Vector RAG 系统构建流程详解
本文系统梳理了构建 Vector RAG 系统的九个核心步骤,包括数据采集、文本切分、向量嵌入、存储检索、流程编排、模型生成、监控与优化,并列举了各环节的常用工具与技术选型。
TechFoco

共 6 篇文章,按时间倒序展示。
本文系统梳理了构建 Vector RAG 系统的九个核心步骤,包括数据采集、文本切分、向量嵌入、存储检索、流程编排、模型生成、监控与优化,并列举了各环节的常用工具与技术选型。

本文介绍了一个基于 LangChain DeepAgents 框架构建的多 Agent 股票研究系统。该系统通过三层架构,整合了数据抓取工具与多个专业分析子 Agent,能够自动执行从数据采集到生成结构化投资建议的...

本文介绍 bRAG-langchain 开源项目,该项目通过一系列 Jupyter Notebook 提供了从查询构建、检索优化到生成环节的完整 RAG 技术栈实操指导,旨在帮助开发者系统性地掌握检索增强生成技术。

本文介绍了 LangChain LLM Graph Transformer 工具,它能将非结构化文本高效转化为结构化知识图谱,支持双模式提取、灵活定义 Schema、兼容 Neo4j 数据库,并采用异步处理以提升大...

LangChain 发布的多模态研究工具,可根据主题和 YouTube 链接,集成视频分析与网络搜索,自动生成带引用的研究报告和对话式多角色播客。

Stocks Insights AI Agent 是一款全栈应用,利用 LangGraph 和 LangChain 等技术,一站式获取股票历史数据、详细信息和相关新闻,并提供可视化图表以直观呈现走势。
