关键技术、生态发展、应用实践等方面的最新进展,并对其未来趋势做出展望。大模型技术，以其广阔的应用前景和巨大潜力，无疑成为了技术发展的焦点。然而，随之而来的挑战亦不容忽视：可靠性、可解释性的难题需要我们去攻克，数据质量与数量的提升成为迫切需求，应用部署成本的降低与迁移能力的增强同样重要，而安全与隐私保

本文介绍了Agent的概念、原理，以及如何通过LangChain来打造一个K8s魔法师自动运维工具[KubeWizard]。曾几何时，我们也幻想过AI能否替代人类做一部分工作，大模型时代，好像未来并不遥远。展望一下未来，具有意识和情感的智能体有没有可能在不远的将来出现呢。

本文主要是 Milvus 向量数据实战总结。LLM 痛点以及解决方案RAG 是什么，为什么选用RAG。langchain文档加载器，chat model文档拆分的注意点，chat model区别。chat 示例代码。

内容简介：《人工智能产品经理：AI时代PM修炼手册》是一本专为AI时代产品经理编写的实用手册。作者张竞宇，凭借其在科大讯飞和阿里云的丰富经验，从人工智能产品的特殊性、产品经理的价值定位、技术理解等方面，全面阐述了人工智能产品经理应具备的知识体系和技能。书中不仅讲解了AI产品从概念到实现的全过程，还提供了丰富的实战案例和操作性的建议，帮助读者在AI产品管理领域取得成功。适合人群：产品经理：希望在AI

在Python中，创建一个爱心形状可以通过多种方式实现，包括使用数学方程、图形库或者turtle模块。以下是一些高级的Python爱心代码示例：### 1. 使用数学方程绘制爱心这段代码使用了爱心的参数方程来生成爱心的轮廓，并通过Matplotlib库绘制出来。### 2. 使用turtle模块绘制爱心这段代码使用了Python的turtle模块来绘制一个爱心。通过控制海龟的移动方向和距离，我们可