本文将简单介绍如何使用 提升 **RAG(Retrieval Augmented Generation,检索增强生成)** 的问答效果。

本文将简单介绍如何使用 提升 **RAG(Retrieval Augmented Generation,检索增强生成)** 的问答效果。

本文将简单介绍如何把文本生成 **知识图谱**（Knowledge Graph）。具体来说，是使用开源项目 [AutoSchemaKG](https://github.com/HKUST-KnowComp/AutoSchemaKG) 生成 **GraphML** 。**GraphML** 是 XML（Extensible Markup Language） 格式的文件，可以使用 **NetworkX

本文将简单介绍如何把文本生成 **知识图谱**（Knowledge Graph）。具体来说，是使用开源项目 [AutoSchemaKG](https://github.com/HKUST-KnowComp/AutoSchemaKG) 生成 **GraphML** 。**GraphML** 是 XML（Extensible Markup Language） 格式的文件，可以使用 **NetworkX

知识图谱的主要特点是建立了“知识”之间的关联，所以它的强项是 **推理** ，**HugeGraph** 、**NetworkX** 支持 **PageRank**（在后面RAG中会用到）、k-短路、LPA（标签传播算法）、Jaccard 相似度 等算法。有了这些支持，它在 搜索引擎 、智能问答**RAG**（Retrieval Augmented Generation,检索增强生成） 等领域都有

知识图谱的主要特点是建立了“知识”之间的关联，所以它的强项是 **推理** ，**HugeGraph** 、**NetworkX** 支持 **PageRank**（在后面RAG中会用到）、k-短路、LPA（标签传播算法）、Jaccard 相似度 等算法。有了这些支持，它在 搜索引擎 、智能问答**RAG**（Retrieval Augmented Generation,检索增强生成） 等领域都有

**FAISS**（Facebook AI Similarity Search）是 Facebook AI 研究院开发的一款高效的向量相似性搜索库，专门用于优化大规模高维向量的近邻搜索任务，广泛应用于语义检索、图像检索、推荐系统等场景。本文将详细介绍如何使用**FAISS** 实现语义检索。具体内容包括：- 将内容矢量化并保存为索引- 在保存索引的同时，保存每条信息的相关信息metadata- 通

**FAISS**（Facebook AI Similarity Search）是 Facebook AI 研究院开发的一款高效的向量相似性搜索库，专门用于优化大规模高维向量的近邻搜索任务，广泛应用于语义检索、图像检索、推荐系统等场景。本文将详细介绍如何使用**FAISS** 实现语义检索。具体内容包括：- 将内容矢量化并保存为索引- 在保存索引的同时，保存每条信息的相关信息metadata- 通

我们使用大语言模型**qwen3**实现翻译功能。它可以自动识别源语言，就可以翻译为目标语种。> 像千问这种大模型是基于多语言训练的，所以它支持中文、英文、法文、西班牙等多个语种的翻译。

我们使用大语言模型**qwen3**实现翻译功能。它可以自动识别源语言，就可以翻译为目标语种。> 像千问这种大模型是基于多语言训练的，所以它支持中文、英文、法文、西班牙等多个语种的翻译。