V
主页
【有腔调的RAG】04 支持多用户多文档的向量存储与检索
发布人
【有腔调的RAG】,是我们在学习RAG应用开发的技术和最佳实践时,总结,整理,并分享的课程系列。 RAG是什么? RAG(检索增强生成)是一种自然语言处理(NLP)技术,它结合了基于检索和生成式人工智能模型的能力,以提高信息检索质量。 基于大模型的文档聊天机器人,就是典型的RAG应用。 什么是Naive RAG? Naive RAG通常指的最基本的检索生成,比如,将文档分块,文本嵌入,并基于用户问题进行语义相似性搜索来获得相关文档数据。 这种方法简单,但总体性能较差。 这就是为什么我们需要高级的,有腔调的RAG。 它对于RAG应用的成功至关重要。 在基于AI构建产品时,如何服务于多个用户是个必然要解决的问题。那么在基于知识库的功能中,如何支持多用户多文档的数据检索功能呢?今天我们就来聊一聊。 本期课程链接: https://github.com/sugarforever/Advanced-RAG/blob/main/04_langchain_per_user_retrieval.ipynb
打开封面
下载高清视频
观看高清视频
视频下载器
LangGraph | 新手入门
构建高质量AI文档机器人 - 04 多向量检索器
小白入门 - 利用LangChain轻松集成HuggingFace模型
LangChain进阶 - 高质量内容检索 03 Ensemble Retriever
OpenGPTs | 新手入门
【产品级AI应用必备】10分钟搞定langchain模板的创建
【Advanced RAG - 03】LlamaIndex的多文档RAG
FlowiseAI - 如何完美地让OpenAI大模型流利说中文
不会写代码也能用AutoGen!入门微软AutoGen框架的无代码工具AutoGenRA
基于Ollama实现100%本地化RAG应用 - ChatOllama
Docker容器化ChatOllama | 一键运行100%本地RAG应用
LlamaPack | 新手入门
AutoGen + Flowise = 零代码平台上的超级AI助理
LlamaIndex入门 - 05 核心数据抽象 Document & Node
【隐私优先】Llama 2 + GPT4All + Chroma实现100%本地化RAG
【Advanced RAG - 02】GPT-4V实现多模态RAG
替代Pinecone - Chroma开源向量数据库存储OpenAI Embedding向量数据
LlamaIndex RAG CLI | RAG应用极速开发工具
LangChain进阶 - 高质量内容检索 01 多重提问检索器
LlamaIndex入门 - 04 强大的数据连接器
第二讲 - Chainlit实现PDF聊天机器人
OpenAI Assistants API 极简入门(附LangChain集成)
Ollama Python开发包实例 | 基于本地部署开源大模型的Streamlit聊天应用
全新RAG聊天体验 - 聊天历史数据100%本地化存储 | ChatOllama又更新啦!
为什么我放弃Streamlit,选择Next.js + LangChain
Google Gemini API使用教程【Gemini Pro免费使用中】
省钱!微软开源框架LLMLingua + LlamaIndex实现提示词压缩
【RAG实战】Docker容器化 🔥 FireCrawl | 基于docker-compose.yaml一键运行的网页解析API
OpenAI发布重大更新 - 函数调用功能详解与LangChain应用实例
Python LangChain入门 - 15分钟构建AutoGPT应用
没有GPU也不愁,基于Groq API无压力使用Llama 3 8B & 70B 开源大模型
LangFlow vs. Flowise - 零代码AI应用构建工具对比
LangChain进阶 | 基于LangChain的Claude-3 XML Agent
AI产品化之路 - 梦想搭建一个提示词服务
【ChatOllama安装与配置教程】01 基于Docker安装ChatOllama,3分钟搞定100%本地化知识库
LangChain + OpenAI 15分钟升级Prompt小能手
Streamlit + LangChain - 10分钟创建AI Web应用,PDF聊天机器人
【Supabase】免费的🌦云端向量数据存储 | RAG应用基于LangChain集成Supabase向量存储
基于Ollama定制自己的Gemma开放模型 | Ollama Modelfile使用实战
Pinecone OpenAI向量数据存储最佳实践 - 巧用Namespace有效管理索引数据