RAG的搜索索引：多种类型与方法 - 飞书文档
https://docs.feishu.cn/v/wiki/UNRCw5gL0iCwTukfNtacvXChnnd/a3到了2023年，基于大语言模型的系统中，RAG 已成为最受欢迎的架构之一。许多产品几乎完全基于RAG 构建，范围从结合了网络搜索引擎和大语言模型的问答服务，到数以百计的“ ...
飞搜侠
热门搜索
RAG框架结构的层次与特点 - 飞书文档
https://docs.feishu.cn/v/wiki/UQPywPSakiUdRokB90ScJgJZnPd/a4大语言模型表现出色，但是在处理幻觉、使用过时的知识、进行不透明推理等方面存在挑战。检索增强生成（RAG）作为一个新兴的解决方案，通过整合外部知识库的数据，提高了模型在 ...
Genspark的多代理框架是如何提升搜索结果的？ - 飞书文档
https://docs.feishu.cn/v/wiki/A8jMwWv1IiHXYykAXencAam9nbb/ac一、 You.com：多种搜索模式且重隐私的搜索引擎 · 二、 Genspark：通过Sparkpages 来满足用户个性化的搜索需求 · 三、 Rockset：刚被OpenAI 收购的提供实时搜索和分析数据库服务 ...
大模型应用框架：LangChain与LlamaIndex的对比选择 - 飞书文档
https://docs.feishu.cn/v/wiki/CynKwkknSiwa8tksSlicKeqTn9b/ai反向索引：这些数据结构将单词或短语映射到数据集中的位置，以便快速搜索和查询。 · 自定义索引策略：用户可根据数据类型或访问模式定义索引机制，如对结构化数据分层索引，非 ...
RAG与Agent架构如何深度融合？ - 飞书文档
https://docs.feishu.cn/v/wiki/PNt1wIelxisNQsk4m2IcwQwLnUc/aeRAG 是2023年最流行的基于LLM 的应用系统架构。有许多产品几乎完全建立在RAG 之上，覆盖了结合网络搜索引擎和LLM 的问答服务，到成千上万个数据聊天的应用程序。
电商搜索系统中搜索、推荐、广告的架构有区别吗？ - 飞书文档
https://docs.feishu.cn/v/wiki/CfOQwaStLi2c6rki5kIcsuQhnig/ai搜索：搜索的经典场景是用户主动输入查询query，较明确地表达需求，然后搜索引擎从数据库中检索得到topK最优结果，最后展现给用户，这是一个用户主动获取信息的过程。 推荐：推荐 ...
解构与建构：思维的关键阶段 - 飞书文档
https://docs.feishu.cn/v/wiki/VVduwKQ9wiZ921kNcarclGM8nJh/a3利用大模型在不同知识领域间建立联系，寻找创新的解决方案 · 使用大模型模拟"如果问题反过来会怎样"的场景，开拓新的思路 · 结合AI搜索引擎（如Perplexity），快速检索和 ...
开源AI应用搜索引擎在教育领域的应用 - 飞书文档
https://docs.feishu.cn/v/wiki/LP51wBrrFimpBFk0182cYkOdn7g/a9这款开源AI应用搜索引擎的出现具有多方面的意义。首先，对于开发者来说，它提供了一个学习和参考的范例。通过研究其代码结构和实现原理，开发者可以深入了解如何将Next.js和 ...
AI代理框架：LLM应用架构的潜在核心？ - 飞书文档
https://docs.feishu.cn/v/wiki/JJbmwkl37iDqbZkeQp5cJrAtnOq/ac**LLM应用程序技术栈** ; 数据流水线. 嵌入模型. 向量数据库. 沙盒环境. 业务流程编排 ; Databricks. OpenAI. Pinecone. OpenAI. Langchain ; Airflow. Cohere. Weaviate. nat ...
传统搜索引擎如何辅助ChatGPT进行内容生成？ - 飞书文档
https://docs.feishu.cn/v/wiki/TG7LwQLqXiSPIhkrnIncUYY3nEg/al在“人工标注数据+强化学习”框架下，具体而言，ChatGPT的训练过程分为以下三个阶段：. 第一阶段：冷启动阶段的监督策略模型。