本文介绍了在RAG系统中实现智能决策与自适应控制的关键技术——意图识别与语义路由。通过构建基于LLM的轻量级路由网关，系统能够根据用户问题类型自动分流处理，显著提升效率并降低成本。文章详细阐述了路由系统的设计思路，包括意图分类体系（如闲聊、事实查询、操作指南等）及对应的处理策略，并提供了基于LangChain和Pydantic的代码实现方案，展示了如何通过结构化输出来实现精准的问题分类和路由决策。

这篇文章介绍了RAG（检索增强生成）技术的进阶优化策略，分为检索前（Offline）和检索后（Online）两个阶段的优化。重点讲解了如何通过智能分块和元数据增强解决长文档语义稀释问题，提升检索精度。主要内容包括： 采用递归字符分块算法（Recursive Character Text Splitter）进行层级切割，保留语义完整性 使用滑动窗口和重叠区技术防止上下文断裂 通过LLM生成假设性问题

本文介绍了如何为RAG系统构建自动化评估体系，重点讲解了Ragas框架的集成方法。文章基于WSL2+Ubuntu+Docker的云原生开发环境，通过改造现有架构，新增评估适配器模块来实现自动化评估。主要内容包括：Ragas框架的优势（无参考评估、LLM自动打分、全面指标）、系统架构设计（新增评估逻辑文件和数据管道修改）、以及实战代码实现步骤（依赖安装、数据管道改造）。该方案能够将PostgreSQ

本文介绍了基于PostgreSQL构建RAG自动化评估体系的实践。作者在WSL2+Ubuntu+Docker环境中，通过Docker Compose编排新增了PostgreSQL 16服务，并配置了pgvector等扩展。文章详细说明了PostgreSQL的配置步骤，包括初始化SQL脚本、服务启动验证、应用连接方式以及备份策略。重点突出了PostgreSQL的JSONB类型、混合模型优势及未来趋势

本文介绍了在AI Agent开发中为Agent添加RAG（检索增强生成）功能的第三阶段实战。通过Docker Compose部署Milvus向量数据库及其依赖组件（etcd、MinIO），构建知识库系统。文章详细说明了环境配置步骤，包括编写docker-compose.yml文件、设置数据持久化、网络整合以及启动策略。同时提供了Attu图形化管理工具的部署方法，并解释了Milvus的核心架构和数据

文章摘要 本文介绍了AI Agent开发中RAG（检索增强生成）深度优化的实战方法，重点解决元数据与摘要利用率低的痛点。当前系统存在语义鸿沟、领域混淆和摘要浪费等问题，导致检索效果不佳。 解决方案采用可插拔的检索策略架构，重构rag/pipeline.py为动态组装器，支持多种检索策略组合。技术实现包括： 新增策略模式核心目录和具体检索器插件 配置Elasticsearch搜索引擎环境（Docke

特性Recursive (递归)Parent-Child (父子)Sentence (句子级)粒度中等 (200-500 字)子块小 (100-200 字) + 父块大极小 (10-50 字)向量语义完整性⭐⭐⭐⭐ (较好)⭐⭐⭐⭐ (子块较纯净)⭐⭐ (较差，易丢失上下文)关键词匹配精度⭐⭐⭐⭐⭐⭐⭐ (子块密度高)⭐⭐⭐⭐⭐ (极高)LLM 上下文质量⭐⭐⭐⭐⭐⭐⭐⭐⭐ (返回的是大块)⭐ (

很多同学第一次听到“护栏技术”，会把它理解成“内容审核”。这只说对了一半。结构化输出，就是让模型不要只返回一段给人看的自然语言，而是返回程序也能稳定处理的数据结构。比如同样是抽取报销信息：这是一张交通类发票，金额大约 268 元，日期看起来是 2026-04-09。这段话人能看懂，但程序不好直接处理。"invoice_type": "交通",落库传给审批系统进入工作流引擎触发下一步工具调用这里先纠

本文介绍了在Windows系统上配置WSL2+Ubuntu 24.04+Docker Desktop开发环境的详细步骤。首先讲解了自动和手动安装Ubuntu 24.04的方法，包括内核版本更新技巧。随后详细说明了如何将Ubuntu系统从C盘迁移到D盘的操作流程。最后重点介绍了Docker Desktop的安装与配置优势，特别是其对GPU直通和WSL集成的良好支持，并提供了MySQL数据库迁移的注意

本文提供Ubuntu系统部署MySQL+Redis+Nginx及自动备份的完整指南，包含以下核心内容： 环境准备与Docker安装 更新系统并安装必要依赖 通过官方源安装Docker及Compose插件 配置Docker开机自启 Docker镜像加速配置 设置国内镜像加速地址 解决拉取镜像超时问题 提供网络问题排查方案 项目部署实现 创建标准目录结构 配置docker-compose文件(含MyS