往期
推荐阅读
暂无相关文章
本书目录
01
序言
02
第 1 章 · 认知困局
03
第 2 章 · 产品观
04
第 3 章 · 需求观
05
第 4 章 · 用户观
06
第 5 章 · 认知融合
07
第 6 章 · 问题定义
08
第 7 章 · 体验设计
09
第 8 章 · 数据证据
10
第 9 章 · 技术认知
11
第 10 章 · 决策沟通
12
第 11 章 · 路线图与优先级
13
第 12 章 · 场景建模
14
第 13 章 · 能力抽象
15
第 14 章 · 平台架构
16
第 15 章 · 商业思维
17
第 16 章 · 市场分析
18
第 17 章 · 增长思维
19
第 18 章 · 产品运营
20
第 19 章 · 项目协作
21
第 20 章 · 组织能力
22
第 21 章 · 长期价值
23
后记
文章目录
1
为什么需要 RAG
大语言模型的三大局限
两条解决路径:微调 vs RAG
什么是 RAG
2
通过 FastGPT 认识 RAG
FastGPT:开箱即用的 AI 知识库平台
3
Naive RAG 工作流程
Naive RAG 三步骤
文档分块:四种基本策略
4
向量化与向量模型
Embeddings 向量化
RAG 中的向量化:文本块 → 句向量
BGE-M3:企业常用的嵌入模型
向量间的相似度计算
向量间的相似度计算
5
向量数据库
为什么需要向量数据库
主流向量数据库对比
Chroma 实战:Client 与 Collection
Chroma 实战:添加文档与相似度检索
6
实战案例与总结
三种检索技术
全文检索 vs 向量检索
实战一:医疗知识混合检索
实战二:HR 制度智能问答系统
本章节总结
相关文章














