工程笔记
写给真正
交付技术栈的人
关于 React、Node.js、TypeScript 与 AI 的文章。有译文正文时显示译文。没有时显示英文，并注明这一点。
标签：milvus
Milvus上的高级RAG技术：混合搜索、HyDE、查询重写与重排序。
逐步构建Milvus RAG流程：密集向量与BM25向量、RRF混合搜索、元数据过滤、查询重写、HyDE、分解与交叉编码器重排序。
阅读约 18 分钟为RAG选择嵌入模型：MTEB、BGE、Voyage与OpenAI的对比分析
为RAG选择嵌入模型：正确理解MTEB，关于BGE、Voyage、OpenAI及其他三种模型的说明，五步Milvus流程以及决策框架。
阅读约 7 分钟docling-pipelines 如何结合 OpenSearch 或 Milvus 为 RAG 存储文档向量
IBM docling-pipelines for RAG的向量数据库层：可插拔的OpenSearch和Milvus适配器、过期数据块清理、自动维度处理、JSON数据流功能。
阅读约 7 分钟Pinecone、Weaviate、Milvus、Qdrant或Chroma：如何选择合适的向量数据库。
从无服务器与混合搜索到Rust语言及GPU索引技术，各类向量数据库方案的大白话解释，包括各自的优缺点以及最适合的应用场景。
阅读约 8 分钟实用笔记：提升RAG性能——第二部分：HyDE（假设性文档）
《实用笔记：提升RAG性能——第二部分：HyDE》操作指南：为采用该模式的团队提供的假设性文档、检查清单以及可直接插入的代码模板。
阅读约 6 分钟
常见问题
关于这些文章
是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。
英文是来源。只有存在该语言的正文译文时才显示其他语言。缺失或空白的译文仍是英文，包括在本地化网址上。
草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。
示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。