国内外 AI 与大模型官方信息源导航
汇总国内外模型厂商的官方新闻、研究、开发文档与开源入口,附持续追踪建议和核验边界。
共 369 篇文章当前 1–24 篇
汇总国内外模型厂商的官方新闻、研究、开发文档与开源入口,附持续追踪建议和核验边界。
本专题出现的缩写、英文全称、中文含义与常见读法速查。
不写代码也能读完的 RAG 解释:它是什么、怎么做、为什么有用、什么时候没用。
把 RAG 拆成离线、在线两条链路和四类存储,并给出选型与故障定位框架。
逐段拆解 examples/rag_demo.py:切块、向量、余弦、原子索引、引用与拒答、单元测试。
解析、结构化中间表示、切分策略、上下文增强、元数据、增量更新与删除。
从向量直觉到模型选型、HNSW/IVF/PQ、过滤、版本切换与容量估算。
查询理解、稠密/稀疏/混合召回、RRF 融合、重排器、证据合并与诊断。
上下文预算、提示词结构、引用协议、拒答策略、多轮、流式与后校验。
以 WeKnora 为例,拆上传、异步摄取、状态收敛、混合检索、引用协议与流式收尾。
测试集构建、检索与生成指标、LLM judge 校准、CI 门禁与线上监控。
从 Demo 到上线:权限隔离、索引生命周期、可靠性、性能、成本、安全与发布。
HyDE、多查询、RAPTOR、GraphRAG、Self-RAG、CRAG、Agentic RAG、多模态与长上下文取舍。
按症状索引:上传、解析、检索、生成、引用、性能、权限与评估。
可对照阅读的 RAG 项目、检索/评估/解析工具、论文与基准,以及许可证与活跃度提醒。
这个专题只回答一个问题:**当模型不知道你公司的文档时,怎样让它基于文档回答,并且答得对、说得出出处、答不出时敢说不知道。**
这一层负责模型调用、工具执行、状态和任务编排。
这里既有直接写代码的工具,也有管理多个编程 Agent 的工作台。
这一层提供会话、配置、渠道或可视化流程,适合先把任务跑通。
浏览器 Agent 根据目标决定步骤;浏览器 CLI、SDK 与 MCP 服务提供具体操作。
这一层包含工具协议、网页与文档数据、记忆、沙箱和评估。
技能库、角色库和工程方法需要由支持它们的宿主加载。
这里收录把 Agent 用在研究、学习、内容制作、办公或分析中的项目。
教程、示例和资源目录单列。