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：rags
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 分钟实用笔记：为人工智能智能体设计缓存：循环内的缓存机制
《实用笔记：为人工智能代理设计缓存》的操作指南：循环内的缓存处理——面向采用该模式的团队提供的契约、校验机制及可直接插入的代码模块。
阅读约 6 分钟语义搜索与向量搜索：有何区别，以及
语义搜索与向量搜索：先进行关键词搜索，再利用向量和语义，了解各自的优势，以及它们如何在RAG系统中结合用于信息检索。
阅读约 14 分钟RAG不仅仅是聊天机器人：其内部究竟发生了什么
RAG远不止是一个聊天机器人：它还包括数据摄取引擎、向量数据库、检索与生成阶段，以及为何演示版本会隐藏生产环境实际所需的功能。
阅读约 15 分钟从微调到精准：大幅降低误差
通过微调与RAG技术减少幻觉：为何仅靠微调不够，基于Ollama的架构，以及如何在特定领域提升精确度。
阅读约 13 分钟构建可在生产环境中正常运行的RAG系统
可用于实际生产的RAG系统：文档导入、分块处理、嵌入生成、向量数据库、检索功能，以及始终以原始资料为依据的LLM生成功能。
阅读约 18 分钟无需故事情节，只需最简代码即可构建可运行的RAG系统。
一个可运行的RAG应用的最简代码，无需多余解释：包括密钥、依赖项、嵌入模型，以及用于存储向量的Qdrant服务和用于生成答案的Gemini模型。
阅读约 13 分钟实用指南：提升生产环境中AI智能体响应质量的巧妙方法
《实用笔记》操作指南：提升生产环境中AI智能体响应质量的巧妙方法——为采用该模式的团队提供的合同模板、校验机制及可直接插入的代码片段。
阅读约 9 分钟实用笔记：Oracle平台上的原生向量RAG技术——涵盖嵌入模型、HNSW/IVF算法以及混合实现方式。
实用笔记的操作指南：Oracle平台上的原生向量RAG技术——包括嵌入模型、HNSW/IVF算法以及混合方案；同时为采用该模式的团队提供相关契约、校验规则及可直接使用的代码模板。
阅读约 11 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。