ai 部署

• ai开发
  • ai本地部署和应用
    • ollama
    • vllm
    • SGLang
    • Xinfernce
    • LMStudio
  • Embedding（向量模型）
    • 通用文本
      • BGE-M3（智源研究院）
      • text-embedding-3-large
      • Jina-embeddings-v2
    • 中文嵌入模型
      • xiaobu-embedding-v2
      • M3E-Turbo
      • stella-mrl-large-zh-v3.5-1792
  • RAG(检索增强生成)
    • NativeRAG
    • dify
    • anything llm
    • cherry studio
    • Coze
  • ai聊天入口
    • 客户端
      • chat box
      • ChatWise
    • 聊天插件
      • Page Assist
    • 服务端
      • LobeChat
  • 自助式数据报表开发
    • text2sql
  • ai微调
    • LLama-Factory
  • 多任务应用开发
    • langchain
    • LlamaIndex
  • 模型库
    • 模型库
  • 算力租用
    • autodl
  • api接入
    • dashscope
    • 阿里云百炼
  • ai插件网站
    • huggingface

提示词工程

大模型会有幻觉，知识图谱可以人工检测，生成知识库。
chatBI，通过聊天生成报表。
firecrawl 把文件转成markdown，灌输给ai

RAG(检索增强生成)

基本概念

• 检索增强生成，是一种结合信息检索（Retrieval）和文本生
成（Generation）的技术
• RAG技术通过实时检索相关文档或信息，并将其作为上下文
输入到生成模型中，从而提高生成结果的时效性和准确性。

优势

• 解决知识时效性问题：大模型的训练数据通常是静态的，无
法涵盖最新信息，而RAG可以检索外部知识库实时更新信息。
• 减少模型幻觉：通过引入外部知识，RAG能够减少模型生成
虚假或不准确内容的可能性。
• 提升专业领域回答质量：RAG能够结合垂直领域的专业知识
库，生成更具专业深度的回答